Відкрийте можливості Hugging Face — провідної платформи ШІ для розробників і дата-сайентістів. Дослідіть попередньо навчені моделі, отримуйте доступ до наборів даних і налаштовуйте робочі процеси для запуску рішень на базі ШІ.

Вступ до Hugging Face

Навіщо використовувати Hugging Face?

Досліджуємо моделі на Hub!

Запуск моделей Hugging Face

Створення конвеєра для генерування тексту

Провайдери інференсу

Набори даних Hugging Face

Досліджуємо набори даних у Hub!

Завантаження наборів даних

Опрацювання наборів даних

Початок роботи з Hugging Face

Навчіться створювати AI pipelines у Hugging Face. Опanuйте класифікацію текстів, підсумовування вмісту та витяг інсайтів із документів, щоб упевнено розв'язувати практичні завдання в різних галузях.

Класифікація тексту

Граматична коректність

Виведення на основі природної мови для запитань (QNLI)

Динамічне призначення категорій

Резюмування тексту

Резюмування довгого тексту

Налаштування довжини резюме

AutoModel та Tokenizer

Варіанти

Pipelines

Auto Classes

Коли використовувати AutoModels і AutoTokenizers?

Токенізація тексту за допомогою AutoTokenizer

Використання AutoClasses

Питання й відповіді за документом

Text Classification

Summarization

Question Answering

Яке завдання підходить до цього сценарію?

Видобування тексту за допомогою PyPDF

Створення pipeline для запитань і відповідей

Вітаємо!

Створення pipelines у Hugging Face

imdb_test.arrow

imdb_train.arrow

common_language.arrow

english.arrow

Hugging Face — це ключова платформа для доступу до функціональності машинного навчання та ШІ. У цьому курсі ви дослідите Hugging Face Hub, щоб знаходити найвідповідніші моделі та набори даних для ваших завдань. Ви використаєте API Hugging Face, щоб шукати моделі за завданням, автором або популярністю. Ви працюватимете з pipelines — базовим компонентом Hugging Face — щоб виконувати цілу низку завдань ШІ за допомогою простого та інтуїтивного синтаксису. Ви навчитеся класифікувати тексти за категоріями, створювати лаконічні та точні резюме, а також вести діалоги з документами. Долучайтеся до розвитку ШІ та дізнайтеся про Hugging Face вже сьогодні!

У відео є живі транскрипти, які можна відкрити, натиснувши "Show transcript" у нижньому лівому куті відео.
Глосарій курсу розміщено праворуч у розділі ресурсів.
Щоб отримати кредити CPE, потрібно завершити курс і набрати 70% на підсумковій оцінці. Перейдіть до оцінювання, натиснувши на блок про кредити CPE праворуч.

<h2>Почніть створювати ШІ з Hugging Face</h2>У сучасному стрімко мінливому світі машинного навчання (ML) та штучного інтелекту (AI) Hugging Face вирізняється як важлива платформа, що дає змогу будь-кому використовувати найновіші моделі, набори даних і функціональність у своїх проєктах.<br><br><h2>Ознайомтеся з Hugging Face Hub</h2>Для початку ви ознайомитеся з величезним репозиторієм моделей і наборів даних Hugging Face Hub. Ви завантажуватимете, використовуватимете й зберігатимете моделі з Hugging Face, а також завантажуватимете й оброблятимете набори даних для навчання моделей.<br><br><h2>Створюйте конвеєри для текстових застосунків</h2>Використовуйте попередньо навчені моделі, доступні на Hugging Face, для завдань класифікації тексту, таких як граматична правильність і динамічне призначення категорій; підсумовуйте довгі текстові фрагменти за допомогою як екстрактивних, так і абстрактивних моделей узагальнення, і навіть почніть вести розмови з документами!<br><br>Наприкінці курсу ви отримаєте знання та навички, щоб ефективно виконувати широкий спектр текстових завдань у ML та AI за допомогою Hugging Face.

Introduction to Functions in Python

Використовуйте великий репозиторій моделей і наборів даних на Hugging Face Hub.

Робота з Hugging Face

Навігуйте та використовуйте великий репозиторій моделей і наборів даних, доступних на Hugging Face Hub.

Молодший AI-інженер для дата-сайєнтистів

Асоційований AI-інженер для розробників

Розробка AI-застосунків

Основи Hugging Face

Мені потрібен швидкий спосіб класифікувати відгуки клієнтів як позитивні чи негативні

Завдання — просте узагальнення тексту для новинних статей

Я хочу швидко порівняти кілька моделей для завдань генерування тексту

Наша модель підтримки клієнтів має частіше пріоритизувати категорію «Urgent»

Завдання потребує токенізації фінансових звітів із додаванням користувацьких токенів для термінів на кшталт «EBITDA» або «ROI»

Коли використовувати AutoModels і AutoTokenizers?

Робота з Hugging Face

Практична інтерактивна вправа