Upptäck möjligheterna med Hugging Face – den självklara AI-plattformen för utvecklare och datavetare. Utforska förtränade modeller, hämta datamängder och sätt upp arbetsflöden för att lansera dina AI-drivna lösningar.

Introduktion till Hugging Face

Varför bygga med Hugging Face?

Utforska modeller på Hub!

Köra Hugging Face-modeller

Bygg en pipeline för textgenerering

Inferensleverantörer

Hugging Face-datamängder

Utforska datamängder på Hub!

Läsa in datamängder

Manipulera datamängder

Kom igång med Hugging Face

Lär dig att bygga AI-pipelines med Hugging Face. Bemästra textklassificering, sammanfatta innehåll och extrahera insikter från dokument – och rusta dig för att hantera verkliga utmaningar inom olika branscher.

Textklassificering

Grammatisk korrekthet

Question Natural Language Inference

Dynamisk kategoritilldelning

Textsammanfattning

Sammanfatta lång text

Justera sammanfattningens längd

Auto-modeller och tokeniserare

Alternativ

Pipelines

Auto Classes

När ska du använda AutoModels och AutoTokenizers?

Tokenisera text med AutoTokenizer

Använda AutoClasses

Dokumentfrågor och svar

Text Classification

Summarization

Question Answering

Vilken uppgift passar scenariot?

Extrahera text med PyPDF

Bygg en fråge- och svarspipeline

Grattis!

Bygg pipelines med Hugging Face

imdb_test.arrow

imdb_train.arrow

common_language.arrow

english.arrow

Hugging Face är en central plattform för att komma åt maskininlärning och AI-funktionalitet. I den här kursen utforskar du Hugging Face Hub för att hitta de mest lämpade modellerna och datamängderna för dina uppgifter. Du använder Hugging Faces API för att söka i modellarkivet efter uppgift, upphovsperson eller popularitet. Du arbetar med pipelines – en grundläggande komponent i Hugging Face – för att utföra en mängd olika AI-uppgifter med en enkel och intuitiv syntax. Du lär dig att klassificera text i kategorier, skapa effektiva och korrekta sammanfattningar och till och med föra dialoger med dokument. Ta del av AI-utvecklingen och lär dig om Hugging Face idag!

Videorna innehåller live-transkript som du visar genom att klicka på "Show transcript" längst ned till vänster i videospelaren.
Kursglossar finns till höger i resursavsnittet.
För att erhålla CPE-poäng behöver du slutföra kursen och uppnå 70 % på den kvalificerade bedömningen. Du kan navigera till bedömningen genom att klicka på CPE-poängrutan till höger.

<h2>Börja bygga AI med Hugging Face</h2>I dagens snabbt föränderliga landskap för maskininlärning (ML) och artificiell intelligens (AI) utmärker sig Hugging Face som en viktig plattform som gör det möjligt för vem som helst att dra nytta av de senaste modellerna, datamängderna och funktionerna i sina projekt.<br><br><h2>Utforska Hugging Face Hub</h2>För att komma igång navigerar du i Hugging Face Hubs omfattande modell- och datasetarkiv. Du kommer att ladda, använda och spara modeller från Hugging Face samt ladda ner och bearbeta dataset för modellträning.<br><br><h2>Bygg pipelines för textapplikationer</h2>Använd förtränade modeller som finns tillgängliga på Hugging Face för textklassificeringsuppgifter, såsom grammatisk korrekthet och dynamisk kategoritilldelning; sammanfatta långa textavsnitt med både extraktiva och abstraktiva sammanfattningsmodeller, och börja till och med föra samtal med dokument!<br><br>I slutet av kursen kommer du att ha kunskapen och färdigheterna för att effektivt ta dig an ett brett spektrum av textbaserade ML- och AI-uppgifter med hjälp av Hugging Face.

Introduction to Functions in Python

Utforska och använd det omfattande utbudet av modeller och dataset på Hugging Face Hub.

Arbeta med Hugging Face

Navigera och använd det omfattande biblioteket av modeller och dataset som finns tillgängliga på Hugging Face Hub.

Associate AI Engineer för data scientists

Associate AI Engineer för utvecklare

Utveckla AI-applikationer

Hugging Face-grunderna

Jag behöver ett snabbt sätt att klassificera kundrecensioner som positiva eller negativa

Uppgiften är en enkel textsammanfattning av nyhetsartiklar

Jag vill snabbt jämföra flera modeller för textgenereringsuppgifter

Vår kundtjänstmodell bör prioritera kategorin 'Urgent' oftare

Uppgiften kräver tokenisering av finansiella rapporter med anpassade tokens för termer som 'EBITDA' eller 'ROI'

När ska du använda AutoModels och AutoTokenizers?

Arbeta med Hugging Face

Interaktiv övning med praktiskt arbete