یادگیری Hugging Face با ساخت یک مدل AI سفارشی
✅ سرفصل و جزئیات آموزش
آنچه یاد خواهید گرفت:
- چگونه با استفاده از Hugging Face Datasets، مجموعه دادهها را آماده و پردازش کنیم؟
- تکنیکهایی برای آموزش و تنظیم دقیق مدلهای طبقهبندی متن با Hugging Face Transformers
- روشهای ارزیابی عملکرد مدل با استفاده از Hugging Face Evaluate
- مراحل استقرار مدل آموزشدیده در Hugging Face Hub
- چگونه با استفاده از Gradio، برای مدلهای یادگیری ماشین دموهای تعاملی بسازیم؟
- تجربه عملی در چرخه عمر کامل یک پروژه یادگیری ماشین، از آمادهسازی دادهها تا استقرار
چرا این پروژه Hugging Face فوقالعاده است؟
زیرا مهارتهای هوش مصنوعی و یادگیری ماشین شما را به سطح بالاتری میبرد!
با این دوره عملی، شما مستقیماً با دادههای دنیای واقعی کار خواهید کرد و مدل خود را برای دستهبندی دقیق متن میسازید و آموزش میدهید. این دوره شما را در هر مرحله راهنمایی میکند، از آمادهسازی مجموعه داده تا ایجاد یک دموی تعاملی با استفاده از Gradio، که میتوانید با افتخار در پروفایل Hugging Face خود به نمایش بگذارید.
در پایان، شما نه تنها دانش تئوری، بلکه یک مدل عملی و قابل استقرار خواهید داشت که توانایی شما را در حل یکی از مهمترین چالشهای AI امروز نشان میدهد. هیچ چیز بهتر از دیدن نتیجه کار خود در عمل نیست (خب... شاید به جز نشان دادن آن به کارفرمایان احتمالی)!
صبر کنید... پروژه چیست؟
یکی از رایجترین جملاتی که از دانشجویان شنیده میشود این است: "من میخواهم پروژههای بیشتری بسازم!"
شنیدن این جمله خوشحالکننده است، زیرا ساخت پروژه واقعاً بهترین راه برای یادگیری است. و پروژههای منحصر به فرد و چالشبرانگیز واقعاً میتوانند پورتفولیوی شما را برای کارفرمایان احتمالی برجسته کنند.
اما همچنین... ساختن چیزی واقعی حس بسیار خوبی دارد!
به همین دلیل است که پروژههای ZTM ایجاد شدهاند. مجموعهای از پروژههای جامع تمرینی و پورتفولیو که میتوانید از آنها برای ارتقای دانش، یادگیری مهارتهای جدید، ساخت پورتفولیو و گاهی اوقات فقط برای تفریح استفاده کنید!
چه چیزهای دیگری باید بدانم؟
با عضویت در ZTM، شما نه تنها به تمام دورهها، بایتها و پروژهها دسترسی خواهید داشت.
بلکه به کلاس آنلاین و زنده انجمن اختصاصی نیز ملحق میشوید تا در کنار هزاران دانشجو، فارغالتحصیل، منتور، دستیار آموزشی و مدرس یاد بگیرید.
مهمتر از همه، شما از یک متخصص صنعت (Daniel) که تجربه واقعی استفاده از Hugging Face را دارد، آموزش خواهید دید. مدرس استراتژیها و تکنیکهای دقیقی را که در زندگی روزمره خود استفاده میکند، به شما میآموزد.
در نهایت، مانند تمام دورههای ZTM، این دوره یک موجود زنده است. با تغییر چشمانداز فناوری، این دوره دائماً بروزرسانی میشود تا بتوانید از آن به عنوان منبع اصلی خود برای ساخت پروژههای Hugging Face در حال حاضر و در طول حرفه خود استفاده کنید.
به هزاران فارغالتحصیل Zero To Mastery بپیوندید که استخدام شدهاند و اکنون در شرکتهایی مانند Google ،Tesla ،Amazon ،Apple ،IBM ،JP Morgan ،Facebook ،Shopify و سایر شرکتهای برتر فناوری کار میکنند.
آنها از پیشزمینهها، سنین و تجربیات مختلفی میآیند. بسیاری حتی به عنوان مبتدی کامل شروع کردند.
بنابراین دلیلی وجود ندارد که شما هم نتوانید یکی از آنها باشید.
