Course Outline
Invoering
- Overzicht van NLP en zijn toepassingen
- Inleiding tot Hugging Face en de belangrijkste kenmerken ervan
Het opzetten van een werkomgeving
- Installeren en configureren Hugging Face
Inzicht in de Hugging Face Transformers-bibliotheek en Transformer-modellen
- Het verkennen van de structuur en functionaliteiten van de Transformers-bibliotheek
- Overzicht van diverse Transformer-modellen verkrijgbaar in Hugging Face
Gebruik makend van Hugging Face Transformers
- Voorgetrainde modellen laden en gebruiken
- Transformers toepassen voor diverse NLP taken
Een vooraf getraind model verfijnen
- Een dataset voorbereiden voor verfijning
- Een Transformer-model afstemmen op een specifieke taak
Modellen en tokenizers delen
- Getrainde modellen exporteren en delen
- Gebruik van tokenizers voor tekstverwerking
Verkennen van Hugging Face bibliotheek met gegevenssets
- Overzicht van de Datasets-bibliotheek in Hugging Face
- Accessing en gebruik van reeds bestaande datasets
Hugging Face Tokenizers-bibliotheek verkennen
- Inzicht in tokenisatietechnieken en hun belang
- Gebruikmaken van tokenizers van Hugging Face
Klassieke NLP-taken uitvoeren
- Implementatie van algemene NLP-taken met behulp van Hugging Face
- Tekstclassificatie, sentimentanalyse, herkenning van benoemde entiteiten, enz.
Gebruikmaken van Transformer-modellen voor het aanpakken van taken op het gebied van spraakverwerking en Computer visie
- Het gebruik van Transformers uitbreiden tot buiten tekstgebaseerde taken
- Transformers toepassen voor spraak- en beeldgerelateerde taken
Probleemoplossing en foutopsporing
- Veelvoorkomende problemen en uitdagingen bij het werken met Hugging Face
- Technieken voor probleemoplossing en foutopsporing
Uw modeldemo's bouwen en delen
- Ontwerpen en maken van interactieve modeldemo's
- Uw modellen effectief delen en presenteren
Samenvatting en volgende stappen
- Samenvatting van de belangrijkste concepten en geleerde technieken
- Begeleiding bij verder onderzoek en hulpmiddelen voor voortgezet leren
Requirements
- Een goede kennis van Python Ervaring met deep learning Bekendheid met PyTorch of TensorFlow is gunstig maar niet vereist
Publiek
- Datawetenschappers Machine learning-beoefenaars NLP-onderzoekers en enthousiastelingen Ontwikkelaars die geïnteresseerd zijn in het implementeren van NLP-oplossingen
Getuigenissen (2)
This is one of the best hands-on with exercises programming courses I have ever taken.
Laura Kahn
Cursus - Artificial Intelligence - the most applied stuff - Data Analysis + Distributed AI + NLP
I did like the exercises