Découvrez la puissance de Hugging Face, la plateforme d'IA incontournable pour les développeurs et les scientifiques des données. Découvrez des modèles pré-entraînés, accédez à des ensembles de données et configurez des workflows pour lancer vos solutions basées sur l'IA.

Présentation de Hugging Face

Pourquoi développer avec Hugging Face ?

Découvrez les modèles sur le Hub !

Exécution des modèles Hugging Face

Construire un pipeline de génération de texte

Fournisseurs d'inférence

Ensembles de données Hugging Face

Exploration des ensembles de données sur le Hub !

Chargement des ensembles de données

Manipulation des ensembles de données

Premiers pas avec Hugging Face

Apprenez à créer des pipelines d'IA avec Hugging Face. Maîtrisez la classification de textes, résumez le contenu et extrayez des informations pertinentes à partir de documents, ce qui vous permettra de relever les défis concrets auxquels vous serez confronté dans tous les secteurs d'activité.

Classification des textes

Exactitude grammaticale

Question Inférence en langage naturel

Attribution dynamique de catégories

Résumé de texte

Résumer un texte long

Ajuster la longueur du résumé

Modèles automatiques et tokeniseurs

Quand utiliser les modèles automatiques et les tokeniseurs automatiques ?

Tokenisation de texte avec AutoTokenizer

Utilisation des classes automatiques

Questions et réponses sur le document

Quelle tâche correspond à ce scénario ?

Extraction de texte avec PyPDF

Création d'un pipeline de questions-réponses

Félicitations !

Construire des pipelines avec Hugging Face

english.arrow

imdb_train.arrow

imdb_test.arrow

common_language.arrow

Hugging Face est une plateforme essentielle pour accéder aux fonctionnalités d'apprentissage automatique et d'intelligence artificielle. Dans ce cours, vous explorerez le Hub Hugging Face afin de trouver les modèles et les ensembles de données les plus adaptés à vos tâches. Vous utiliserez l'API Hugging Face pour rechercher dans son référentiel de modèles par tâche, auteur ou popularité. Vous utiliserez les pipelines, un composant fondamental de Hugging Face, pour effectuer toute une série de tâches d'IA à l'aide d'une syntaxe simple et intuitive. Vous apprendrez à classer des textes en catégories, à générer des résumés percutants et précis, et même à avoir des conversations avec des documents. Rejoignez la révolution de l'IA et découvrez Hugging Face dès aujourd'hui.

<h2>Commencez à construire l'IA avec Hugging Face</h2>Dans le paysage actuel de l'apprentissage automatique (ML) et de l'intelligence artificielle (IA), qui évolue rapidement, Hugging Face se distingue comme une plateforme essentielle, permettant à quiconque de tirer parti des derniers modèles, ensembles de données et fonctionnalités dans leurs projets.<br><br><h2>Explorez le Hub Hugging Face</h2>Pour commencer, vous naviguerez dans le vaste référentiel de modèles et d'ensembles de données du Hugging Face Hub. Vous chargerez, utiliserez et enregistrerez des modèles à partir de Hugging Face, et vous téléchargerez et manipulerez des ensembles de données pour l'entraînement des modèles.<br><br><h2>Construire des pipelines pour les applications textuelles</h2>Utilisez les modèles pré-entraînés disponibles sur Hugging Face pour les tâches de classification de texte, telles que l'exactitude grammaticale et l'attribution dynamique de catégories ; résumez de longs passages de texte en utilisant des modèles de résumé extractif et abstractif, et commencez même à avoir des conversations avec des documents !<br><br>À la fin du cours, vous serez équipé des connaissances et des compétences pour aborder un large éventail de tâches de ML et d'IA basées sur le texte de manière efficace en utilisant Hugging Face.

Introduction to Functions in Python

Explorez et utilisez le vaste dépôt de modèles et de jeux de données sur le Hub Hugging Face.

Travailler avec Hugging Face

Naviguez et utilisez le vaste référentiel de modèles et d'ensembles de données disponibles sur le Hugging Face Hub.

Ingénieur IA associé pour les scientifiques de données

Associate AI Engineer pour développeurs

Développer des applications d'IA

Principes fondamentaux 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?"
        }
    ],
)

Fournisseurs d'inférence

Travailler avec Hugging Face

Exercice interactif pratique