یادگیری Hugging Face با ساخت یک مدل AI سفارشی
-
مقدمه (اکوسیستم Hugging Face و طبقهبندی متن) 06:52
-
مثالهای بیشتر از طبقهبندی متن 04:40
-
آنچه خواهید ساخت! 07:21
-
تمرین: آشنایی با همکلاسیها و مدرس None
-
منابع دوره None
-
راهاندازی: افزودن توکنهای Hugging Face به Google Colab 05:52
-
راهاندازی: وارد کردن کتابخانههای ضروری به Google Colab 09:35
-
دانلود یک مجموعه داده طبقهبندی متن از Hugging Face Datasets 16:00
-
آمادهسازی دادههای متنی برای استفاده با مدل - بخش 1: تبدیل برچسبها به اعداد 12:48
-
آمادهسازی دادههای متنی برای استفاده با مدل - بخش 2: ایجاد مجموعههای آموزش (Train) و تست (Test) 06:18
-
آمادهسازی دادههای متنی برای استفاده با مدل - بخش 3: دریافت یک Tokenizer 12:53
-
آمادهسازی دادههای متنی برای استفاده با مدل - بخش 4: بررسی Tokenizer 10:26
-
آمادهسازی دادههای متنی برای استفاده با مدل - بخش 5: ایجاد تابعی برای توکنیزه کردن دادهها 17:57
-
تنظیم معیار ارزیابی (برای اندازهگیری عملکرد مدل) 08:53
-
مقدمهای بر Transfer Learning (تکنیکی قدرتمند برای کسب سریع نتایج خوب) 07:10
-
آموزش مدل - بخش 1: راهاندازی یک مدل از پیش آموزشدیده (Pretrained) از Hugging Face Hub 12:19
-
آموزش مدل - بخش 2: شمارش پارامترهای مدل 12:27
-
آموزش مدل - بخش 3: ایجاد پوشه برای ذخیره مدل 03:53
-
آموزش مدل - بخش 4: تنظیم آرگومانهای آموزش با TrainingArguments 14:59
-
آموزش مدل - بخش 5: راهاندازی یک نمونه از Trainer با Hugging Face Transformers 05:05
-
آموزش مدل - بخش 6: آموزش مدل و رفع خطاها در طول مسیر 13:34
-
آموزش مدل - بخش 7: بررسی منحنیهای Loss مدل 14:39
-
آموزش مدل - بخش 8: آپلود مدل در Hugging Face Hub 08:01
-
انجام پیشبینی روی دادههای تست با مدل آموزشدیده 05:58
-
تبدیل پیشبینیها به احتمالات پیشبینی با PyTorch 12:48
-
مرتبسازی پیشبینیهای مدل بر اساس احتمال 05:10
-
انجام استنتاج - بخش 1: بحث درباره گزینهها 09:40
-
انجام استنتاج - بخش 2: استفاده از Transformers Pipeline (یک نمونه در هر بار) 10:01
-
انجام استنتاج - بخش 3: استفاده از Transformers Pipeline روی چندین نمونه همزمان (Batching) 06:38
-
انجام استنتاج - بخش 4: اجرای تست سرعت برای مقایسه پیشبینی تکی در برابر دستهای (Batched) 10:33
-
انجام استنتاج - بخش 5: انجام استنتاج با PyTorch 12:06
-
اختیاری - جمعبندی همه موارد: از بارگیری دادهها تا آموزش مدل و انجام پیشبینی روی دادههای سفارشی 34:28
-
تبدیل مدل به دمو - بخش 1: بررسی Gradio 03:47
-
تبدیل مدل به دمو - بخش 2: ساخت تابعی برای نگاشت ورودیها به خروجیها 07:07
-
تبدیل مدل به دمو - بخش 3: اجرای دمو Gradio به صورت محلی 06:46
-
عمومی کردن دمو - بخش 1: مقدمهای بر Hugging Face Spaces و ایجاد دایرکتوری دموها 08:01
-
عمومی کردن دمو - بخش 2: ایجاد فایل App 12:14
-
عمومی کردن دمو - بخش 3: ایجاد فایل README 07:07
-
عمومی کردن دمو - بخش 4: ساخت فایل Requirements 03:33
-
عمومی کردن دمو - بخش 5: آپلود دمو در Hugging Face Spaces و در دسترس قرار دادن آن برای عموم 18:43
-
خلاصه تمرینها و توسعهها 05:55
مشخصات آموزش
یادگیری Hugging Face با ساخت یک مدل AI سفارشی
- تاریخ به روز رسانی: 1404/10/04
- سطح دوره:None
- تعداد درس:41
- مدت زمان :06:30:00
- حجم :1.91GB
- زبان:دوبله زبان فارسی
- دوره آموزشی:AI Academy