આ કોર્સ તમને લાઇબ્રેરીઓનો ઉપયોગ કરીને નેચરલ લેંગ્વેજ પ્રોસેસિંગ (NLP) વિશે શીખવશે હગિંગફેસ ઇકોસિસ્ટમ — 🤗 ટ્રાન્સફોર્મર્સ, 🤗 ડેટાસેટ્સ, 🤗 ટોકનાઇઝર્સ, અને 🤗 Accelerate — તેમજ હગિંગફેસ હબ. તે સંપૂર્ણપણે મફત અને જાહેરાતો વિના છે.
અહીં કોર્સની સંક્ષિપ્ત ઝાંખી છે:
આ કોર્સ:
તમે આ કોર્સ પૂર્ણ કરી લો તે પછી, અમે DeepLearning.AI ની નેચરલ લેંગ્વેજ પ્રોસેસિંગ સ્પેશિયલાઇઝેશન ને તપાસવાની ભલામણ કરીએ છીએ. nlp-2-hugging_face-page-nlp-refresh), જે પરંપરાગત NLP મોડલ્સની વિશાળ શ્રેણીને આવરી લે છે જેમ કે નિષ્કપટ બેયસ અને LSTMs કે જે વિશે જાણવા યોગ્ય છે!
About the authors:
અબુબકર આબિદ એ એપ્લાઇડ મશીન લર્નિંગમાં સ્ટેનફોર્ડ ખાતે પીએચડી પૂર્ણ કર્યું. તેમના પીએચડી દરમિયાન, તેમણે Gradio, એક ઓપન-સોર્સ પાયથોન લાઇબ્રેરીની સ્થાપના કરી જેનો ઉપયોગ 600,000 મશીન લર્નિંગ ડેમો બનાવવા માટે કરવામાં આવ્યો છે. ગ્રેડિયો હગિંગ ફેસ દ્વારા હસ્તગત કરવામાં આવ્યો હતો, જ્યાં અબુબકર હવે મશીન લર્નિંગ ટીમ લીડ તરીકે સેવા આપે છે.
મેથ્યુ કેરીગન હગિંગ ફેસમાં મશીન લર્નિંગ એન્જિનિયર છે. તે ડબલિન, આયર્લેન્ડમાં રહે છે અને અગાઉ Parse.ly ખાતે ML એન્જિનિયર તરીકે અને તે પહેલાં ટ્રિનિટી કૉલેજ ડબલિનમાં પોસ્ટ-ડોક્ટરલ સંશોધક તરીકે કામ કર્યું હતું. તે માનતો નથી કે અમે હાલના આર્કિટેક્ચરને સ્કેલિંગ કરીને AGI પર પહોંચીશું, પરંતુ તેને અનુલક્ષીને રોબોટ અમરત્વની ઉચ્ચ આશા છે.
લિસાન્ડ્રે ડેબ્યુ Hugging Face ખાતે મશીન લર્નિંગ એન્જિનિયર છે અને તે 🤗 Transformers લાઇબ્રેરી પર વિકાસના પ્રારંભિક તબક્કાથી જ કામ કરે છે. તેમનો ઉદ્દેશ્ય ખૂબ જ સરળ API સાથે સાધનો વિકસાવીને દરેક માટે NLP સુલભ બનાવવાનો છે.
સિલ્વેન ગુગર Hugging Face ખાતે સંશોધન ઇજનેર છે અને 🤗 Transformers લાઇબ્રેરીના મુખ્ય જાળવણીકારોમાંના એક છે. અગાઉ તેઓ fast.ai પર સંશોધન વૈજ્ઞાનિક હતા અને તેમણે Deep Learning for Coders with fastai and PyTorch સહ-લેખન કર્યું હતું. ) જેરેમી હોવર્ડ સાથે. તેમના સંશોધનનું મુખ્ય ધ્યાન ડીપ લર્નિંગને વધુ સુલભ બનાવવા પર છે, એવી તકનીકો ડિઝાઇન કરીને અને તેમાં સુધારો કરીને જે મોડલ્સને મર્યાદિત સંસાધનો પર ઝડપથી તાલીમ આપવા દે છે.
દાઉદ ખાન હગિંગ ફેસમાં મશીન લર્નિંગ એન્જિનિયર છે. તે એનવાયસીનો છે અને કમ્પ્યુટર સાયન્સનો અભ્યાસ કરતી ન્યૂયોર્ક યુનિવર્સિટીમાંથી સ્નાતક થયો છે. થોડા વર્ષો સુધી iOS એન્જિનિયર તરીકે કામ કર્યા પછી, દાઉદે તેના સાથી સહ-સ્થાપકો સાથે Gradio શરૂ કરવાનું છોડી દીધું. આખરે હગિંગ ફેસ દ્વારા ગ્રેડિયો હસ્તગત કરવામાં આવ્યો.
મેરવે નોયાન Hugging Face પર એક ડેવલપર એડવોકેટ છે, જે દરેક માટે મશીન લર્નિંગને લોકશાહી બનાવવા માટે ટૂલ્સ વિકસાવવા અને તેમની આસપાસ સામગ્રી બનાવવાનું કામ કરે છે.
લ્યુસીલ સોલનીયર Hugging Face પર એક મશીન લર્નિંગ એન્જિનિયર છે, જે ઓપન સોર્સ ટૂલ્સના ઉપયોગને વિકસિત અને સમર્થન આપે છે. તે નેચરલ લેંગ્વેજ પ્રોસેસિંગ જેવા કે સહયોગી તાલીમ અને બિગસાયન્સના ક્ષેત્રમાં ઘણા સંશોધન પ્રોજેક્ટ્સમાં પણ સક્રિયપણે સામેલ છે.
