课程大纲

介绍

  • NLP及其应用概述
  • Hugging Face简介及其主要特征

设置工作环境

  • 安装和配置 Hugging Face

了解 Hugging Face Transformers 库和 Transformer 模型

  • 探索 Transformers 库结构和功能
  • Hugging Face 中提供的各种 Transformer 模型概述

利用 Hugging Face 变压器

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

微调预训练模型

  • 准备数据集进行微调
  • 针对特定任务微调 Transformer 模型

共享模型和标记器

  • 导出和共享经过训练的模型
  • 利用分词器进行文本处理

探索 Hugging Face 数据集库

  • Hugging Face 中数据集库的概述
  • Access处理和利用预先存在的数据集

探索 Hugging Face 分词器库

  • 了解标记化技术及其重要性
  • 利用 Hugging Face 中的分词器

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 视觉中的任务

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

故障排除和调试

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

构建和共享您的模型演示

  • 设计和创建交互式模型演示
  • 有效地分享和展示您的模型

摘要和后续步骤

  • 回顾所学的关键概念和技术
  • 进一步探索的指导和继续学习的资源

要求

    充分了解 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
 14 小时

人数



每位参与者的报价

Open Training Courses require 5+ participants.

客户评论 (2)

This is one of the best hands-on with exercises programming courses I have ever taken.

Laura Kahn
课程 - Artificial Intelligence - the most applied stuff - Data Analysis + Distributed AI + NLP

I did like the exercises.

Office for National Statistics
课程 - Natural Language Processing with Python

相关课程

Artificial Intelligence (AI) Overview

 7 小时

本课程是为经理、解决方案架构师、创新官、首席技术官、软件架构师以及任何对应用人工智能概述及其发展的最新预测感兴趣的人创建的。

查看更多...

Artificial Intelligence - the most applied stuff - Data Analysis + Distributed AI + NLP

 21 小时

本课程面向希望在其应用程序中理解和实施人工智能的开发人员和数据科学家。 特别关注数据分析、分布式人工智能和自然语言处理。

查看更多...

Building Chatbots in Python

 21 小时

ChatBots是通过聊天界面自动模拟人类响应的计算机程序。 ChatBots通过为用户交互提供更简单，更快捷的选项，帮助组织最大限度地提高运营效率。

在这个以讲师为主导的现场培训中，参与者将学习如何在Python构建聊天机器人。

在培训结束时，参与者将能够：

  • 了解构建聊天机器人的基础知识
  • 使用Python构建，测试，部署和排除各种聊天机器人的故障

听众

  • 开发商

课程形式

  • 部分讲座，部分讨论，练习和繁重的实践练习

注意

  • 要申请本课程的定制培训，请联系我们安排。
查看更多...

Deep Learning for NLP (Natural Language Processing)

 28 小时

在这个由讲师指导的中国现场培训中，参与者将学习使用Python 库进行NLP，因为他们创建了一个处理 一组图片并生成标题的应用程序。 

在培训结束时，参与者将能够：

  •  使用 Python 库为 NLP 设计和编写 DL。
  • 创建 Python 代码，读取大量图片并生成关键字。
  • 创建 Python 代码，用于 从检测到的关键字生成标题。
查看更多...

Exploring Generative Pre-trained Transformers (GPT): From GPT-3 to GPT-4

 14 小时

这种由讲师指导的现场培训（现场或远程）面向数据科学家、机器学习工程师、NLP 研究人员和 AI 爱好者，他们希望了解 GPT 模型的内部工作原理，探索 GPT-3 和 GPT-4 的功能，并学习如何利用这些模型完成他们的 NLP 任务。

在本次培训结束时，参与者将能够：

    了解生成式预训练转换器背后的关键概念和原则。 理解 GPT 模型的架构和训练过程。 利用 GPT-3 执行文本生成、完成和翻译等任务。 探索 GPT-4 的最新进展及其潜在应用。 将 GPT 模型应用于他们自己的 NLP 项目和任务。
查看更多...

Advanced LLMs for NLP Tasks

 21 小时

这种由讲师指导的现场培训中国（在线或远程）面向希望使用 LLM 执行各种 NLP 任务并为不同目的创建新颖多样内容的中级数据科学家、AI 开发人员和 AI 爱好者。

在培训结束时，参与者将能够：

  • 使用 LLM 和基本工具建立开发环境。
  • 使用 LLM 熟练地执行 NLU 和 NLI 任务。
  • 有效地提取、推断和利用知识图谱。
  • 使用 LLM 为对话应用程序生成和管理对话。
  • 评估 LLM 和生成式 AI 生成的内容质量和多样性。
  • 应用道德原则，确保公平和负责任地使用法学硕士。
查看更多...

Python for Natural Language Generation

 21 小时
自然语言生成（NLG）是指由计算机生成自然语言文本或语音。 在这个有指导性的现场培训中，参与者将学习如何使用Python通过从头开始构建自己的NLG系统来生成高质量的自然语言文本。还将审查案例研究，并将相关概念应用于生成实验室项目以生成内容。 在培训结束后，参与者将能够： 使用NLG为各行业自动生成内容，从新闻到房地产，再到天气和体育报道选择和组织源内容，计划语句，并准备一个自动生成原始内容的系统了解NLG管道并在每个阶段应用正确的技术了解自然语言生成（NLG）系统的体系结构实施最适合的分析和排序算法和模型从公开可用的数据源中提取数据以及策划数据库以用作生成文本的材料用计算机生成的自动内容创建来替代手动和费力的书写过程 听众 开发商数据科学家 课程的格式 部分讲座，部分讨论，练习和沉重的练习
查看更多...

