course/pr_1069/es/_app/immutable/nodes/3.53ab6307.js

import{s as Ae,n as De,o as Fe}from"../chunks/scheduler.37c15a92.js";import{S as ke,i as Se,g as o,s as r,r as E,A as Be,h as s,f as a,c as i,j as ze,u as z,x as l,k as he,y as Ge,a as n,v as A,d as D,t as F,w as k}from"../chunks/index.2bf4358c.js";import{Y as Qe}from"../chunks/Youtube.1e50a667.js";import{C as Re}from"../chunks/CourseFloatingBanner.6add7356.js";import{H as ge}from"../chunks/Heading.8ada512a.js";import{E as Ue}from"../chunks/getInferenceSnippets.b37612c0.js";function Oe(ve){let c,G,S,Q,d,R,m,U,p,O,f,V,g,be='Este curso te enseñará sobre procesamiento de lenguaje natural (PLN) usando librerías del ecosistema <a href="https://huggingface.co/" rel="nofollow">Hugging Face</a> - <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> y <a href="https://github.com/huggingface/accelerate" rel="nofollow">🤗 Accelerate</a> — así como el <a href="https://huggingface.co/models" rel="nofollow">Hub de Hugging Face</a>. El curso es completamente gratuito y sin anuncios.',W,h,Y,v,Le="Esta es una pequeña descripción del curso:",J,u,$e='<img class="block dark:hidden" src="https://huggingface.co/datasets/huggingface-course/documentation-images/resolve/main/en/chapter1/summary.svg" alt="Brief overview of the chapters of the course."/> <img class="hidden dark:block" src="https://huggingface.co/datasets/huggingface-course/documentation-images/resolve/main/en/chapter1/summary-dark.svg" alt="Brief overview of the chapters of the course."/>',K,b,we='<li>Los capítulos 1 a 4 ofrecen una introducción a los conceptos principales de la librería 🤗 Transformers. Al final de esta sección del curso, estarás familiarizado con la manera en que trabajan los Transformadores y sabrás cómo usar un modelo del <a href="https://huggingface.co/models" rel="nofollow">Hub de Hugging Face</a>, ajustarlo a tu conjunto de datos y compartir tus resultados en el Hub.</li> <li>Los capítulos 5 a 8 enseñan lo básico de 🤗 Datasets y 🤗 Tokenizers antes de entrar en tareas clásicas de PLN. Al final de esta sección, podrás abordar por ti mismo los problemas más comunes de PLN.</li> <li>Los capítulos 9 al 12 van más allá del PLN y exploran cómo los Transformadores pueden abordar tareas de procesamiento del habla y visión por computador. A lo largo del camino, aprenderás a construir y compartir demos de tus modelos, así como optimizarlos para entornos de producción. Al final de esta sección, estarás listo para aplicar 🤗 Transformers a (casi) cualquier problema de Machine Learning.