course/pr_1069/pt/_app/immutable/nodes/4.3ed48a10.js

import{s as We,n as _e,o as ze}from"../chunks/scheduler.37c15a92.js";import{S as Ze,i as Oe,g as N,s as t,r as i,A as Qe,h as A,f as o,c as r,j as ke,u as m,x as Ee,k as Ge,y as Ve,a as s,v as n,d as l,t as p,w as d}from"../chunks/index.2bf4358c.js";import{C as je}from"../chunks/CodeBlock.4e987730.js";import{C as Fe}from"../chunks/CourseFloatingBanner.6add7356.js";import{Q as c}from"../chunks/Question.668688bc.js";import{H as u,E as Se}from"../chunks/getInferenceSnippets.24b50994.js";function He(Be){let f,Y,P,K,$,X,g,L,x,Ce="Este capítulo cobriu muito terreno! Não se preocupe se você não entendeu todos os detalhes; os próximos capítulos o ajudarão a entender como as coisas funcionam debaixo do capô.",D,q,Ie="Primeiro, porém, vamos testar o que você aprendeu neste capítulo!",ee,v,ae,b,oe,y,se,h,te,w,re,T,ie,U,me,M,ne,J,le,j,pe,B,de,C,ue,I,ce,k,fe,E,$e,G,ge,W,xe,_,qe,z,ve,Z,be,O,ye,Q,he,V,we,F,Te,S,Ue,H,Me,R,Je;return $=new u({props:{title:"Questionário de fim de capítulo",local:"questionário-de-fim-de-capítulo",headingTag:"h1"}}),g=new Fe({props:{chapter:1,classNames:"absolute z-10 right-0 top-0"}}),v=new u({props:{title:"1. Explore o Hub e olhe para o checkpoint roberta-large-mnli . Que tarefa ele executa?",local:"1-explore-o-hub-e-olhe-para-o-checkpoint-roberta-large-mnli--que-tarefa-ele-executa",headingTag:"h3"}}),b=new c({props:{choices:[{text:"Summarização",explain:'Olhe novamente na página <a href="https://huggingface.co/roberta-large-mnli">roberta-large-mnli</a>.'},{text:"Classificação de texto",explain:"Mais precisamente, ele classifica se duas ou mais sentenças estão logicamente conectadas entre três rótulos (contradição, neutro, vinculação) — uma tarefa também chamada de <em>inferência de linguagem natural</em>.",correct:!0},{text:"Geração de texto",explain:'Olhe novamente na página <a href="https://huggingface.co/roberta-large-mnli">roberta-large-mnli</a>.'}]}}),y=new u({props:{title:"2. O que o código a seguir retornará?",local:"2-o-que-o-código-a-seguir-retornará",headingTag:"h3"}}),h=new je({props:{code:"ZnJvbSUyMHRyYW5zZm9ybWVycyUyMGltcG9ydCUyMHBpcGVsaW5lJTBBJTBBbmVyJTIwJTNEJTIwcGlwZWxpbmUoJTIybmVyJTIyJTJDJTIwZ3JvdXBlZF9lbnRpdGllcyUzRFRydWUpJTBBbmVyKCUyMk15JTIwbmFtZSUyMGlzJTIwU3lsdmFpbiUyMGFuZCUyMEklMjB3b3JrJTIwYXQlMjBIdWdnaW5nJTIwRmFjZSUyMGluJTIwQnJvb2tseW4uJTIyKQ==",highlighted:`<span class="hljs-keyword">from</span> transformers <span class="hljs-keyword">import</span> pipeline

ner = pipeline(<span class="hljs-string">&quot;ner&quot;</span>, grouped_entities=<span class="hljs-literal">True</span>)
