Course Outline

Perkenalan

  • Tinjauan Umum NLP dan Aplikasinya
  • Pengantar Hugging Face dan fitur-fitur utamanya

Menyiapkan lingkungan kerja

  • Menginstal dan mengkonfigurasi Hugging Face

Memahami Perpustakaan Hugging Face Transformer dan Model Transformer

  • Menjelajahi struktur dan fungsi pustaka Transformers
  • Tinjauan berbagai model Transformator yang tersedia di Hugging Face

Memanfaatkan Hugging Face Transformator

  • Memuat dan menggunakan model yang telah dilatih sebelumnya
  • Menerapkan Transformer untuk berbagai tugas NLP

Menyempurnakan Model yang Telah Dilatih Sebelumnya

  • Mempersiapkan kumpulan data untuk penyempurnaan
  • Menyempurnakan model Transformer pada tugas tertentu

Berbagi Model dan Tokenizer

  • Mengekspor dan berbagi model terlatih
  • Memanfaatkan tokenizer untuk pemrosesan teks

Menjelajahi Perpustakaan Dataset Hugging Face

  • Tinjauan Umum Pustaka Dataset di Hugging Face
  • Accessing dan memanfaatkan kumpulan data yang sudah ada

Menjelajahi Perpustakaan Tokenizer Hugging Face

  • Memahami teknik tokenisasi dan pentingnya teknik tersebut
  • Memanfaatkan tokenizer dari Hugging Face

Melaksanakan Tugas NLP Klasik

  • Menerapkan tugas NLP umum menggunakan Hugging Face
  • Klasifikasi teks, analisis sentimen, pengenalan entitas bernama, dll.

Memanfaatkan Model Transformator untuk Menangani Tugas dalam Pemrosesan Ucapan dan Computer Vision

  • Memperluas penggunaan Transformers di luar tugas berbasis teks
  • Penerapan Transformer untuk tugas-tugas yang berhubungan dengan ucapan dan gambar

Pemecahan Masalah dan Debugging

  • Masalah dan tantangan umum dalam bekerja dengan Hugging Face
  • Teknik untuk pemecahan masalah dan debugging

Membangun dan Berbagi Demo Model Anda

  • Merancang dan membuat demo model interaktif
  • Berbagi dan memamerkan model Anda secara efektif

Ringkasan dan Langkah Berikutnya

  • Rekap konsep dan teknik kunci yang dipelajari
  • Panduan untuk eksplorasi lebih lanjut dan sumber daya untuk pembelajaran berkelanjutan

Requirements

  • Pengetahuan yang baik tentang Python
  • Pengalaman dengan pembelajaran mendalam
  • Keakraban dengan PyTorch atau TensorFlow bermanfaat namun tidak diwajibkan

Hadirin

  • Ilmuwan data
  • Praktisi pembelajaran mesin
  • Peneliti dan penggemar NLP
  • Pengembang yang tertarik menerapkan solusi NLP
 14 Hours

Number of participants


Price per participant

Upcoming Courses (Minimal 5 peserta)

Related Categories