Hugging Face es una empresa y una plataforma que se centra en el desarrollo de herramientas y modelos de procesamiento del lenguaje natural (NLP, por sus siglas en inglés) de código abierto. Su objetivo es democratizar el acceso a la inteligencia artificial y hacer que las tecnologías de NLP sean más accesibles para desarrolladores y usuarios en general.
DevAcademy propone un programa práctico pensado por y para desarrolladores de software que desean adquirir habilidades prácticas en el uso de Hugging Face. A través de este curso, los participantes aprenderán a aprovechar las herramientas y recursos proporcionados por Hugging Face para implementar aplicaciones y proyectos basados en NLP de forma eficaz y eficiente.
- Comprender los fundamentos de Hugging Face y su importancia en el procesamiento de lenguaje natural.
- Utilizar modelos pre-entrenados de Hugging Face en tareas de NLP.
- Implementar aplicaciones prácticas de NLP utilizando las librerías y recursos de Hugging Face.
- Realizar ajustes y fine-tuning de modelos pre-entrenados para tareas específicas.
- Contribuir a la comunidad de Hugging Face compartiendo modelos y colaborando en proyectos relacionados con NLP
Este curso proporcionará a los desarrolladores de software una base sólida en el uso práctico de Hugging Face para tareas de procesamiento de lenguaje natural y les permitirá aplicar estos conocimientos en proyectos reales y colaborar activamente en la comunidad de NLP.
Temario
- Introducción a Hugging Face y su papel en el procesamiento de lenguaje natural:
- Historia y evolución de Hugging Face como plataforma líder en NLP.
- Importancia de Hugging Face en el desarrollo de aplicaciones de NLP y aprendizaje automático.
- Visión general de la arquitectura Transformer en modelos de lenguaje:
- Explicación detallada de la arquitectura Transformer y su impacto en el NLP.
- Comparación con enfoques anteriores en el procesamiento de lenguaje natural.
- Acceso al Hub de modelos de Hugging Face y selección de modelos pre-entrenados:
- Cómo explorar y buscar modelos pre-entrenados en el Hub de Hugging Face.
- Selección de modelos adecuados para tareas específicas en función de las necesidades del proyecto.
- Utilización de librerías de Hugging Face para cargar y utilizar modelos pre-entrenados:
- Instalación y configuración de las librerías de Transformers.
- Carga y descarga de modelos pre-entrenados en diferentes frameworks de aprendizaje automático.
- Realización de tareas de NLP básicas, como clasificación de texto y generación de texto, utilizando modelos pre-entrenados:
- Implementación práctica de tareas comunes, como la clasificación de sentimientos o la generación de texto creativo.
- Interpretación de resultados y métricas de rendimiento.
- Evaluación de modelos en tareas específicas:
- Métodos para evaluar la calidad y el rendimiento de los modelos pre-entrenados.
- Ajuste de parámetros de evaluación según el contexto de la tarea.
- Conceptos de fine-tuning de modelos:
- Exploración de por qué y cuándo es necesario realizar fine-tuning en modelos pre-entrenados.
- Diferenciación entre modelos de lenguaje pre-entrenados y modelos adaptados a tareas específicas.
- Ajuste de modelos pre-entrenados para tareas personalizadas:
- Preparación de datos y etiquetado adecuado para fine-tuning.
- Entrenamiento y ajuste de modelos utilizando datos personalizados.
- Optimización y ajuste de hiperparámetros para mejorar el rendimiento del modelo:
- Estrategias para encontrar hiperparámetros óptimos.
- Ajuste de tasas de aprendizaje, tamaño de lotes y otras variables clave.
- Integración de modelos de Hugging Face en aplicaciones web y móviles:
- Uso de API de Hugging Face para realizar inferencias en aplicaciones.
- Integración de modelos en aplicaciones mediante SDK y RESTful API.
- Implementación de servicios de clasificación y generación de texto en aplicaciones prácticas:
- Ejemplos de aplicaciones de clasificación de texto en tiempo real, como análisis de opiniones de usuarios.
- Creación de generadores de texto para aplicaciones de chatbots o autocompletado de texto.
- Consideraciones de escalabilidad y rendimiento:
- Escalabilidad horizontal y vertical para garantizar el rendimiento en aplicaciones de alta demanda.
- Uso de caché y almacenamiento en memoria para mejorar la velocidad de respuesta.
- Compartir modelos y recursos en el Hub de modelos de Hugging Face:
- Proceso de carga y compartición de modelos y recursos con la comunidad.
- Etiquetado y documentación de modelos para una fácil búsqueda y acceso.
- Colaboración en proyectos de código abierto relacionados con NLP:
- Participación en proyectos de desarrollo de librerías y herramientas de Hugging Face.
- Contribución a la mejora de modelos y algoritmos de NLP.
- Participación en desafíos y competiciones de NLP con modelos de Hugging Face:
- Cómo participar en desafíos de NLP y aprovechar los modelos de Hugging Face para obtener ventaja competitiva.
- Ejemplos de desafíos y competiciones populares en el campo del NLP.
Responsabilidades profesor
Presentar el contenido conforme lo presentado en el programa de formación
Proyecto en Github para clonar
Dar acceso al material necesario (PDFs, ejercicios, software, etcs) para el curso contratado.
Proveer de local para impartir la formación
Responsabilidades alumno
Participar en la formación en el periodo determinado, trayendo un notebook con los requisitos mínimos necesarios para la participación en la formación, siendo estos los siguientes:
Mínimo de 4GB de memoria RAM
Mínimo de 10GB de espacio en disco (HD).
Habilitada la virtualización tanto en software como hardware
Poseer privilegios de administración
Observaciones importantes
Confirmaciones
Las confirmaciones serán enviadas a la dirección de e-mail enviada por el alumno
Cancelaciones
Los plazos para el cancelamiento de inscripciones solicitadas, son de 5 días laborales antes del inicio del curso.
En caso de cancelamiento fuera de plazo por parte del alumno, DevAcademy se reserva el derecho a cobrar un porcentaje (20%) del valor del curso.
DevAcademy se reserva el derecho de cancelar o posponer la formación, siempre y cuando avise al contratante y/o devuelva el importe íntegro en caso de cancelación
Obligaciones del alumno
Es obligatorio que el alumno cumpla con todos las obligaciones recomendadas por el profesor para seguir todos los ejercicios y no demorar ni perjudicar la clase. Es posible que días antes se envie un email como recordatorio al alumno con instrucciones a seguir u obligaciones desarrollar para poder estar preparado al comienzo de la clase.