Cursusaanbod

Introductie

  • Overzicht van NLP en zijn toepassingen
  • Inleiding tot Hugging Face en de belangrijkste kenmerken ervan

Het inrichten van een werkomgeving

  • Installeren en configureren Hugging Face

Inzicht in de Hugging Face Transformers-bibliotheek en Transformer-modellen

  • De structuur en functionaliteiten van de Transformers-bibliotheek verkennen
  • Overzicht van verschillende Transformer-modellen beschikbaar in Hugging Face

Gebruik maken van Hugging Face transformatoren

  • Vooraf getrainde modellen laden en gebruiken
  • Transformatoren toepassen voor verschillende NLP-taken

Een vooraf getraind model verfijnen

  • Een dataset voorbereiden voor fine-tuning
  • Fine-tuning van een Transformer-model voor een specifieke taak

Modellen en tokenizers delen

  • Getrainde modellen exporteren en delen
  • Tokenizers gebruiken voor tekstverwerking

Verkennen Hugging Face Bibliotheek met gegevenssets

  • Overzicht van de bibliotheek met datasets in Hugging Face
  • Accessen en gebruik maken van reeds bestaande datasets

Verkennen Hugging Face Tokenizers-bibliotheek

  • Inzicht in tokenisatietechnieken en hun belang
  • Gebruikmakend van tokenizers van Hugging Face

Klassieke NLP-taken uitvoeren

  • Implementeren van veelvoorkomende NLP-taken met behulp van Hugging Face
  • Tekstclassificatie, sentimentanalyse, herkenning van benoemde entiteiten, enz.

Gebruikmaken van transformatormodellen voor het aanpakken van taken in spraakverwerking en Computer Vision

  • Het gebruik van Transformers uitbreiden tot buiten de teksttaken
  • Transformatoren toepassen voor spraak- en beeldgerelateerde taken

Problemen oplossen en foutopsporing

  • Veelvoorkomende problemen en uitdagingen bij het werken met Hugging Face
  • Technieken voor het oplossen van problemen en foutopsporing

Uw modeldemo's bouwen en delen

  • Ontwerpen en maken van interactieve modeldemo's
  • Effectief delen en presenteren van uw modellen

Samenvatting en volgende stappen

  • Samenvatting van de belangrijkste concepten en geleerde technieken
  • Begeleiding bij verdere verkenning en middelen voor verder leren

Vereisten

  • Een goede kennis van Python
  • Ervaring met deep learning
  • Bekendheid met PyTorch of TensorFlow is nuttig, maar niet vereist

Audiëntie

  • Datawetenschappers
  • Beoefenaars van machine learning
  • NLP onderzoekers en enthousiastelingen
  • Ontwikkelaars die geïnteresseerd zijn in het implementeren van NLP-oplossingen
 14 Uren

Aantal deelnemers


Prijs Per Deelnemer

Voorlopige Aankomende Cursussen

Gerelateerde categorieën