ner(<span class="hljs-string">&quot;My name is Sylvain and I work at Hugging Face in Brooklyn.&quot;</span>)`,wrap:!1}}),w=new c({props:{choices:[{text:"Ele retornará pontuações de classificação para esta frase, com rótulos 'positivo' ou 'negativo'.",explain:"Isso está incorreto - isso seria um pipeline de 'análise de sentimentos'."},{text:"Ele retornará um texto gerado completando esta frase.",explain:"Isso está incorreto - seria um pipeline de ``geração de texto`."},{text:"Ele retornará as palavras que representam pessoas, organizações ou locais.",explain:"Além disso, com `grouped_entities=True`, ele agrupará as palavras pertencentes à mesma entidade, como 'Hugging Face'.",correct:!0}]}}),T=new u({props:{title:"3. O que deverá substituir … nesse trecho de código?",local:"3-o-que-deverá-substituir--nesse-trecho-de-código",headingTag:"h3"}}),U=new je({props:{code:"ZnJvbSUyMHRyYW5zZm9ybWVycyUyMGltcG9ydCUyMHBpcGVsaW5lJTBBJTBBZmlsbGVyJTIwJTNEJTIwcGlwZWxpbmUoJTIyZmlsbC1tYXNrJTIyJTJDJTIwbW9kZWwlM0QlMjJiZXJ0LWJhc2UtY2FzZWQlMjIpJTBBcmVzdWx0JTIwJTNEJTIwZmlsbGVyKCUyMi4uLiUyMik=",highlighted:`<span class="hljs-keyword">from</span> transformers <span class="hljs-keyword">import</span> pipeline

filler = pipeline(<span class="hljs-string">&quot;fill-mask&quot;</span>, model=<span class="hljs-string">&quot;bert-base-cased&quot;</span>)
result = filler(<span class="hljs-string">&quot;...&quot;</span>)`,wrap:!1}}),M=new c({props:{choices:[{text:"Esta <mask> está esperando por você.",explain:"Isso está incorreto. Confira o cartão modelo `bert-base-cased` e tente identificar seu erro."},{text:"Esta [MASK] está esperando por você.",explain:"Correto! O token de máscara deste modelo é [MASK]",correct:!0},{text:"Este homem está esperando por você.",explain:"Isso está incorreto. Esse pipeline preenche palavras mascaradas, portanto, precisa de um token de máscara em algum lugar."}]}}),J=new u({props:{title:"4. Por que esse código irá dar erro?",local:"4-por-que-esse-código-irá-dar-erro",headingTag:"h3"}}),j=new je({props:{code:"ZnJvbSUyMHRyYW5zZm9ybWVycyUyMGltcG9ydCUyMHBpcGVsaW5lJTBBJTBBY2xhc3NpZmllciUyMCUzRCUyMHBpcGVsaW5lKCUyMnplcm8tc2hvdC1jbGFzc2lmaWNhdGlvbiUyMiklMEFyZXN1bHQlMjAlM0QlMjBjbGFzc2lmaWVyKCUyMlRoaXMlMjBpcyUyMGElMjBjb3Vyc2UlMjBhYm91dCUyMHRoZSUyMFRyYW5zZm9ybWVycyUyMGxpYnJhcnklMjIp",highlighted:`<span class="hljs-keyword">from</span> transformers <span class="hljs-keyword">import</span> pipeline

classifier = pipeline(<span class="hljs-string">&quot;zero-shot-classification&quot;</span>)
result = classifier(<span class="hljs-string">&quot;This is a course about the Transformers library&quot;</span>)`,wrap:!1}}),B=new c({props:{choices:[{text:"Esse pipeline exige que sejam fornecidos rótulos para classificar esse texto.",explain:"Certo — o código correto precisa incluir `candidate_labels=[...]`.",correct:!0},{text:"Esse pipeline requer várias frases, não apenas uma.",explain:"Isso é incorreto, mas quando usado corretamente, esse pipeline pode levar uma lista de frases para processar (como todos os outros pipelines)."},{text:"A biblioteca 🤗 Transformers está quebrada, como sempre.",explain:"Não vamos dignificar esta resposta com um comentário!"},{text:"Esse pipeline requer entradas mais longas; esta é muito curta.",explain:"Isso está incorreto. Observe que um texto muito longo será truncado quando processado por esse pipeline."