Obrigado por enviar sua consulta! Um dos membros da nossa equipe entrará em contato com você em breve.
Obrigado por enviar sua reserva! Um dos membros da nossa equipe entrará em contato com você em breve.
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