Odkryj możliwości Hugging Face – wiodącej platformy AI dla programistów i badaczy danych. Poznaj wstępnie wytrenowane modele, uzyskaj dostęp do zbiorów danych i skonfiguruj przepływy pracy, aby uruchomić własne rozwiązania oparte na AI.

Wprowadzenie do Hugging Face

Dlaczego warto budować z Hugging Face?

Odkrywanie modeli w Hub!

Uruchamianie modeli Hugging Face

Tworzenie potoku generowania tekstu

Dostawcy wnioskowania

Zbiory danych w Hugging Face

Odkrywanie zbiorów danych na Hubie!

Wczytywanie zbiorów danych

Manipulowanie zbiorami danych

Pierwsze kroki z Hugging Face

Naucz się budować potoki AI z Hugging Face. Opanuj klasyfikację tekstu, twórz podsumowania treści i wydobywaj wnioski z dokumentów – przygotuj się na rozwiązywanie rzeczywistych problemów w różnych branżach.

Klasyfikacja tekstu

Poprawność gramatyczna

Wnioskowanie w języku naturalnym na podstawie pytań

Dynamiczne przypisywanie kategorii

Podsumowywanie tekstu

Podsumowywanie długich tekstów

Dostosowywanie długości podsumowania

Auto Models i Tokenizery

Kiedy używać AutoModels i AutoTokenizers?

Tokenizacja tekstu z AutoTokenizer

Korzystanie z AutoClasses

Pytania i odpowiedzi dotyczące dokumentów

Które zadanie pasuje do tego scenariusza?

Wyodrębnianie tekstu za pomocą PyPDF

Budowanie potoku Q&A

Gratulacje!

Budowanie potoków w Hugging Face

imdb_test.arrow

imdb_train.arrow

common_language.arrow

english.arrow

Hugging Face to kluczowa platforma zapewniająca dostęp do funkcji uczenia maszynowego i sztucznej inteligencji. W tym kursie poznasz Hugging Face Hub i nauczysz się dobierać najbardziej odpowiednie modele oraz zbiory danych do swoich zadań. Skorzystasz z API Hugging Face, aby przeszukiwać repozytorium modeli według zadania, autora lub popularności. Poznasz potoki (pipelines) – podstawowy komponent Hugging Face – i wykorzystasz je do wykonywania wielu zadań AI za pomocą prostej i intuicyjnej składni. Nauczysz się klasyfikować tekst, tworzyć trafne i zwięzłe podsumowania, a nawet prowadzić rozmowy z dokumentami. Dołącz do rewolucji AI i zacznij pracować z Hugging Face już dziś!

Filmy zawierają interaktywne transkrypcje – możesz je wyświetlić, klikając „Pokaż transkrypcję" w lewym dolnym rogu.
Glosariusz kursu znajdziesz po prawej stronie, w sekcji zasobów.
Aby uzyskać punkty CPE, musisz ukończyć kurs i zdobyć co najmniej 70% punktów w ocenie kwalifikacyjnej. Przejdź do oceny, klikając oznaczenie punktów CPE po prawej stronie.

<h2>Zacznij budować AI z Hugging Face</h2>W dzisiejszym dynamicznie zmieniającym się świecie uczenia maszynowego (ML) i sztucznej inteligencji (AI) Hugging Face wyróżnia się jako kluczowa platforma, która pozwala każdemu wykorzystywać najnowsze modele, zbiory danych i funkcje w swoich projektach.<br><br><h2>Poznaj Hugging Face Hub</h2>Na początek przejdziesz przez rozległe repozytorium modeli i zbiorów danych Hugging Face Hub. Będziesz wczytywać, używać i zapisywać modele z Hugging Face oraz pobierać i przetwarzać zbiory danych do trenowania modeli.<br><br><h2>Twórz potoki dla aplikacji tekstowych</h2>Wykorzystuj wstępnie wytrenowane modele dostępne na Hugging Face do zadań klasyfikacji tekstu, takich jak poprawność gramatyczna i dynamiczne przypisywanie kategorii; streszczaj długie fragmenty tekstu, korzystając zarówno z modeli streszczania ekstrakcyjnego, jak i abstrakcyjnego, a nawet zacznij prowadzić rozmowy z dokumentami!<br><br>Po ukończeniu kursu będziesz wyposażony w wiedzę i umiejętności potrzebne do skutecznego realizowania szerokiego zakresu zadań ML i AI opartych na tekście z wykorzystaniem Hugging Face.

Introduction to Functions in Python

Korzystaj z obszernego repozytorium modeli i zbiorów danych dostępnych na Hugging Face Hub.

Praca z Hugging Face

Poruszaj się po rozbudowanym repozytorium modeli i zbiorów danych dostępnych na Hugging Face Hub.

Inżynier AI Associate dla Data Scientistów

Inżynier AI Associate dla programistów

Tworzenie aplikacji AI

Podstawy 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?"
        }
    ],
)

Dostawcy wnioskowania

Praca z Hugging Face

Interaktywne ćwiczenie praktyczne