Plan du cours
Introduction
- Aperçu de la PNL et de ses applications
- Introduction à Hugging Face et à ses principales caractéristiques
Mise en place d'un environnement de travail
- Installation et configuration de Hugging Face
Comprendre la bibliothèque de transformateurs Hugging Face et les modèles de transformateurs
- Exploration de la structure et des fonctionnalités de la bibliothèque Transformers
- Vue d'ensemble des différents modèles de transformateurs disponibles dans Hugging Face
Utiliser les transformateurs Hugging Face
- Chargement et utilisation de modèles pré-entraînés
- Appliquer les transformateurs à diverses tâches de TAL
Mise au point d'un modèle pré-entraîné
- Préparation d'un ensemble de données pour le réglage fin
- Mise au point d'un modèle de transformateur pour une tâche spécifique
Partager des modèles et des tokenizers
- Exporter et partager des modèles entraînés
- Utilisation de tokenizers pour le traitement de texte
Exploration de la bibliothèque Hugging Face Datasets
- Vue d'ensemble de la bibliothèque de jeux de données dans Hugging Face
- Accessing et utilisation d'ensembles de données préexistants
Exploration de la bibliothèque Hugging Face Tokenizers
- Comprendre les techniques de tokenisation et leur importance
- Exploiter les tokenizers de Hugging Face
Exécuter des tâches classiques de NLP
- Mettre en œuvre des tâches de TAL courantes à l'aide de Hugging Face
- Classification de textes, analyse de sentiments, reconnaissance d'entités nommées, etc.
Exploitation des modèles de transformateurs pour les tâches de traitement de la parole et de Computer vision
- Étendre l'utilisation des transformateurs au-delà des tâches basées sur le texte
- Appliquer les transformateurs aux tâches liées à la parole et à l'image
Dépannage et débogage
- Problèmes et défis courants liés à l'utilisation de Hugging Face
- Techniques de dépannage et de débogage
Construire et partager vos démonstrations de modèles
- Conception et création de démonstrations interactives de modèles
- Partager et présenter efficacement vos modèles
Résumé et prochaines étapes
- Récapitulation des concepts clés et des techniques apprises
- Conseils pour une exploration plus approfondie et ressources pour la poursuite de l'apprentissage
Pré requis
- Une bonne connaissance de Python Une expérience de l'apprentissage en profondeur Une connaissance de PyTorch ou TensorFlow est bénéfique mais pas obligatoire
Public
- Scientifiques des données Praticiens de l'apprentissage automatique Chercheurs et passionnés de PNL Développeurs intéressés par la mise en œuvre de solutions de PNL
Nos Clients témoignent (2)
This is one of the best hands-on with exercises programming courses I have ever taken.
Laura Kahn
Formation - Artificial Intelligence - the most applied stuff - Data Analysis + Distributed AI + NLP
I did like the exercises