Descubra o poder do Hugging Face, a plataforma de IA preferida por desenvolvedores e cientistas de dados. Explore modelos pré-treinados, acesse conjuntos de dados e configure fluxos de trabalho para lançar suas soluções com IA.

Introdução ao Hugging Face

Por que construir com o Hugging Face?

Explorando modelos no Hub!

Executando modelos do Hugging Face

Construindo um pipeline de geração de texto

Provedores de inferência

Hugging Face Datasets

Explorando conjuntos de dados no Hub!

Carregando conjuntos de dados

Manipulando conjuntos de dados

Primeiros passos com Hugging Face

Aprenda a construir pipelines de IA com Hugging Face. Domine a classificação de texto, resuma conteúdos e extraia insights de documentos, preparando você para enfrentar desafios reais em diversos setores.

Classificação de texto

Correção gramatical

Pergunta Inferência de linguagem natural

Atribuição dinâmica de categorias

Resumo de texto

Resumir um texto longo

Ajustando o tamanho do resumo

Modelos automáticos e tokenizadores

Quando você deve usar AutoModels e AutoTokenizers?

Tokenização de texto com o AutoTokenizer

Usando AutoClasses

Perguntas e respostas sobre documentos

Que tarefa se encaixa nesse cenário?

Extração de texto com o PyPDF

Criação de um pipeline de Q&A

Parabéns!

Construindo pipelines com Hugging Face

english.arrow

imdb_train.arrow

imdb_test.arrow

common_language.arrow

Hugging Face é uma plataforma essencial para acessar funcionalidades de Machine Learning e IA. Neste curso, você vai explorar o Hugging Face Hub para encontrar os modelos e conjuntos de dados mais adequados às suas tarefas. Você usará a API do Hugging Face para buscar em seu repositório de modelos por tarefa, autor ou popularidade. Vai utilizar pipelines, um componente fundamental do Hugging Face, para realizar uma grande variedade de tarefas de IA com uma sintaxe simples e intuitiva. Você vai aprender a classificar textos em categorias, gerar resumos precisos e impactantes e até conversar com documentos. Junte-se à revolução da IA e conheça o Hugging Face hoje!

Os vídeos contêm transcrições ao vivo que você pode exibir clicando em "Show transcript" no canto inferior esquerdo dos vídeos.
O glossário do curso pode ser encontrado à direita, na seção de recursos.
Para obter créditos de CPE, você precisa concluir o curso e atingir uma pontuação de 70% na avaliação qualificada. Você pode acessar a avaliação clicando no destaque de créditos de CPE à direita.

<h2>Comece a criar IA com o Hugging Face</h2>No cenário atual de rápida evolução do machine learning (ML) e da inteligência artificial (IA), a Hugging Face se destaca como uma plataforma vital, permitindo que qualquer pessoa aproveite os modelos, conjuntos de dados e funcionalidades mais recentes em seus projetos.<br><br><h2>Explore o hub Hugging Face</h2>Para começar, você navegará pelo vasto repositório de modelos e conjuntos de dados do Hugging Face Hub. Você carregará, usará e salvará modelos do Hugging Face, além de fazer download e manipular conjuntos de dados para treinamento de modelos.<br><br><h2>Criar pipelines para aplicativos de texto</h2>Utilize modelos pré-treinados disponíveis no Hugging Face para tarefas de classificação de texto, como correção gramatical e atribuição de categoria dinâmica; resuma longas passagens de texto usando modelos de sumarização extrativos e abstratos e até mesmo comece a conversar com documentos!<br><br>Ao final do curso, você estará equipado com o conhecimento e as habilidades para lidar com uma ampla gama de tarefas de ML e IA baseadas em texto usando o Hugging Face de forma eficaz.

Introduction to Functions in Python

Navegue e use o vasto repositório de modelos e dados disponíveis no Hugging Face Hub.

Trabalhando com Hugging Face

Navegue e use o extenso repositório de modelos e conjuntos de dados disponíveis no Hugging Face Hub.

Engenheiro associado de IA para cientistas de dados

Associate AI Engineer para desenvolvedores

Desenvolvimento de aplicativos 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?"
        }
    ],
)

Provedores de inferência

Trabalhando com Hugging Face

exercicio interativo prático