Manipularea seturilor de date
În multe situații, va trebui să manipulezi un set de date înainte de a-l folosi într-o sarcină de învățare automată. Două operații frecvente sunt filtrarea și selectarea (sau decuparea). Datorită dimensiunii acestor seturi de date, Hugging Face utilizează formatul de fișiere Arrow.
Aceasta înseamnă că manipulările se realizează ușor diferit față de ce ești obișnuit. Din fericire, există deja metode care te ajută cu asta!
Setul de date este deja încărcat sub numele wikipedia.
Acest exercițiu face parte din cursul
Lucrul cu Hugging Face
Exercițiu interactiv practic
Încearcă acest exercițiu completând acest cod de exemplu.
# Filter the documents
____ = wikipedia.____(lambda row: "football" in row["____"])
# Create a sample dataset
example = ____.____(range(1))
print(example[0]["text"])