}]}}),C=new u({props:{title:"5. O que “transfer learning” significa?",local:"5-o-que-transfer-learning-significa",headingTag:"h3"}}),I=new c({props:{choices:[{text:"Transferir o conhecimento de um modelo pré-treinado para um novo modelo treinando-o no mesmo conjunto de dados.",explain:"Não, seriam duas versões do mesmo modelo."},{text:"Transferir o conhecimento de um modelo pré-treinado para um novo modelo inicializando o segundo modelo com os pesos do primeiro modelo.",explain:"Correto: quando o segundo modelo é treinado em uma nova tarefa, ele _transfere_ o conhecimento do primeiro modelo.",correct:!0},{text:"Transferir o conhecimento de um modelo pré-treinado para um novo modelo construindo o segundo modelo com a mesma arquitetura do primeiro modelo",explain:"A arquitetura é apenas a forma como o modelo é construído; não há conhecimento compartilhado ou transferido neste caso."}]}}),k=new u({props:{title:"6. Verdadeiro ou Falso? Um modelo de linguagem geralmente não precisa de rótulos para seu pré-treino.",local:"6-verdadeiro-ou-falso-um-modelo-de-linguagem-geralmente-não-precisa-de-rótulos-para-seu-pré-treino",headingTag:"h3"}}),E=new c({props:{choices:[{text:"Verdadeiro",explain:"O pré-treinamento geralmente é _autosupervisionado_, o que significa que os rótulos são criados automaticamente a partir das entradas (como prever a próxima palavra ou preencher algumas palavras mascaradas).",correct:!0},{text:"Falso",explain:"Essa não é a resposta correta."}]}}),G=new u({props:{title:"7. Selecione a sentença que melhor descreve os termos “modelo”, “arquitetura” e “pesos”.",local:"7-selecione-a-sentença-que-melhor-descreve-os-termos-modelo-arquitetura-e-pesos",headingTag:"h3"}}),W=new c({props:{choices:[{text:"Se um modelo é um edifício, sua arquitetura é a planta e os pesos são as pessoas que vivem dentro dele.",explain:"Seguindo essa metáfora, os pesos seriam os tijolos e outros materiais utilizados na construção do edifício."},{text:"Uma arquitetura é um mapa para construir um modelo e seus pesos são as cidades representadas no mapa.",explain:"O problema com essa metáfora é que um mapa geralmente representa uma realidade existente (há apenas uma cidade na França chamada Paris). Para uma determinada arquitetura, vários pesos são possíveis."},{text:"Uma arquitetura é uma sucessão de funções matemáticas para construir um modelo e seus pesos são os parâmetros dessas funções.",explain:"O mesmo conjunto de funções matemáticas (arquitetura) pode ser usado para construir diferentes modelos usando diferentes parâmetros (pesos).",correct:!0}]}}),_=new u({props:{title:"8. Quais desses tipos de modelos você usaria para completar comandos com textos gerados?",local:"8-quais-desses-tipos-de-modelos-você-usaria-para-completar-comandos-com-textos-gerados",headingTag:"h3"}}),z=new c({props:{choices:[{text:"Um modelo de codificador",explain:"Um modelo de codificador gera uma representação de toda a frase que é mais adequada para tarefas como classificação."