NLP: Natural Language Processing with R

 21 小时

据估计, 非结构化数据占所有数据的 9 0% 以上, 其中大部分是文本形式的。博客帖子、推特、社交媒体和其他数字出版物不断增加了这一不断增长的数据

。

本讲师指导的现场课程的核心是从这些数据中提取见解和意义。利用 R 语言和自然语言处理 (NLP) 库, 我们将计算机科学、人工智能和计算语言学的概念和技术结合起来, 以算法方式理解文本数据背后的含义。数据样本可根据客户要求提供各种语言版本.

到本培训结束时, 学员将能够准备来自不同来源的数据集 (大小), 然后应用正确的算法分析和报告其意义

课程

的

格式

  • 部分讲座、部分讨论、繁重的动手实践、偶尔的测试来衡量理解
查看更多...

Natural Language Processing (NLP) - AI/Robotics

 21 小时
这个基于课堂的培训课程将结合人工智能和机器人在商业中的应用，探索NLP技术。代表们将使用Python进行基于计算机的示例和案例研究解决练习
查看更多...

OpenNLP for Text Based Machine Learning

 14 小时
Apache OpenNLP库是用于处理自然语言文本的基于机器学习的工具包。它支持最常见的NLP任务，例如语言检测，标记，句子分段，部分语音标记，命名实体提取，分块，解析和共参考解析。 在这个有指导意义的现场培训中，参与者将学习如何创建使用OpenNLP处理基于文本的数据的模型。样本培训数据以及定制数据集将作为实验练习的基础。 在培训结束后，参与者将能够： 安装和配置OpenNLP 下载现有模型并创建自己的模型在各种样本数据上训练模型将OpenNLP与现有的Java应用程序集成 听众 开发商数据科学家 课程的格式 部分讲座，部分讨论，练习和沉重的练习
查看更多...

Natural Language Processing (NLP) with Deep Dive in Python and NLTK

 35 小时

培训结束后,代表预计将充分配备基本的Python概念,并将能够充分利用(0)实现大多数基于NLP和ML的操作。 培训的目的是提供不仅执行知识,而且技术的逻辑和操作知识。

 

查看更多...

Natural Language Processing (NLP) with Python

 28 小时

本课程将语言学家或编程师介绍到NLP在0。 在本课程中,我们将主要使用nltk.org(自然语言工具套件),但我们还将使用其他相关和有用的NLP图书馆。 目前,我们可以在 Python 2.x 或 Python 3.x 中进行此课程。 例子是英语或曼达林语(普通话)。 其他语言也可以在预订前达成协议。

查看更多...

Natural Language Processing (NLP) with Python spaCy

 14 小时

这种由讲师指导的现场培训（现场或远程）是针对希望使用spaCy处理大量文本以查找模式和获得见解的开发人员和数据科学家。

在培训结束时，参与者将能够：

  • 安装并配置spaCy。
  • 了解spaCy的Natural Language Processing (NLP) 。
  • 从大规模数据源中提取模式并获取业务洞察。
  • 将spaCy库与现有Web和遗留应用程序集成。
  • 将spaCy部署到实时生产环境以预测人类行为。
  • 使用spaCy预处理Deep Learning文本

课程格式

  • 互动讲座和讨论。
  • 大量的练习和练习。
  • 在实时实验室环境中亲自实施。

课程自定义选项

  • 要申请本课程的定制培训，请联系我们安排。
  • 要了解有关spaCy的更多信息，请访问：https：//spacy.io/
查看更多...

用Python进行文本摘要

 14 小时

在Python机器学习中，文本摘要功能可以读取输入文本并生成文本摘要。这个功能可以从命令行或从Python API / 库中获得。一个令人兴奋的应用是执行摘要的快速创建；这对在做报告和演讲前需要审阅大量文本数据的组织特别有用。

在这一由讲师引导的现场培训中，学员将学习使用Python创建一个简单的可自动生成输入文本摘要的应用程序。

在本次培训结束后，学员将能够：

  • 使用一个命令行工具来总结文本。
  • 使用Python库设计和创建文本摘要代码。
  • 评估三个Python摘要库：sumy 0.7.0、psisummarization 1.0.4、readless 1.0.17

受众

  • 开发人员
  • 数据科学家

课程形式

  • 部分讲座、部分讨论、练习和大量实操
查看更多...

Natural Language Processing (NLP) with TensorFlow

 35 小时

TensorFlow™ 是使用数据流图表进行数字计算的开源软件图书馆。

SyntaxNet 是一种神经网络的自然语言处理框架。

Word2Vec 用于学习 vector 表达词,称为 "word embeddings"。 Word2vec 是一个特别计算效率预测模型,用于从原始文本中学习字体内置。 它分为两种品味,即CBOW(Continuous Bag-of-0)模型和Skip-Gram模型(Mikolov et al.第3.1和第3.2章)。) )

SyntaxNet 和 Word2Vec 在同步中使用,允许用户从自然语言输入中创建学习嵌入式模型。

观众

该课程针对开发人员和工程师,他们打算在他们的图表中与SintaxNet和 Word2Vec模型合作。

完成此课程后,代表将:

  • 理解 TensorFlow’的结构和部署机制
  • 能够执行安装 / 生产环境 / 建筑任务和配置
  • 能够评估代码质量,进行解体,监测
  • 能够实施先进的生产,如培训模型、包装条款、构建图表和登记
查看更多...

课程分类

Image for Hugging Face category
Hugging Face