course documentation
Uso básico concluído!
0. Configuração
1. Modelos de Transformers
IntroduçãoProcessamento de Linguagem NaturalTransformers, o que eles podem fazer?Como os Transformers trabalham?Modelos decodificadoresModelos codificadoresModelos sequência a sequênciaVieses e limitaçõesResumoQuestionário de fim de capítulo
2. Usando 🤗 Transformers
IntroduçãoPor dentro da função pipelineModelosTokenizersTratando sequências múltiplasColocando tudo juntoUso básico concluído!Questionário de fim de capítulo
3. Ajustando um modelo pré treinado
4. Compartilhamento de modelos e tokenizer
O Hugging Face HubUsando modelos pré-treinadosCompartilhando modelos pré-treinadosConstruindo um cartão para o modeloParte 1 completa!Questionário de fim de capítulo
5. A biblioteca Datasets 🤗
IntroduçãoE se o meu dataset não estiver no Hub?Hora de fatiar e dividir os dadosBig data? 🤗 Datasets ao resgateCriando seu próprio datasetBusca semântica com o FAISSConfira o 🤗 Datasets!Questionário de fim de capítulo
6. A biblioteca Tokenizers 🤗
7. Principais tarefas NLP
8. Como pedir ajuda 🤗
Evento do curso
Uso básico concluído!
Ótimo trabalho seguindo o curso até aqui! Recapitulando, neste capítulo, você:
- Aprendeu os elementos básicos de um modelo Transformer.
- Aprendeu que compõe o pipeline de tokenização.
- Vou como utilizar um transformer na prática.
- Aprendeu como aproveitar um tokenizer para converter texto em tensores que são compreensíveis pelo modelo.
- Montar um tokenizer e um modelo juntos para ir do texto às previsões.
- Aprendeu as limitações dos IDs de entrada e aprendeu sobre máscaras de atenção.
- Testou os métodos de tokenizer versáteis e configuráveis.
De agora em diante, você deve ser capaz de navegar livremente pelos documentos dos 🤗 transformers: o vocabulário soará familiar, e você já viu os métodos que utilizará na maior parte do tempo.
Update on GitHub