},{text:"Um modelo de decodificador",explain:"Os modelos de decodificadores são perfeitamente adequados para geração de texto a partir de um prompt.",correct:!0},{text:"Um modelo de sequência a sequência",explain:"Os modelos de sequência a sequência são mais adequados para tarefas em que você deseja gerar frases em relação às frases de entrada, não a um determinado prompt."}]}}),Z=new u({props:{title:"9. Quais desses tipos de modelos você usaria para resumir textos?",local:"9-quais-desses-tipos-de-modelos-você-usaria-para-resumir-textos",headingTag:"h3"}}),O=new c({props:{choices:[{text:"Um modelo de codificador",explain:"Um modelo de codificador gera uma representação de toda a frase que é mais adequada para tarefas como classificação."},{text:"Um modelo de decodificador",explain:"Os modelos decodificadores são bons para gerar texto de saída (como resumos), mas não têm a capacidade de explorar um contexto como o texto inteiro para resumir."},{text:"Um modelo de sequência a sequência",explain:"Os modelos de sequência a sequência são perfeitamente adequados para uma tarefa de sumarização.",correct:!0}]}}),Q=new u({props:{title:"10. Quais desses tipos de modelos você usaria para classificar entradas de texto de acordo com determinados rótulos?",local:"10-quais-desses-tipos-de-modelos-você-usaria-para-classificar-entradas-de-texto-de-acordo-com-determinados-rótulos",headingTag:"h3"}}),V=new c({props:{choices:[{text:"Um modelo de codificador",explain:"Um modelo de codificador gera uma representação de toda a frase que é perfeitamente adequada para uma tarefa como classificação.",correct:!0},{text:"Um modelo de decodificador",explain:"Os modelos decodificadores são bons para gerar textos de saída, não para extrair um rótulo de uma frase."},{text:"Um modelo de sequência a sequência",explain:"Os modelos de sequência a sequência são mais adequados para tarefas em que você deseja gerar texto com base em uma frase de entrada, não em um rótulo."}]}}),F=new u({props:{title:"11. Que possível fonte o viés observado em um modelo pode ter?",local:"11-que-possível-fonte-o-viés-observado-em-um-modelo-pode-ter",headingTag:"h3"}}),S=new c({props:{choices:[{text:"O modelo é uma versão afinada de um modelo pré-treinado e pega seu viés a partir dele.",explain:"Ao aplicar o Transfer Learning, o viés no modelo pré-treinado usado persiste no modelo ajustado.",correct:!0},{text:"Os dados em que o modelo foi treinado são enviesados.",explain:"Esta é a fonte mais óbvia de viés, mas não a única.",correct:!0},{text:"A métrica para a qual o modelo estava otimizando é enviesada.",explain:"Uma fonte menos óbvia de viés é a forma como o modelo é treinado. Seu modelo será otimizado cegamente para qualquer métrica que você escolher, sem pensar duas vezes.",correct:!0}]}}),H=new Se({props:{source:"https://github.com/huggingface/course/blob/main/chapters/pt/chapter1/10.mdx"}}),{c(){f=N("meta"),Y=t(),P=N("p"),K=t(),i($.$$.fragment),X=t(),i(g.$$.fragment),L=t(),x=N("p"),x.textContent=Ce,D=t(),q=N("p"),q.textContent=Ie,ee=t(),i(v.$$.fragment),ae=t(),i(b.$$.fragment),oe=t(),i(y.$$.fragment),se=t(),i(h.$$.fragment),te=t(),i(w.$$.fragment),re=t(),i(T.$$.fragment),ie=t(),i(U.$$.fragment),me=t(),i(M.$$.fragment),ne=t(),i(J.