course/pr_1021/fa/_app/immutable/nodes/3.fbb96faf.js

import{s as Wt,n as Yt,o as Bt}from"../chunks/scheduler.39a43cde.js";import{S as Jt,i as Kt,g as s,s as l,m as Ot,r as G,A as Rt,h as o,f,c as r,j as _t,n as Qt,u as S,x as i,k as Q,y as n,a as $,v as U,d as q,t as F,w as V}from"../chunks/index.23ec2204.js";import{Y as Xt}from"../chunks/Youtube.70c27fbc.js";import{C as Zt}from"../chunks/CourseFloatingBanner.7c35bccf.js";import{H as Ct}from"../chunks/Heading.c42e7061.js";import{E as te}from"../chunks/getInferenceSnippets.5ece089d.js";function ee(Tt){let h,B,W,J,t,X,p,Z,u,tt,c,et,L,Mt='در این دوره آموزشی، پردازش زبان طبیعی[^1] را با استفاده از کتابخانه‌های اکوسیستم <a href="https://huggingface.co/" rel="nofollow">هاگینگ‌فِیس</a> یعنی <a href="https://github.com/huggingface/transformers" rel="nofollow">Transformers</a>, <a href="https://github.com/huggingface/datasets" rel="nofollow">Datasets</a>, <a href="https://github.com/huggingface/tokenizers" rel="nofollow">Tokenizers</a>, <a href="https://github.com/huggingface/accelerate" rel="nofollow">Accelerate</a> و همچنین <a href="https://huggingface.co/models" rel="nofollow">هاب هاگینگ‌فِیس</a> می‌آموزید. این دوره کاملا رایگان و بدون تبلیغات است.',nt,m,at,x,Pt="دید کلی کوتاه از مباحث این دوره آموزشی:",lt,d,Ht='<img class="block dark:hidden" src="https://huggingface.co/datasets/huggingface-course/documentation-images/resolve/main/en/chapter1/summary.svg" alt="دید کلی کوتاه از مباحث این دوره آموزشی"/> <img class="hidden dark:block" src="https://huggingface.co/datasets/huggingface-course/documentation-images/resolve/main/en/chapter1/summary-dark.svg" alt="دید کلی کوتاه از مباحث این دوره آموزشی"/>',rt,_,yt='<li>از فصل ۱ تا ۴ مقدمه‌ای از مباحث‌ پایه‌‌ای کتابخانه‌ی ترنسفورمرز هاگینگ‌فِیس ارائه می‌شود. در پایان این فصل، شما با شیوه‌ی عملکرد مدل‌های ترنسفومر آشنا می‌شوید و می‌آموزید که چگونه از یک مدل در <a href="https://huggingface.co/models" rel="nofollow">هاب هاگینگ‌فِیس</a> استفاده کنید، آن را برای مجموعه داده خود کوک کنید و نتایج خود را در هاب به اشتراک بگذارید.</li> <li>در فصل‌های ۵ تا ۸، اصول پایه‌‌ی کتابخانه‌های Datasets و Tokenizers، پیش از آن که وارد مسائل کلاسیک NLP شویم،‌ آموزش داده می‌شوند. در پایان این فصول، قادر خواهید بود مسائل متداول NLP را به تنهایی حل کنید.</li> <li>فصل‌های ۹ تا ۱۲ به مباحث فراتر از NLP و استفاده از مدل‌های ترنسفورمر برای حل مسائل پردازش گفتار و بینایی ماشین می‌پردازند. در طی این مسیر، فرا می‌گیرید که چگونه مدلی جدید ساخته، نمونه اولیه از آن را عرضه کرده و برای محیط استقرار نرم‌افزار بهینه‌اش کنید. در پایان این فصل، آماده‌ی استفاده از ترنسفورمرهای هاگینگ‌فِیس برای (تقریبا) همه مسائل یادگیری ماشین خواهید بود.</li>',st,C,bt="این دوره آموزشی:",ot,T,kt='<li>به سطح خوبی از دانش پایتون نیاز دارد.</li> <li>بهتر است پس از یک دوره آموزشی آشنایی با یادگیری عمیق، مانند دوره آموزشی یادگیری عمیق عملی برای برنامه‌نویس‌ها از <a href="https://www.fast.ai/" rel="nofollow">fast.ai</a> و یا یکی از دوره‌های ارائه شده توسط <a href="https://www.deeplearning.ai/" rel="nofollow">DeepLearning.AI</a>، دنبال شود.