拥抱脸刚发布了一个新的NLP课程

本课程将使用来自拥抱脸部生态系统的库（NLP）教授自然语言处理（NLP） - 🤗变压器，🤗数据集，🤗标记和🤗加速 - 以及拥抱面部集线器。它完全免费，没有广告。

第1章至4章提供了🤗变压器库的主要概念介绍。在课程的这一部分结束时，您将熟悉变形金刚模型的工作，并将知道如何使用拥抱面部集线器的模型，在数据集中微调它，并在集线器上分享结果！

第5至8章教导了🤗datasets和🤗标记的基础知识潜入经典的NLP任务之前。在本部分结束时，您将能够通过自己解决最常见的NLP问题。

第9至12章潜水甚至更深入，展示了专业架构（内存效率，长序列等），并教授如何为更多异国用例写定制对象。在本部分结束时，您将准备好解决复杂的NLP问题，并对变压器进行有意义的贡献。

在入门深入学习课程之后更好地采取，例如对DeeAlning.ai开发的课程的实践深度学习.AI

不期望先前的Pytorch或Tensorflow知识，尽管有些熟悉这些都有帮助

Matthew Carrigan是拥抱脸上的机器学习工程师。他住在都柏林，爱尔兰，以前作为一个ML工程师在Parse.Ly和之前担任过Trinity College Dublin的博士后研究员。他不相信我们将通过扩大现有架构来获得AGI，但无论如何对机器人不朽的寄予厚望。

Lysandre首次亮相是一个拥抱脸部的机器学习工程师，并自早期的发展阶段以来一直在🤗变压器库。 他的目标是通过使用非常简单的API开发工具来使NLP访问。 Sylvain Gugger是一个拥抱脸部的研究工程师和🤗变压器图书馆的核心维护者之一。 此前他是Fast.ai的研究科学家，他共同学习了与Jeremy Howard的Fastai和Pytorch的编码人员。 他的研究的主要重点是通过设计和改进允许模型在有限资源上快速训练的技术进行深度学习。 如何使用流水线函数来解决文本生成和分类等NLP任务