Descubre el poder de Hugging Face, la plataforma de IA de referencia para programadores y científicos de datos. Explora modelos preentrenados, accede a conjuntos de datos y configura flujos de trabajo para lanzar tus soluciones basadas en IA.

Introducción a Hugging Face

¿Por qué crear con Hugging Face?

¡Explora modelos en el Hub!

Ejecución de modelos Hugging Face

Creación de un canal de generación de texto

Proveedores de inferencia

Conjuntos de datos de Hugging Face

¡Explora conjuntos de datos en el Hub!

Cargando conjuntos de datos

Manipulación de conjuntos de datos

Primeros pasos con Hugging Face

Aprende a crear canalizaciones de IA con Hugging Face. Domina la clasificación de textos, resume contenidos y extrae información relevante de documentos, lo que te permitirá afrontar retos reales en todos los sectores.

Clasificación de textos

Corrección gramatical

Pregunta Inferencia del lenguaje natural

Asignación dinámica de categorías

Resumen de texto

Resumir textos largos

Ajustar la longitud del resumen

Modelos automáticos y tokenizadores

Opciones

Tuberías

Clases de automóviles

¿Cuándo utilizar AutoModels y AutoTokenizers?

Tokenización de texto con AutoTokenizer

Uso de AutoClasses

Preguntas y respuestas sobre el documento

Resumen

Respuesta a preguntas

¿Qué tarea se ajusta a este escenario?

Extracción de texto con PyPDF

Creación de un canal de preguntas y respuestas

¡Enhorabuena!

Creación de canalizaciones con Hugging Face

english.arrow

imdb_train.arrow

imdb_test.arrow

common_language.arrow

Hugging Face es una plataforma esencial para acceder a funciones de machine learning e inteligencia artificial. En este curso, explorarás Hugging Face Hub para encontrar los modelos y conjuntos de datos más adecuados para tus tareas. Utilizarás la API de Hugging Face para buscar en su repositorio de modelos por tarea, autor o popularidad. Utilizarás pipelines, un componente fundamental de Hugging Face, para realizar toda una serie de tareas de IA utilizando una sintaxis sencilla e intuitiva. Aprenderás a clasificar textos en categorías, generar resúmenes impactantes y precisos, e incluso mantener conversaciones con documentos. ¡Únete a la revolución de la IA y descubre Hugging Face hoy mismo!

<h2>Empieza a construir IA con Cara de Abrazo</h2>En el panorama actual de rápida evolución del aprendizaje automático (ML) y la inteligencia artificial (IA), Hugging Face destaca como una plataforma vital, que permite a cualquiera aprovechar los últimos modelos, conjuntos de datos y funcionalidades en sus proyectos.<br><br><h2>Explora el Hub Cara Abrazada</h2>Para empezar, navegarás por el vasto repositorio de modelos y conjuntos de datos del Hugging Face Hub. Cargarás, utilizarás y guardarás modelos de Cara de Abrazo, y descargarás y manipularás conjuntos de datos para el entrenamiento de modelos.<br><br><h2>Construir tuberías para aplicaciones de texto</h2>Utiliza los modelos preentrenados disponibles en Hugging Face para tareas de clasificación de textos, como la corrección gramatical y la asignación dinámica de categorías; resume largos pasajes de texto utilizando modelos de resumen tanto extractivos como abstractivos, ¡e incluso empieza a mantener conversaciones con documentos!<br><br>Al final del curso, estarás equipado con los conocimientos y habilidades necesarios para abordar con eficacia una amplia gama de tareas de ML e IA basadas en texto utilizando Hugging Face.

Introduction to Functions in Python

Explora y utiliza el amplio repositorio de modelos y conjuntos de datos en Hugging Face Hub.

Trabajar con Hugging Face

Navega y utiliza el amplio repositorio de modelos y conjuntos de datos disponibles en el Hugging Face Hub.

Ingeniero Asociado de IA para Científicos de Datos

Associate AI Engineer para desarrolladores

Desarrollo de aplicaciones de IA

Fundamentos de Hugging Face

Necesito una forma rápida de clasificar las opiniones de los clientes como positivas o negativas.

La tarea consiste en resumir de forma sencilla artículos de noticias.

Quiero comparar rápidamente varios modelos para tareas de generación de texto.

Nuestro modelo de atención al cliente debería dar prioridad a la categoría «Urgente» con mayor frecuencia.

La tarea requiere tokenizar informes financieros y añadir tokens personalizados para términos como «EBITDA» o «ROI».

¿Cuándo utilizar AutoModels y AutoTokenizers?

Trabajar con Hugging Face

Ejercicio interactivo práctico