$$.fragment),le=t(),i(j.$$.fragment),pe=t(),i(B.$$.fragment),de=t(),i(C.$$.fragment),ue=t(),i(I.$$.fragment),ce=t(),i(k.$$.fragment),fe=t(),i(E.$$.fragment),$e=t(),i(G.$$.fragment),ge=t(),i(W.$$.fragment),xe=t(),i(_.$$.fragment),qe=t(),i(z.$$.fragment),ve=t(),i(Z.$$.fragment),be=t(),i(O.$$.fragment),ye=t(),i(Q.$$.fragment),he=t(),i(V.$$.fragment),we=t(),i(F.$$.fragment),Te=t(),i(S.$$.fragment),Ue=t(),i(H.$$.fragment),Me=t(),R=N("p"),this.h()},l(e){const a=Qe("svelte-u9bgzb",document.head);f=A(a,"META",{name:!0,content:!0}),a.forEach(o),Y=r(e),P=A(e,"P",{}),ke(P).forEach(o),K=r(e),m($.$$.fragment,e),X=r(e),m(g.$$.fragment,e),L=r(e),x=A(e,"P",{"data-svelte-h":!0}),Ee(x)!=="svelte-1cfuo9z"&&(x.textContent=Ce),D=r(e),q=A(e,"P",{"data-svelte-h":!0}),Ee(q)!=="svelte-1xb5xue"&&(q.textContent=Ie),ee=r(e),m(v.$$.fragment,e),ae=r(e),m(b.$$.fragment,e),oe=r(e),m(y.$$.fragment,e),se=r(e),m(h.$$.fragment,e),te=r(e),m(w.$$.fragment,e),re=r(e),m(T.$$.fragment,e),ie=r(e),m(U.$$.fragment,e),me=r(e),m(M.$$.fragment,e),ne=r(e),m(J.$$.fragment,e),le=r(e),m(j.$$.fragment,e),pe=r(e),m(B.$$.fragment,e),de=r(e),m(C.$$.fragment,e),ue=r(e),m(I.$$.fragment,e),ce=r(e),m(k.$$.fragment,e),fe=r(e),m(E.$$.fragment,e),$e=r(e),m(G.$$.fragment,e),ge=r(e),m(W.$$.fragment,e),xe=r(e),m(_.$$.fragment,e),qe=r(e),m(z.$$.fragment,e),ve=r(e),m(Z.$$.fragment,e),be=r(e),m(O.$$.fragment,e),ye=r(e),m(Q.$$.fragment,e),he=r(e),m(V.$$.fragment,e),we=r(e),m(F.$$.fragment,e),Te=r(e),m(S.$$.fragment,e),Ue=r(e),m(H.$$.fragment,e),Me=r(e),R=A(e,"P",{}),ke(R).forEach(o),this.h()},h(){Ge(f,"name","hf:doc:metadata"),Ge(f,"content",Pe)},m(e,a){Ve(document.head,f),s(e,Y,a),s(e,P,a),s(e,K,a),n($,e,a),s(e,X,a),n(g,e,a),s(e,L,a),s(e,x,a),s(e,D,a),s(e,q,a),s(e,ee,a),n(v,e,a),s(e,ae,a),n(b,e,a),s(e,oe,a),n(y,e,a),s(e,se,a),n(h,e,a),s(e,te,a),n(w,e,a),s(e,re,a),n(T,e,a),s(e,ie,a),n(U,e,a),s(e,me,a),n(M,e,a),s(e,ne,a),n(J,e,a),s(e,le,a),n(j,e,a),s(e,pe,a),n(B,e,a),s(e,de,a),n(C,e,a),s(e,ue,a),n(I,e,a),s(e,ce,a),n(k,e,a),s(e,fe,a),n(E,e,a),s(e,$e,a),n(G,e,a),s(e,ge,a),n(W,e,a),s(e,xe,a),n(_,e,a),s(e,qe,a),n(z,e,a),s(e,ve,a),n(Z,e,a),s(e,be,a),n(O,e,a),s(e,ye,a),n(Q,e,a),s(e,he,a),n(V,e,a),s(e,we,a),n(F,e,a),s(e,Te,a),n(S,e,a),s(e,Ue,a),n(H,e,a),s(e,Me,a),s(e,R,a),Je=!0},p:_e,i(e){Je||(l($.$$.fragment,e),l(g.$$.fragment,e),l(v.$$.fragment,e),l(b.$$.fragment,e),l(y.$$.fragment,e),l(h.$$.fragment,e),l(w.$$.fragment,e),l(T.$$.fragment,e),l(U.$$.fragment,e),l(M.$$.fragment,e),l(J.$$.fragment,e),l(j.$$.fragment,e),l(B.$$.fragment,e),l(C.$$.fragment,e),l(I.$$.fragment,e),l(k.$$.fragment,e),l(E.$$.fragment,e),l(G.$$.fragment,e),l(W.$$.fragment,e),l(_.$$.fragment,e),l(z.$$.fragment,e),l(Z.$$.fragment,e),l(O.$$.fragment,e),l(Q.$$.fragment,e),l(V.$$.fragment,e),l(F.$$.fragment,e),l(S.$$.fragment,e),l(H.$$.fragment,e),Je=!0)},o(e){p($.$$.fragment,e),p(g.$$.fragment,e),p(v.$$.fragment,e),p(b.$$.fragment,e),p(y.$$.fragment,e),p(h.$$.fragment,e),p(w.$$.fragment,e),p(T.$$.fragment,e),p(U.$$.fragment,e),p(M.$$.fragment,e),p(J.$$.fragment,e),p(j.$$.fragment,e),p(B.