</li>',X,L,ye="Este curso:",Z,$,Te='<li>Requiere amplio conocimiento de Python</li> <li>Debería ser tomado después de un curso de introducción a deep learning, como <a href="https://course.fast.ai/" rel="nofollow">Practical Deep Learning for Coders</a> de <a href="https://www.fast.ai/" rel="nofollow">fast.ai’s</a> o alguno de los programas desarrollados por <a href="https://www.deeplearning.ai/" rel="nofollow">DeepLearning.AI</a></li> <li>No necesita conocimiento previo de <a href="https://pytorch.org/" rel="nofollow">PyTorch</a> o <a href="https://www.tensorflow.org/" rel="nofollow">TensorFlow</a>, aunque un nivel de familiaridad con alguno de los dos podría ser útil</li>',ee,w,He='Después de que hayas completado este curso, te recomendamos revisar la <a href="https://www.coursera.org/specializations/natural-language-processing?utm_source=deeplearning-ai&amp;utm_medium=institutions&amp;utm_campaign=20211011-PLN-2-hugging_face-page-PLN-refresh" rel="nofollow">Especialización en Procesamiento de Lenguaje Natural</a> de DeepLearning.AI, que cubre un gran número de modelos tradicionales de PLN como Naive Bayes y LSTMs.',te,y,ae,T,xe="Acerca de los autores:",ne,H,Me="<strong>Matthew Carrigan</strong> es Ingeniero de Machine Learning en Hugging Face. Vive en Dublin, Irlanda y anteriormente trabajó como Ingeniero ML en Parse.ly y como investigador post-doctoral en Trinity College Dublin. No cree que vamos a alcanzar una Inteligencia Artificial General escalando arquitecturas existentes, pero en todo caso tiene grandes expectativas sobre la inmortalidad robótica.",re,x,Pe="<strong>Lysandre Debut</strong> es Ingeniero de Machine Learning en Hugging Face y ha trabajado en la librería 🤗 Transformers desde sus etapas de desarrollo más tempranas. Su objetivo es hacer que el PLN sea accesible para todos a través del desarrollo de herramientas con una API muy simple.",ie,M,_e='<strong>Sylvain Gugger</strong> es Ingeniero de Investigación en Hugging Face y uno de los principales mantenedores de la librería 🤗 Transformers. Anteriormente fue Científico de Investigación en fast.ai y escribió <em><a href="https://learning.oreilly.com/library/view/deep-learning-for/9781492045519/" rel="nofollow">Deep Learning for Coders with fastai and PyTorch</a></em> junto con Jeremy Howard. El foco principal de su investigación es hacer el deep learning más accesible, al diseñar y mejorar técnicas que permiten un entrenamiento rápido de modelos con recursos limitados.',oe,P,Ce="<strong>Merve Noyan</strong> es Promotora de Desarrolladores en Hugging Face, trabaja en el desarrollo de herramientas y construcción de contenido relacionado, con el fín de democratizar el machine learning para todos.",se,_,qe="<strong>Lucile Saulnier</strong> es Ingeniera de Machine Learning en Hugging Face, donde desarrolla y apoya el uso de herramientas de código abierto. Ella está activamente involucrada en varios proyectos de investigación en el campo del Procesamiento de Lenguaje Natural como entrenamiento colaborativo y BigScience.",le,C,Ie='<strong>Lewis Tunstall</strong>  es Ingeniero de Machine Learning en Hugging Face, enfocado en desarrollar herramientas de código abierto y hacerlas accesibles a la comunidad en general. También es coautor de un próximo <a