course/pr_1021/it/_app/immutable/nodes/33.73c0ea1b.js

import{s as G,n as J,o as K}from"../chunks/scheduler.37c15a92.js";import{S as Q,i as V,g as r,s as n,r as E,A as W,h as s,f as a,c as o,j as U,u as S,x as v,k as B,y as X,a as i,v as y,d as A,t as D,w as j}from"../chunks/index.2bf4358c.js";import{C as Y}from"../chunks/CourseFloatingBanner.9ff4c771.js";import{H as Z,E as ee}from"../chunks/getInferenceSnippets.ebf8be91.js";function te(I){let l,z,g,b,p,C,m,x,u,k='Nel <a href="/course/chapter3">Capitolo 3</a> hai mosso i primi passi nella libreria 🤗 Datasets, e hai scoperto i tre passaggi fondamentali nell’ottimizzazione dei modelli:',H,c,F="<li>Si carica un dataset dell’Hub Hugging Face.</li> <li>Si processano i dati con <code>Dataset.map()</code>.</li> <li>Si caricano e si elaborano le metriche.</li>",L,f,N="Ma questo non è che un assaggio di ciò che 🤗 Datasets è in grado di fare! In questo capitolo approfondiremo le potenzialità della libreria. Durante questo percorso, troverai risposta alle seguenti domande:",M,d,O="<li>Cosa fare quando un dataset non è presente nell’Hub?</li> <li>Come fare a tagliuzzare il dataset? (E cosa succede se devi <em>proprio</em> usare Pandas?)</li> <li>Cosa fare quando un dataset è tanto grande da sciogliere la RAM del tuo portatile?</li> <li>Cosa cavolo sono il “mappamento di memoria” e Apache Arrow?</li> <li>Come fare per creare il proprio dataset e pubblicarlo sull’Hub?</li>",P,h,R='Le tecniche che imparerai ti prepareranno a compiti più avanzati di tokenizzazione e fine-tuning che troverai nei capitoli <a href="/course/chapter6">Chapter 6</a> e <a href="/course/chapter7">Chapter 7</a> — quindi preparati una tazza di caffè e iniziamo!',T,$,w,_,q;return p=new Z({props:{title:"Introduzione",local:"introduzione",headingTag:"h1"}}),m=new Y({props:{chapter:5,classNames:"absolute z-10 right-0 top-0"}}),$=new ee({props:{source:"https://github.com/huggingface/course/blob/main/chapters/it/chapter5/1.mdx"}}),{c(){l=r("meta"),z=n(),g=r("p"),b=n(),E(p.$$.fragment),C=n(),E(m.$$.fragment),x=n(),u=r("p"),u.innerHTML=k,H=n(),c=r("ol"),c.innerHTML=F,L=n(),f=r("p"),f.textContent=N,M=n(),d=r("ul"),d.innerHTML=O,P=n(),h=r("p"),h.innerHTML=R,T=n(),E($.$$.fragment),w=n(),_=r("p"),this.h()},l(e){const t=W("svelte-u9bgzb",document.head);l=s(t,"META",{name:!0,content:!0}),t.forEach(a),z=o(e),g=s(e,"P",{}),U(g).forEach(a),b=o(e),S(p.$$.fragment,e),C=o(e),S(m.$$.fragment,e),x=o(e),u=s(e,"P",{"data-svelte-h":!0}),v(u)!=="svelte-1p3xsid"&&(u.innerHTML=k),H=o(e),c=s(e,"OL",{"data-svelte-h":!0}),v(c)!=="svelte-157uxxa"&&(c.innerHTML=F),L=o(e),f=s(e,"P",{"data-svelte-h":!0}),v(f)!=="svelte-brjmjo"&&(f.textContent=N),M=o(e),d=s(e,"UL",{"data-svelte-h":!0}),v(d)!=="svelte-in4m95"&&(d.innerHTML=O),P=o(e),h=s(e,"P",{"data-svelte-h":!0}),v(h)!=="svelte-15yamct"&&(h.innerHTML=R),T=o(e),S($.$$.fragment,e),w=o(e),_=s(e,"P",{}),U(_).forEach(a),this.h()},h(){B(l,"name","hf:doc:metadata"),B(l,"content",ae)},m(e,t){X(document.head,l),i(e,z,t),i(e,g,t),i(e,b,t),y(p,e,t),i(e,C,t),y(m,e,t),i(e,x,t),i(e,u,t),i(e,H,t),i(e,c,t),i(e,L,t),i(e,f,t),i(e,M,t),i(e,d,t),i(e,P,t),i(e,h,t),i(e,T,t),y($,e,t),i(e,w,t),i(e,_,t),q=!0},p:J,i(e){q||(A(p.$$.fragment,e),A(m.$$.fragment,e),A($.$$.fragment,e),q=!0)},o(e){D(p.$$.fragment,e),D(m.$$.fragment,e),D($.$$.fragment,e),q=!1},d(e){e&&(a(z),a(g),a(b),a(C),a(x),a(u),a(H),a(c),a(L),a(f),a(M),a(d),a(P),a(h),a(T),a(w),a(_)),a(l),j(p,e),j(m,e),j($,e)}}}const ae='{"title":"Introduzione","local":"introduzione","sections":[],"depth":1}';function ie(I){return K(()=>{new URLSearchParams(window.location.search).get("fw")}),[]}class se extends Q{constructor(l){super(),V(this,l,ie,te,G,{})}}export{se as component};