લેવિસ ટનસ્ટોલ Hugging Face પર એક મશીન લર્નિંગ એન્જિનિયર છે, જે ઓપન-સોર્સ ટૂલ્સ વિકસાવવા અને તેમને વ્યાપક સમુદાય માટે ઍક્સેસિબલ બનાવવા પર ધ્યાન કેન્દ્રિત કરે છે. તે O’Reilly પુસ્તક નેચરલ લેંગ્વેજ પ્રોસેસિંગ વિથ ટ્રાન્સફોર્મર્સ ના સહ-લેખક પણ છે.
લીએન્ડ્રો વોન વેરા હગિંગ ફેસ ખાતે ઓપન-સોર્સ ટીમમાં મશીન લર્નિંગ એન્જિનિયર છે અને O’Reilly પુસ્તક નેચરલ લેંગ્વેજ પ્રોસેસિંગ’ના સહ-લેખક પણ છે ટ્રાન્સફોર્મર્સ સાથે. સમગ્ર મશીન લર્નિંગ સ્ટેકમાં કામ કરીને એનએલપી પ્રોજેક્ટને ઉત્પાદનમાં લાવવાનો તેમને ઘણા વર્ષોનો ઉદ્યોગ અનુભવ છે.
અહીં વારંવાર પૂછાતા પ્રશ્નોના કેટલાક જવાબો છે:
શું આ કોર્સ લેવાથી પ્રમાણપત્ર મળે છે? હાલમાં અમારી પાસે આ કોર્સ માટે કોઈ પ્રમાણપત્ર નથી. જો કે, અમે હગિંગ ફેસ ઇકોસિસ્ટમ માટે પ્રમાણપત્ર કાર્યક્રમ પર કામ કરી રહ્યા છીએ — સાથે રહો!
મારે આ કોર્સમાં કેટલો સમય પસાર કરવો જોઈએ? દર અઠવાડિયે આશરે 6-8 કલાક કામ સાથે, આ કોર્સનો દરેક પ્રકરણ 1 અઠવાડિયામાં પૂર્ણ કરવા માટે રચાયેલ છે. જો કે, તમે કોર્સ પૂરો કરવા માટે જરૂરી હોય તેટલો સમય લઈ શકો છો.
જો મારી પાસે પ્રશ્ન હોય તો હું ક્યાં પ્રશ્ન પૂછી શકું? જો તમને કોર્સના કોઈપણ વિભાગ વિશે કોઈ પ્રશ્ન હોય, તો હગિંગ ફેસ ફોરમ્સ ના જમણા વિભાગ પર આપમેળે રીડાયરેક્ટ થવા માટે ફક્ત પૃષ્ઠની ટોચ પર ”એક પ્રશ્ન પૂછો” બેનર પર ક્લિક કરો:
નોંધ કરો કે જો તમે કોર્સ પૂર્ણ કર્યા પછી વધુ પ્રેક્ટિસ કરવા માંગતા હો, તો પ્રોજેક્ટ વિચારો ની સૂચિ પણ ફોરમ પર ઉપલબ્ધ છે.
દરેક વિભાગ માટે, Google Colab અથવા Amazon SageMaker સ્ટુડિયો લેબમાં કોડ ચલાવવા માટે પૃષ્ઠની ટોચ પરના બેનર પર ક્લિક કરો:
કોર્સમાંથી તમામ કોડ ધરાવતી Jupyter નોટબુક્સ huggingface/notebooks
રેપો પર હોસ્ટ કરવામાં આવે છે. જો તમે તેને સ્થાનિક રીતે જનરેટ કરવા માંગતા હો, તો GitHub પર course
રેપોમાંની સૂચનાઓ તપાસો.
હું કોર્સમાં કેવી રીતે યોગદાન આપી શકું?
કોર્સમાં યોગદાન આપવાની ઘણી રીતો છે! જો તમને ટાઈપો અથવા બગ મળે, તો કૃપા કરીને કોર્સ
રેપો પર સમસ્યા ખોલો. જો તમે કોર્સને તમારી મૂળ ભાષામાં અનુવાદિત કરવામાં મદદ કરવા માંગતા હો, તો [અહીં] (https://github.com/huggingface/course#translating-the-course-into-your-language) સૂચનાઓ તપાસો.
દરેક અનુવાદ માટે શું પસંદગીઓ કરવામાં આવી હતી?
દરેક અનુવાદમાં ગ્લોસરી અને TRANSLATING.txt
ફાઇલ હોય છે જે મશીન લર્નિંગ જાર્ગન વગેરે માટે જે પસંદગીઓ કરવામાં આવી હતી તેની વિગતો આપે છે. તમે જર્મન માટે ઉદાહરણ અહીં શોધી શકો છો. main/chapters/de/TRANSLATING.txt).
@misc{huggingfacecourse,
લેખક = {હગીંગ ફેસ},
શીર્ષક = {ધ હગિંગ ફેસ કોર્સ, 2022},
howpublished = "\url{https://huggingface.co/course}",
વર્ષ = {2022},
નોંધ = "[ઓનલાઈન; ઍક્સેસ <આજે>]"
}
પાઇપલાઇન()
ફંક્શનનો ઉપયોગ કેવી રીતે કરવો