href="https://www.oreilly.com/library/view/natural-language-processing/9781098136789/" rel="nofollow">libro de O’Reilly sobre Transformadores</a>.',ce,q,Ne='<strong>Leandro von Werra</strong>  es Ingeniero de Machine Learning en el equipo de código abierto en Hugging Face y coautor de un próximo <a href="https://www.oreilly.com/library/view/natural-language-processing/9781098136789/" rel="nofollow">libro de O’Reilly sobre Transformadores</a>. Tiene varios años de experiencia en la industria llevando modelos de PLN a producción, trabajando a lo largo de todo el entorno de Machine Learning.',ue,I,je="¿Estás listo para comenzar? En este capítulo vas a aprender:",de,N,Ee="<li>Cómo usar la función <code>pipeline()</code> para resolver tareas de PLN como la generación y clasificación de texto</li> <li>Sobre la arquitectura de los Transformadores</li> <li>Cómo distinguir entre las arquitecturas de codificador, decodificador y codificador-decofidicador, además de sus casos de uso</li>",me,j,pe,B,fe;return d=new ge({props:{title:"Introducción",local:"introducción",headingTag:"h1"}}),m=new Re({props:{chapter:1,classNames:"absolute z-10 right-0 top-0"}}),p=new ge({props:{title:"¡Te damos la bienvenida al curso de 🤗!",local:"te-damos-la-bienvenida-al-curso-de-",headingTag:"h2"}}),f=new Qe({props:{id:"00GKzGyWFEs"}}),h=new ge({props:{title:"¿Qué esperar?",local:"qué-esperar",headingTag:"h2"}}),y=new ge({props:{title:"¿Quiénes somos?",local:"quiénes-somos",headingTag:"h2"}}),j=new Ue({props:{source:"https://github.com/huggingface/course/blob/main/chapters/es/chapter1/1.mdx"}}),{c(){c=o("meta"),G=r(),S=o("p"),Q=r(),E(d.$$.fragment),R=r(),E(m.$$.fragment),U=r(),E(p.$$.fragment),O=r(),E(f.$$.fragment),V=r(),g=o("p"),g.innerHTML=be,W=r(),E(h.$$.fragment),Y=r(),v=o("p"),v.textContent=Le,J=r(),u=o("div"),u.innerHTML=$e,K=r(),b=o("ul"),b.innerHTML=we,X=r(),L=o("p"),L.textContent=ye,Z=r(),$=o("ul"),$.innerHTML=Te,ee=r(),w=o("p"),w.innerHTML=He,te=r(),E(y.$$.fragment),ae=r(),T=o("p"),T.textContent=xe,ne=r(),H=o("p"),H.innerHTML=Me,re=r(),x=o("p"),x.innerHTML=Pe,ie=r(),M=o("p"),M.innerHTML=_e,oe=r(),P=o("p"),P.innerHTML=Ce,se=r(),_=o("p"),_.innerHTML=qe,le=r(),C=o("p"),C.innerHTML=Ie,ce=r(),q=o("p"),q.innerHTML=Ne,ue=r(),I=o("p"),I.textContent=je,de=r(),N=o("ul"),N.innerHTML=Ee,me=r(),E(j.$$.fragment),pe=r(),B=o("p"),this.h()},l(e){const t=Be("svelte-u9bgzb",document.head);c=s(t,"META",{name:!0,content:!0}),t.forEach(a),G=i(e),S=s(e,"P",{}),ze(S).forEach(a),Q=i(e),z(d.$$.fragment,e),R=i(e),z(m.$$.fragment,e),U=i(e),z(p.$$.fragment,e),O=i(e),z(f.$$.fragment,e),V=i(e),g=s(e,"P",{"data-svelte-h":!0}),l(g)!=="svelte-t1iua4"&&(g.innerHTML=be),W=i(e),z(h.$$.fragment,e),Y=i(e),v=s(e,"P",{"data-svelte-h":!0}),l(v)!=="svelte-10a2inv"&&(v.textContent=Le),J=i(e),u=s(e,"DIV",{class:!0,"data-svelte-h":!0}),l(u)!=="svelte-1f838r7"&&(u.innerHTML=$e),K=i(e),b=s(e,"UL",{"data-svelte-h":!0}),l(b)!