$$.fragment,e),p(C.$$.fragment,e),p(I.$$.fragment,e),p(k.$$.fragment,e),p(E.$$.fragment,e),p(G.$$.fragment,e),p(W.$$.fragment,e),p(_.$$.fragment,e),p(z.$$.fragment,e),p(Z.$$.fragment,e),p(O.$$.fragment,e),p(Q.$$.fragment,e),p(V.$$.fragment,e),p(F.$$.fragment,e),p(S.$$.fragment,e),p(H.$$.fragment,e),Je=!1},d(e){e&&(o(Y),o(P),o(K),o(X),o(L),o(x),o(D),o(q),o(ee),o(ae),o(oe),o(se),o(te),o(re),o(ie),o(me),o(ne),o(le),o(pe),o(de),o(ue),o(ce),o(fe),o($e),o(ge),o(xe),o(qe),o(ve),o(be),o(ye),o(he),o(we),o(Te),o(Ue),o(Me),o(R)),o(f),d($,e),d(g,e),d(v,e),d(b,e),d(y,e),d(h,e),d(w,e),d(T,e),d(U,e),d(M,e),d(J,e),d(j,e),d(B,e),d(C,e),d(I,e),d(k,e),d(E,e),d(G,e),d(W,e),d(_,e),d(z,e),d(Z,e),d(O,e),d(Q,e),d(V,e),d(F,e),d(S,e),d(H,e)}}}const Pe='{"title":"Questionário de fim de capítulo","local":"questionário-de-fim-de-capítulo","sections":[{"title":"1. Explore o Hub e olhe para o checkpoint roberta-large-mnli . Que tarefa ele executa?","local":"1-explore-o-hub-e-olhe-para-o-checkpoint-roberta-large-mnli--que-tarefa-ele-executa","sections":[],"depth":3},{"title":"2. O que o código a seguir retornará?","local":"2-o-que-o-código-a-seguir-retornará","sections":[],"depth":3},{"title":"3. O que deverá substituir … nesse trecho de código?","local":"3-o-que-deverá-substituir--nesse-trecho-de-código","sections":[],"depth":3},{"title":"4. Por que esse código irá dar erro?","local":"4-por-que-esse-código-irá-dar-erro","sections":[],"depth":3},{"title":"5. O que “transfer learning” significa?","local":"5-o-que-transfer-learning-significa","sections":[],"depth":3},{"title":"6. Verdadeiro ou Falso? Um modelo de linguagem geralmente não precisa de rótulos para seu pré-treino.","local":"6-verdadeiro-ou-falso-um-modelo-de-linguagem-geralmente-não-precisa-de-rótulos-para-seu-pré-treino","sections":[],"depth":3},{"title":"7. Selecione a sentença que melhor descreve os termos “modelo”, “arquitetura” e “pesos”.","local":"7-selecione-a-sentença-que-melhor-descreve-os-termos-modelo-arquitetura-e-pesos","sections":[],"depth":3},{"title":"8. Quais desses tipos de modelos você usaria para completar comandos com textos gerados?","local":"8-quais-desses-tipos-de-modelos-você-usaria-para-completar-comandos-com-textos-gerados","sections":[],"depth":3},{"title":"9. Quais desses tipos de modelos você usaria para resumir textos?","local":"9-quais-desses-tipos-de-modelos-você-usaria-para-resumir-textos","sections":[],"depth":3},{"title":"10. Quais desses tipos de modelos você usaria para classificar entradas de texto de acordo com determinados rótulos?","local":"10-quais-desses-tipos-de-modelos-você-usaria-para-classificar-entradas-de-texto-de-acordo-com-determinados-rótulos","sections":[],"depth":3},{"title":"11. Que possível fonte o viés observado em um modelo pode ter?","local":"11-que-possível-fonte-o-viés-observado-em-um-modelo-pode-ter","sections":[],"depth":3}],"depth":1}';function Re(Be){return ze(()=>{new URLSearchParams(window.location.search).get("fw")}),[]}class De extends Ze{constructor(f){super(),Oe(this,f,Re,He,We,{})}}export{De as component};