Programa do Curso

Introdução

  • Panorama da PNL e das suas aplicações
  • Introdução a Hugging Face e às suas principais caraterísticas

Criação de um ambiente de trabalho

  • Instalar e configurar o Hugging Face

Compreender a biblioteca de transformadores do Hugging Face e os modelos de transformadores

  • Explorar a estrutura e as funcionalidades da biblioteca Transformers
  • Visão geral dos vários modelos de transformadores disponíveis no Hugging Face

Utilizar Hugging Face Transformers

  • Carregando e usando modelos pré-treinados
  • Aplicação de transformadores para várias tarefas de PNL

Ajuste fino de um modelo pré-treinado

  • Preparar um conjunto de dados para o ajuste fino
  • Afinação de um modelo de Transformador numa tarefa específica

Partilhar modelos e Tokenizers

  • Exportar e partilhar modelos treinados
  • Utilizar tokenizadores para processamento de texto

Explorar a biblioteca de conjuntos de dados Hugging Face

  • Visão geral da biblioteca de conjuntos de dados em Hugging Face
  • Accessing e utilização de conjuntos de dados pré-existentes

Explorando a biblioteca Hugging Face Tokenizers

  • Entendendo as técnicas de tokenização e sua importância
  • Aproveitando os tokenizadores de Hugging Face

Realização de tarefas clássicas de PNL

  • Implementar tarefas comuns de PNL usando Hugging Face
  • Classificação de texto, análise de sentimentos, reconhecimento de entidades nomeadas, etc.

Aproveitamento de modelos de transformadores para tarefas de processamento de fala e Computer Vision

  • Alargar a utilização de transformadores para além das tarefas baseadas em texto
  • Aplicação de transformadores a tarefas relacionadas com a fala e a imagem

Resolução de problemas e depuração

  • Problemas e desafios comuns no trabalho com Hugging Face
  • Técnicas para resolução de problemas e depuração

Criar e partilhar as suas demonstrações de modelos

  • Conceber e criar demonstrações de modelos interactivas
  • Partilhar e apresentar os seus modelos de forma eficaz

Resumo e próximos passos

  • Recapitulação dos principais conceitos e técnicas aprendidos
  • Orientação sobre exploração adicional e recursos para aprendizagem contínua

Requisitos

  • Um bom conhecimento de Python
  • Experiência com aprendizagem profunda
  • A familiaridade com PyTorch ou TensorFlow é benéfica, mas não obrigatória

Público

  • Cientistas de dados
  • Profissionais de aprendizagem automática
  • Investigadores e entusiastas de PNL
  • Programadores interessados em implementar soluções de PNL
 14 Horas

Número de participantes


Preço por Participante

Próximas Formações Provisórias

Categorias Relacionadas