</li> <li>نیازمند دانش پیشین <a href="https://pytorch.org/" rel="nofollow">پایتورچ</a> یا <a href="https://www.tensorflow.org/" rel="nofollow">تِنسورفِلو</a> نیست، با این حال آشنایی با هر کدام از آنها می‌تواند کمک‌کننده باشد.</li>',it,M,zt='پس از اینکه این دوره آموزشی را به پایان رساندید، توصیه می‌کنیم نگاهی به <a href="https://www.coursera.org/specializations/natural-language-processing" rel="nofollow">دوره آموزشی تخصصی پردازش زبان طبیعی</a> که توسط <a href="https://www.deeplearning.ai/" rel="nofollow">DeepLearning.AI</a> ارائه شده است، بیاندازید. این دوره، بخش اعظمی از مدل‌های سنتی‌ NLP مانند دسته‌بندی‌کننده بیز ساده و LSTMها را شامل می‌شود که شناخت آن‌ها ارزشمند است.',ft,w,gt,P,jt="درباره نویسندگان:",ht,H,Nt='<strong>متیو کاریگن</strong>[^2] مهندس یادگیری ماشین در هاگینگ‌فِیس است. او در دوبلین ایرلند زندگی می‌کند و پیش‌تر بعنوان مهندس یادگیری ماشین در <a href="https://www.parse.ly/" rel="nofollow">Parse.ly</a> مشغول به کار بوده است. او دوره‌ی تحقیقات پسادکترای خود را در کالج ترینیتی دوبلین به پایان رسانده است. به عقیده‌ی وی هوش جامع مصنوعی[^3] با افزایش مقیاس معماری‌های فعلی حاصل نخواهد شد، با این حال او امید بسیاری به جاودانگی انسان در قالب رباتی دارد.',pt,y,At="<strong>لیسندره دبوت</strong>[^4] مهندس یادگیری ماشین در هاگینگ‌فِیس است و از ابتدا، بر روی کتابخانه‌ی ترنفسورمرهای هاگینگ‌فِیس کار کرده است. هدف او دسترس‌پذیر کردن NLP برای همگان با توسعه ابزارهایی با API بسیار ساده است.",ut,b,Et='<strong>سیلوین گوجر</strong>[^5] مهندس محقق در هاگینگ‌فِیس است و از هسته‌ی تیم مدیریت‌کنندگان کتابخانه‌ی ترنفسورمرهای هاگینگ‌فِیس محسوب می‌شود. او قبل‌تر مهندس محقق در fast.ai بود و <a href="https://learning.oreilly.com/library/view/deep-learning-for/9781492045519/" rel="nofollow">کتاب یادگیری عمیق عملی برای برنامه‌نویس‌ها</a> با استفاده از <a href="https://www.fast.ai/" rel="nofollow">fast.ai</a> و پایتورچ را با همکاری جرمی هاوارد[^6] نگاشته است. تمرکز اصلی تحقیقات وی بر دسترس‌پذیرتر کردن یادگیری عمیق است. او برای این کار از طراحی و پیش‌برد شیوه‌هایی استفاده می‌کند که امکان یادگیری سریع با منابع محدود را برای مدل‌ها پدید می‌آورد.',ct,k,Dt="<strong>مروه نویان</strong>[^7] توسعه‌ی دهنده در هاگینگ‌فِیس است و بر روی توسعه‌ی ابزارها و تولید محتوا برای آن‌ها کار می‌کند. هدف او دسترس‌پذیر کردن یادگیری ماشین برای همگان است.",mt,z,It="<strong>لوسیله ساولنیر</strong>[^8] مهندس یادگیری ماشین در هاگینگ‌فِیس است و بر روی توسعه و پشتیبانی از ابزارهای متن‌باز تمرکز دارد. وی همچنین بصورت فعالانه‌ای در بسیاری از پروژهای تحقیقاتی در حوزه پردازش زبان طبیعی، مانند یادگیری مشارکتی و بیگ‌ساینس مشارکت دارد.",dt,j,Gt='<strong>لویس تونستال</strong>[^9] مهندس یادگیری ماشین در هاگینگ‌فِیس است. تمرکز اصلی او توسعه‌ی ابزارهای متن باز و دسترس‌پذیر کردن آنها برای جامعه‌ی گسترده‌تری از کاربران است. او همچنین از نویسندگان <a