Descubre el poder de Hugging Face, la plataforma de IA de referencia para desarrolladores 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 construir con Hugging Face?

¡Explorando modelos en el Hub!

Ejecutar modelos de Hugging Face

Crear un pipeline de generación de texto

Proveedores de inferencia

Conjuntos de datos de Hugging Face

Explora conjuntos de datos en el Hub

Cargar conjuntos de datos

Manipulación de conjuntos de datos

Primeros pasos con Hugging Face

Aprende a crear pipelines de IA con Hugging Face. Domina la clasificación de texto, resume contenido y extrae información de documentos para afrontar retos reales en distintos sectores.

Clasificación de texto

Corrección gramatical

Question Natural Language Inference

Asignación dinámica de categorías

Resumen de texto

Resumir texto largo

Ajustar la longitud del resumen

Auto Models y tokenizers

¿Cuándo usar AutoModels y AutoTokenizers?

Tokenizar texto con AutoTokenizer

Uso de AutoClasses

Preguntas y respuestas sobre documentos

¿Qué tarea encaja con este escenario?

Extraer texto con PyPDF

Crear una pipeline de Q&A

¡Enhorabuena!

Crear pipelines con Hugging Face

imdb_test.arrow

imdb_train.arrow

common_language.arrow

english.arrow

Hugging Face es una plataforma fundamental para acceder a funcionalidades de Machine Learning e IA. 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. Usarás pipelines, un componente esencial de Hugging Face, para realizar todo tipo de tareas de IA con una sintaxis sencilla e intuitiva. Aprenderás a clasificar texto en categorías, generar resúmenes precisos y eficaces, e incluso conversar con documentos. ¡Súmate a la revolución de la IA y aprende sobre Hugging Face hoy mismo!

Los vídeos incluyen transcripciones en directo que puedes mostrar haciendo clic en "Show transcript" en la parte inferior izquierda de los vídeos.
El glosario del curso está disponible a la derecha, en la sección de recursos.
Para obtener créditos CPE debes completar el curso y alcanzar una puntuación del 70 % en la evaluación cualificada. Puedes ir a la evaluación haciendo clic en el aviso de créditos CPE que aparece a la derecha.

<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

from huggingface_hub import InferenceClient

client = InferenceClient(
    provider="together",
    api_key=os.environ["HF_TOKEN"],
)

completion = client.chat.completions.create(
    model="deepseek-ai/DeepSeek-V3",
    messages=[
        {
            "role": "user",
            "content": "What is the capital of Belgium?"
        }
    ],
)

Proveedores de inferencia

Trabajar con Hugging Face

ejercicio interactivo práctico