Eğitim İçeriği

Giriş

  • NLP'ye ve uygulamalarına genel bakış
  • Hugging Face'e ve temel özelliklerine giriş

Çalışma ortamının kurulumu

  • Hugging Face'in kurulumu ve yapılandırılması

Hugging Face Transformers kütüphanesi ve Transformer Modellerini Anlama

  • Transformers kütüphanesinin yapısı ve işlevlerinin keşfedilmesi
  • Hugging Face içinde bulunan çeşitli Transformer modellerine genel bakış

Hugging Face Transformers Kullanımı

  • Önceden eğitilmiş modellerin yüklenmesi ve kullanılması
  • Transformers'ın çeşitli NLP görevleri için uygulanması

Fine-Tuning Önceden Eğitilmiş Bir Model

  • İnce ayar için bir veri kümesi hazırlanması
  • Belirli bir görev üzerinde bir Transformer modelinin ince ayarı

Modelleri ve Tokenizer'ları Paylaşma

  • Eğitilmiş modellerin dışa aktarılması ve paylaşılması
  • Metin işleme için tokenizer'ların kullanılması

Hugging Face Veri Kümeleri Kütüphanesini Keşfetme

  • Hugging Face içindeki Veri Kümeleri kütüphanesine genel bakış
  • Access ve mevcut veri kümelerinin kullanılması

Hugging Face Tokenizer Kütüphanesini Keşfetme

  • Tokenizasyon tekniklerinin ve öneminin anlaşılması
  • Hugging Face’ten tokenizer'ların kullanılması

Klasik NLP Görevlerini Gerçekleştirme

  • Hugging Face kullanarak yaygın NLP görevlerinin uygulanması
  • Metin sınıflandırma, duygu analizi, adlandırılmış varlık tanıma vb.

Konuşma İşleme ve Computer Vision’de Görevleri Ele Almak için Transformer Modellerinden Yararlanma

  • Transformer'ların metin tabanlı görevlerin ötesinde kullanımının genişletilmesi
  • Transformer'ların konuşma ve görüntü ile ilgili görevler için uygulanması

Sorun Giderme ve Hata Ayıklama

  • Hugging Face ile çalışırken karşılaşılan yaygın sorunlar ve zorluklar
  • Sorun giderme ve hata ayıklama teknikleri

Model Demoları Oluşturma ve Paylaşma

  • Etkileşimli model demoları tasarlama ve oluşturma
  • Modellerinizi etkili bir şekilde paylaşma ve sergileme

Özet ve Sonraki Adımlar

  • Öğrenilen temel kavramların ve tekniklerin özeti
  • Daha fazla keşif ve sürekli öğrenme için kaynaklara yönelik rehberlik

Kurs İçin Gerekli Önbilgiler

  • Python hakkında iyi bir bilgi
  • Derin öğrenme deneyimi
  • PyTorch veya TensorFlow bilgisi faydalı olmakla birlikte zorunlu değildir

Hedef Kitle

  • Veri bilimcileri
  • Makine öğrenimi uygulayıcıları
  • Doğal Dil İşleme araştırmacıları ve meraklıları
  • Doğal Dil İşleme çözümleri uygulamakla ilgilenen geliştiriciler
 14 Saat

Katılımcı Sayısı


Kişi Başına Fiyat

Yaklaşan Etkinlikler

İlgili Kategoriler