Hugging Face for Natural Language Processing (NLP)

• 精通 Python
• 深度学习经验
• 熟悉 PyTorch 或 TensorFlow 是有益的，但不是必需的

观众

• 数据科学家
• 机器学习从业者
• NLP 研究人员和爱好者
• 对实施 NLP 解决方案感兴趣的开发人员

Hugging Face 是一个强大的开源库和自然语言处理 （NLP） 平台。 

这种由讲师指导的现场培训（在线或现场）面向希望有效利用 Hugging Face 完成 NLP 任务的数据科学家 、机器学习从业者以及 NLP 研究人员和爱好者。

在本次培训结束时，参与者将能够：

• 利用 Hugging Face Transformer 模型，并在特定数据集上对其进行微调。
• 获得独立解决常见 NLP 挑战的能力。
• 有效地创建和共用您的模型演示。
• 简化生产模型的优化。
• 使用 Hugging Face 个 Transformer 来解决各种机器学习问题。

课程形式

• 互动讲座和讨论。
• 大量的练习和练习。
• 在即时实验室环境中动手实施。

课程自定义选项

• 要申请本课程的定制培训，请联系我们进行安排。

介绍

• NLP 及其应用概述
• Hugging Face 简介及其主要功能

设置工作环境

• 安装和设定 Hugging Face

了解 Hugging Face Transformers 库和 Transformer 模型

• 探索 Transformers 库结构和功能
• Hugging Face 中可用的各种 Transformer 模型概述

使用 Hugging Face 变压器

• 载入和使用预训练模型
• 将 Transformer 应用于各种 NLP 任务

微调预训练模型

• 准备数据集以进行微调
• 在特定任务上微调 Transformer 模型

共用模型和 Tokenizer

• 汇出和共用经过训练的模型
• 利用分词器进行文本处理

探索 Hugging Face 数据集库

• Hugging Face 中的 Datasets 库概述
• Access创建和利用预先存在的数据集

探索 Hugging Face Tokenizers 库

• 了解分词化技术及其重要性
• 利用 Hugging Face 的分词器

执行经典 NLP 任务

• 使用 Hugging Face 实现常见的 NLP 任务
• 文本分类、情感分析、命名实体识别等。

利用 Transformer 模型解决语音处理和 Computer Vision 中的任务

• 将 Transformer 的使用扩展到基于文字的任务之外
• 将 Transformer 应用于语音和图像相关任务

故障排除和调试

• 使用 Hugging Face 的常见问题和挑战
• 故障排除和调试技术

构建和共用您的模型演示

• 设计和创建互动式模型演示
• 有效地共用和展示您的模型

总结和后续步骤

• 所学关键概念和技术回顾
• 进一步探索的指导和继续学习的资源