href="https://www.oreilly.com/library/view/natural-language-processing/9781098136789/" rel="nofollow">کتاب انتشارات اُریلی[^10] درباره‌ی ترنسفورمرها</a> است.',wt,N,St='<strong>لئاندرو ون ورا</strong>[^11] مهندس یادگیری ماشین در تیم متن‌باز هاگینگ‌فِیس و از نویسندگان <a href="https://www.oreilly.com/library/view/natural-language-processing/9781098136789/" rel="nofollow">کتاب انتشارات اُریلی درباره‌ی ترنسفورمرها</a> است. وی تجربه‌ی چندین سال کار در صنعت را دارد. او با کار در تمام جنبه‌های یادگیری ماشین، پروژه‌های متن‌باز را از مرحله‌ی تحقیق به استقرار در صنایع می‌رساند.',vt,A,Ut="آماده‌ی ورود به این دوره هستید؟ در این فصل شما می‌آموزید که:",$t,E,qt='<li>چگونه می‌توان از تابع <span dir="ltr">pipeline()</span> برای حل مسائل NLP مانند تولید متن و دسته‌بندی استفاده کرد.</li> <li>معماری ترنسفورمرها چگونه است.</li> <li>چگونه معماری‌های مختلف انکودر، دیکودر و انکودر-دیکودر را از یکدیگر تشخصی داد و کاربردهای آن‌ها در چیست.</li>',Lt,D,Ft=`[^1]: Natural Language Processing (NLP)
[^2]: Matthew Carrigan
[^3]: Artificial General Intelligence (AGI)
[^4]: Lysandre Debut
[^5]: Sylvain Gugger
[^6]: Jeremy Howard
[^7]: Merve Noyan
[^8]: Lucile Saulnier
[^9]: Lewis Tunstall`,xt,I,Vt="[^11]: Leandro von Werra",K,v,O,Y,R;return p=new Zt({props:{chapter:1,classNames:"absolute z-10 right-0 top-0"}}),u=new Ct({props:{title:"به دوره‌ آموزشی هاگینگ‌فِیس خوش آمدید",local:"به-دوره-آموزشی-هاگینگفیس-خوش-آمدید",headingTag:"h2"}}),c=new Xt({props:{id:"00GKzGyWFEs"}}),m=new Ct({props:{title:"در این دوره چه چیزهایی را می‌آموزیم؟",local:"در-این-دوره-چه-چیزهایی-را-میآموزیم",headingTag:"h2"}}),w=new Ct({props:{title:"ما چه کسانی هستیم؟",local:"ما-چه-کسانی-هستیم",headingTag:"h2"}}),v=new te({props:{source:"https://github.com/huggingface/course/blob/main/chapters/fa/chapter1/1.mdx"}}),{c(){h=s("meta"),B=l(),W=s("p"),J=l(),t=s("div"),X=Ot(`# مقدمه
`),G(p.$$.fragment),Z=l(),G(u.$$.fragment),tt=l(),G(c.$$.fragment),et=l(),L=s("p"),L.innerHTML=Mt,nt=l(),G(m.$$.fragment),at=l(),x=s("p"),x.textContent=Pt,lt=l(),d=s("div"),d.innerHTML=Ht,rt=l(),_=s("ul"),_.innerHTML=yt,st=l(),C=s("p"),C.textContent=bt,ot=l(),T=s("ul"),T.innerHTML=kt,it=l(),M=s("p"),M.innerHTML=zt,ft=l(),G(w.$$.fragment),gt=l(),P=s("p"),P.textContent=jt,ht=l(),H=s("p"),H.innerHTML=Nt,pt=l(),y=s("p"),y.innerHTML=At,ut=l(),b=s("p"),b.innerHTML=Et,ct=l(),k=s("p"),k.innerHTML=Dt,mt=l(),z=s("p"),z.innerHTML=It,dt=l(),j=s("p"),j.innerHTML=Gt,wt=l(),N=s("p"),N.innerHTML=St,vt=l(),A=s("p"),A.textContent=Ut,$t=l(),E=s("ul"),E.innerHTML=qt,Lt=l(),D=s("p"),D.textContent=Ft,xt=l(),I=s("p"),I.textContent=Vt,K=l(),G(v.$$.fragment),O=l(),Y=s("p"),this.h()},l(a){const g=Rt("svelte-u9bgzb",document.head);h=o(g,"META",{name:!0,content:!0}),g.forEach(f),B=r(a),W=o(a,"P",{}),_t(W).forEach(f),J=r(a),t=o(a,"DIV",{dir:!0});var e=_t(t);X=Qt(e,`# مقدمه
