Bedankt voor uw aanvraag! Een van onze medewerkers neemt binnenkort contact met u op
Bedankt voor uw boeking! Een van onze medewerkers neemt binnenkort contact met u op.
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