Entdecke die Power von Hugging Face, der Top-KI-Plattform für Entwickler und Datenwissenschaftler. Probier mal vortrainierte Modelle aus, hol dir Datensätze und richte Workflows ein, um deine KI-basierten Lösungen zu starten.

Einführung in Hugging Face

Warum mit Hugging Face entwickeln?

Modelle auf dem Hub entdecken!

Hugging Face-Modelle ausführen

Eine Pipeline für die Textgenerierung aufbauen

Inferenzanbieter

Hugging Face-Datensätze

Datensätze auf dem Hub erkunden!

Laden von Datensätzen

Datensätze bearbeiten

Erste Schritte mit Hugging Face

Lerne mit Hugging Face, wie man KI-Pipelines baut. Lerne, wie du Texte klassifizierst, Inhalte zusammenfasst und Erkenntnisse aus Dokumenten gewinnst, damit du echte Herausforderungen in allen Branchen meistern kannst.

Textklassifizierung

Grammatikalische Korrektheit

Frage Natürliche Sprachauslegung

Dynamische Kategoriezuordnung

Textzusammenfassung

Lange Texte zusammenfassen

Länge der Zusammenfassung anpassen

Automatische Modelle und Tokenizer

Optionen

Rohrleitungen

Autoklassen

Wann sollte man AutoModels und AutoTokenizers verwenden?

Text mit AutoTokenizer in Token aufteilen

AutoClasses verwenden

Dokument Q&A

Zusammenfassung

Fragen beantworten

Welche Aufgabe passt zu diesem Szenario?

Text mit PyPDF extrahieren

Eine Q&A-Pipeline aufbauen

Herzlichen Glückwunsch!

Pipelines mit Hugging Face aufbauen

english.arrow

imdb_train.arrow

imdb_test.arrow

common_language.arrow

Hugging Face ist eine wichtige Plattform für den Zugriff auf Funktionen für maschinelles Lernen und KI. In diesem Kurs checkst du den Hugging Face Hub aus, um die besten Modelle und Datensätze für deine Aufgaben zu finden. Du kannst die API von Hugging Face nutzen, um das Modell-Repository nach Aufgabe, Autor oder Beliebtheit zu durchsuchen. Du wirst Pipelines, eine grundlegende Komponente von Hugging Face, verwenden, um eine ganze Reihe von KI-Aufgaben mit einer einfachen und intuitiven Syntax zu erledigen. Du lernst, Texte in Kategorien einzuteilen, aussagekräftige und genaue Zusammenfassungen zu erstellen und sogar mit Dokumenten zu kommunizieren. Mach mit bei der KI-Revolution und informier dich noch heute über Hugging Face!

<h2>Baue KI mit Hugging Face</h2>In der sich schnell entwickelnden Landschaft des maschinellen Lernens (ML) und der künstlichen Intelligenz (KI) ist Hugging Face eine unverzichtbare Plattform, die es jedem ermöglicht, die neuesten Modelle, Datensätze und Funktionen für seine Projekte zu nutzen.<br><br><h2>Entdecke den Hugging Face Hub</h2>Zu Beginn navigierst du durch den riesigen Modell- und Datensatzspeicher des Hugging Face Hub. Du wirst Modelle aus Hugging Face laden, verwenden und speichern und Datensätze für das Modelltraining herunterladen und bearbeiten.<br><br><h2>Pipelines für Textanwendungen erstellen</h2>Nutze die in Hugging Face verfügbaren vortrainierten Modelle für Textklassifizierungsaufgaben wie grammatikalische Korrektheit und dynamische Kategoriezuweisung; fasse lange Textpassagen mit extraktiven und abstrakten Zusammenfassungsmodellen zusammen und beginne sogar, mit Dokumenten zu sprechen!<br><br>Am Ende des Kurses wirst du mit dem Wissen und den Fähigkeiten ausgestattet sein, um eine breite Palette textbasierter ML- und KI-Aufgaben mit Hugging Face effektiv zu lösen.

Introduction to Functions in Python

Nutzen Sie das umfangreiche Modell- und Daten-Repository auf dem Hugging Face Hub.

Arbeiten mit Hugging Face

Navigiere und nutze den umfangreichen Bestand an Modellen und Datensätzen im Hugging Face Hub.

Associate AI Engineer für Datenwissenschaftler

Associate AI Engineer für Entwickler

Entwicklung von KI-Anwendungen

Ich brauche eine schnelle Möglichkeit, Kundenbewertungen als positiv oder negativ einzustufen.

Die Aufgabe ist, einen einfachen Text für Nachrichtenartikel zusammenzufassen.

Ich will schnell mehrere Modelle für Textgenerierungsaufgaben vergleichen.

Unser Kundensupport sollte öfter die Kategorie „Dringend“ an erste Stelle setzen.

Die Aufgabe besteht darin, Finanzberichte zu tokenisieren und benutzerdefinierte Tokens für Begriffe wie „EBITDA“ oder „ROI“ hinzuzufügen.

Wann sollte man AutoModels und AutoTokenizers verwenden?

Arbeiten mit Hugging Face

Interaktive Übung