Hugging Face para Procesamiento de Lenguaje Natural (PLN)

Introducción

• Visión general del PLN y sus aplicaciones
• Introducción a Hugging Face y sus características principales

Configuración del entorno de trabajo

• Instalación y configuración de Hugging Face

Comprensión de la biblioteca Transformers de Hugging Face y los modelos Transformer

• Exploración de la estructura y funcionalidades de la biblioteca Transformers
• Visión general de los diversos modelos Transformer disponibles en Hugging Face

Utilización de Transformers de Hugging Face

• Carga y uso de modelos preentrenados
• Aplicación de Transformers para diversas tareas de PLN

Ajuste fino de un modelo preentrenado

• Preparación de un conjunto de datos para el ajuste fino
• Ajuste fino de un modelo Transformer en una tarea específica

Compartir modelos y tokenizadores

• Exportación y compartición de modelos entrenados
• Utilización de tokenizadores para el procesamiento de texto

Exploración de la biblioteca Datasets de Hugging Face

• Visión general de la biblioteca Datasets en Hugging Face
• Acceso y uso de conjuntos de datos preexistentes

Exploración de la biblioteca Tokenizers de Hugging Face

• Comprensión de las técnicas de tokenización y su importancia
• Aprovechamiento de los tokenizadores de Hugging Face

Ejecución de tareas clásicas de PLN

• Implementación de tareas comunes de PLN utilizando Hugging Face
• Clasificación de texto, análisis de sentimiento, reconocimiento de entidades nombradas, etc.

Aprovechamiento de modelos Transformer para abordar tareas en procesamiento de voz y visión por computadora

• Extensión del uso de Transformers más allá de las tareas basadas en texto
• Aplicación de Transformers para tareas relacionadas con el habla y las imágenes

Resolución de problemas y depuración

• Problemas y desafíos comunes al trabajar con Hugging Face
• Técnicas para la resolución de problemas y la depuración

Construcción y compartición de sus demostraciones de modelos

• Diseño y creación de demostraciones interactivas de modelos
• Compartición y exhibición efectiva de sus modelos

Resumen y próximos pasos

• Repaso de los conceptos y técnicas clave aprendidos
• Orientación sobre exploración adicional y recursos para el aprendizaje continuo