`),S(p.$$.fragment,e),Z=r(e),S(u.$$.fragment,e),tt=r(e),S(c.$$.fragment,e),et=r(e),L=o(e,"P",{"data-svelte-h":!0}),i(L)!=="svelte-13tjlth"&&(L.innerHTML=Mt),nt=r(e),S(m.$$.fragment,e),at=r(e),x=o(e,"P",{"data-svelte-h":!0}),i(x)!=="svelte-1h2zz04"&&(x.textContent=Pt),lt=r(e),d=o(e,"DIV",{class:!0,"data-svelte-h":!0}),i(d)!=="svelte-1bcjhf"&&(d.innerHTML=Ht),rt=r(e),_=o(e,"UL",{"data-svelte-h":!0}),i(_)!=="svelte-1nyiu2j"&&(_.innerHTML=yt),st=r(e),C=o(e,"P",{"data-svelte-h":!0}),i(C)!=="svelte-x4jjen"&&(C.textContent=bt),ot=r(e),T=o(e,"UL",{"data-svelte-h":!0}),i(T)!=="svelte-bvlchw"&&(T.innerHTML=kt),it=r(e),M=o(e,"P",{"data-svelte-h":!0}),i(M)!=="svelte-1tmhido"&&(M.innerHTML=zt),ft=r(e),S(w.$$.fragment,e),gt=r(e),P=o(e,"P",{"data-svelte-h":!0}),i(P)!=="svelte-jmcczx"&&(P.textContent=jt),ht=r(e),H=o(e,"P",{"data-svelte-h":!0}),i(H)!=="svelte-1j168j0"&&(H.innerHTML=Nt),pt=r(e),y=o(e,"P",{"data-svelte-h":!0}),i(y)!=="svelte-18yikuw"&&(y.innerHTML=At),ut=r(e),b=o(e,"P",{"data-svelte-h":!0}),i(b)!=="svelte-1yw6zjg"&&(b.innerHTML=Et),ct=r(e),k=o(e,"P",{"data-svelte-h":!0}),i(k)!=="svelte-1waunsz"&&(k.innerHTML=Dt),mt=r(e),z=o(e,"P",{"data-svelte-h":!0}),i(z)!=="svelte-ki5ck7"&&(z.innerHTML=It),dt=r(e),j=o(e,"P",{"data-svelte-h":!0}),i(j)!=="svelte-av47el"&&(j.innerHTML=Gt),wt=r(e),N=o(e,"P",{"data-svelte-h":!0}),i(N)!=="svelte-1iggtk4"&&(N.innerHTML=St),vt=r(e),A=o(e,"P",{"data-svelte-h":!0}),i(A)!=="svelte-4ofg7t"&&(A.textContent=Ut),$t=r(e),E=o(e,"UL",{"data-svelte-h":!0}),i(E)!=="svelte-1c9aswq"&&(E.innerHTML=qt),Lt=r(e),D=o(e,"P",{"data-svelte-h":!0}),i(D)!=="svelte-1w6o4ia"&&(D.textContent=Ft),xt=r(e),I=o(e,"P",{"data-svelte-h":!0}),i(I)!=="svelte-141vsl1"&&(I.textContent=Vt),e.forEach(f),K=r(a),S(v.$$.fragment,a),O=r(a),Y=o(a,"P",{}),_t(Y).forEach(f),this.h()},h(){Q(h,"name","hf:doc:metadata"),Q(h,"content",ne),Q(d,"class","flex justify-center"),Q(t,"dir","rtl")},m(a,g){n(document.head,h),$(a,B,g),$(a,W,g),$(a,J,g),$(a,t,g),n(t,X),U(p,t,null),n(t,Z),U(u,t,null),n(t,tt),U(c,t,null),n(t,et),n(t,L),n(t,nt),U(m,t,null),n(t,at),n(t,x),n(t,lt),n(t,d),n(t,rt),n(t,_),n(t,st),n(t,C),n(t,ot),n(t,T),n(t,it),n(t,M),n(t,ft),U(w,t,null),n(t,gt),n(t,P),n(t,ht),n(t,H),n(t,pt),n(t,y),n(t,ut),n(t,b),n(t,ct),n(t,k),n(t,mt),n(t,z),n(t,dt),n(t,j),n(t,wt),n(t,N),n(t,vt),n(t,A),n(t,$t),n(t,E),n(t,Lt),n(t,D),n(t,xt),n(t,I),$(a,K,g),U(v,a,g),$(a,O,g),$(a,Y,g),R=!0},p:Yt,i(a){R||(q(p.$$.fragment,a),q(u.$$.fragment,a),q(c.$$.fragment,a),q(m.$$.fragment,a),q(w.$$.fragment,a),q(v.$$.fragment,a),R=!0)},o(a){F(p.$$.fragment,a),F(u.$$.fragment,a),F(c.$$.fragment,a),F(m.$$.fragment,a),F(w.$$.fragment,a),F(v.$$.fragment,a),R=!1},d(a){a&&(f(B),f(W),f(J),f(t),f(K),f(O),f(Y)),f(h),V(p),V(u),V(c),V(m),V(w),V(v,a)}}}const ne='{"title":"به دوره‌ آموزشی هاگینگ‌فِیس خوش آمدید","local":"به-دوره-آموزشی-هاگینگفیس-خوش-آمدید","sections":[],"depth":2}';function ae(Tt){return Bt(()=>{new URLSearchParams(window.location.search).get("fw")}),[]}class ge extends Jt{constructor(h){super(),Kt(this,h,ae,ee,Wt,{})}}export{ge as component};