=="svelte-x4ouvh"&&(b.innerHTML=we),X=i(e),L=s(e,"P",{"data-svelte-h":!0}),l(L)!=="svelte-19qlnhj"&&(L.textContent=ye),Z=i(e),$=s(e,"UL",{"data-svelte-h":!0}),l($)!=="svelte-v3c4gp"&&($.innerHTML=Te),ee=i(e),w=s(e,"P",{"data-svelte-h":!0}),l(w)!=="svelte-1xirssd"&&(w.innerHTML=He),te=i(e),z(y.$$.fragment,e),ae=i(e),T=s(e,"P",{"data-svelte-h":!0}),l(T)!=="svelte-1ok0vp"&&(T.textContent=xe),ne=i(e),H=s(e,"P",{"data-svelte-h":!0}),l(H)!=="svelte-16adhun"&&(H.innerHTML=Me),re=i(e),x=s(e,"P",{"data-svelte-h":!0}),l(x)!=="svelte-1yci5mg"&&(x.innerHTML=Pe),ie=i(e),M=s(e,"P",{"data-svelte-h":!0}),l(M)!=="svelte-kvolm0"&&(M.innerHTML=_e),oe=i(e),P=s(e,"P",{"data-svelte-h":!0}),l(P)!=="svelte-1bi3zd5"&&(P.innerHTML=Ce),se=i(e),_=s(e,"P",{"data-svelte-h":!0}),l(_)!=="svelte-q7xge6"&&(_.innerHTML=qe),le=i(e),C=s(e,"P",{"data-svelte-h":!0}),l(C)!=="svelte-mza751"&&(C.innerHTML=Ie),ce=i(e),q=s(e,"P",{"data-svelte-h":!0}),l(q)!=="svelte-sklfc2"&&(q.innerHTML=Ne),ue=i(e),I=s(e,"P",{"data-svelte-h":!0}),l(I)!=="svelte-1tlpl0d"&&(I.textContent=je),de=i(e),N=s(e,"UL",{"data-svelte-h":!0}),l(N)!=="svelte-1ynaqrr"&&(N.innerHTML=Ee),me=i(e),z(j.$$.fragment,e),pe=i(e),B=s(e,"P",{}),ze(B).forEach(a),this.h()},h(){he(c,"name","hf:doc:metadata"),he(c,"content",Ve),he(u,"class","flex justify-center")},m(e,t){Ge(document.head,c),n(e,G,t),n(e,S,t),n(e,Q,t),A(d,e,t),n(e,R,t),A(m,e,t),n(e,U,t),A(p,e,t),n(e,O,t),A(f,e,t),n(e,V,t),n(e,g,t),n(e,W,t),A(h,e,t),n(e,Y,t),n(e,v,t),n(e,J,t),n(e,u,t),n(e,K,t),n(e,b,t),n(e,X,t),n(e,L,t),n(e,Z,t),n(e,$,t),n(e,ee,t),n(e,w,t),n(e,te,t),A(y,e,t),n(e,ae,t),n(e,T,t),n(e,ne,t),n(e,H,t),n(e,re,t),n(e,x,t),n(e,ie,t),n(e,M,t),n(e,oe,t),n(e,P,t),n(e,se,t),n(e,_,t),n(e,le,t),n(e,C,t),n(e,ce,t),n(e,q,t),n(e,ue,t),n(e,I,t),n(e,de,t),n(e,N,t),n(e,me,t),A(j,e,t),n(e,pe,t),n(e,B,t),fe=!0},p:De,i(e){fe||(D(d.$$.fragment,e),D(m.$$.fragment,e),D(p.$$.fragment,e),D(f.$$.fragment,e),D(h.$$.fragment,e),D(y.$$.fragment,e),D(j.$$.fragment,e),fe=!0)},o(e){F(d.$$.fragment,e),F(m.$$.fragment,e),F(p.$$.fragment,e),F(f.$$.fragment,e),F(h.$$.fragment,e),F(y.$$.fragment,e),F(j.$$.fragment,e),fe=!1},d(e){e&&(a(G),a(S),a(Q),a(R),a(U),a(O),a(V),a(g),a(W),a(Y),a(v),a(J),a(u),a(K),a(b),a(X),a(L),a(Z),a($),a(ee),a(w),a(te),a(ae),a(T),a(ne),a(H),a(re),a(x),a(ie),a(M),a(oe),a(P),a(se),a(_),a(le),a(C),a(ce),a(q),a(ue),a(I),a(de),a(N),a(me),a(pe),a(B)),a(c),k(d,e),k(m,e),k(p,e),k(f,e),k(h,e),k(y,e),k(j,e)}}}const Ve='{"title":"Introducción","local":"introducción","sections":[{"title":"¡Te damos la bienvenida al curso de 🤗!","local":"te-damos-la-bienvenida-al-curso-de-","sections":[],"depth":2},{"title":"¿Qué esperar?","local":"qué-esperar","sections":[],"depth":2},{"title":"¿Quiénes somos?","local":"quiénes-somos","sections":[],"depth":2}],"depth":1}';function We(ve){return Fe(()=>{new URLSearchParams(window.location.search).get("fw")}),[]}class tt extends ke{constructor(c){super(),Se(this,c,We,Oe,Ae,{})}}export{tt as component};