course/pr_1069/th/_app/immutable/nodes/3.74740bdd.js

import{s as Ae,n as Se,o as Ie}from"../chunks/scheduler.37c15a92.js";import{S as je,i as Ge,g as r,s as i,r as z,A as Be,h as s,f as n,c as a,j as De,u as D,x as o,k as we,y as Re,a as l,v as A,d as S,t as I,w as j}from"../chunks/index.2bf4358c.js";import{Y as qe}from"../chunks/Youtube.1e50a667.js";import{C as Ue}from"../chunks/CourseFloatingBanner.6add7356.js";import{H as he,E as Oe}from"../chunks/getInferenceSnippets.24b50994.js";function We(ve){let f,R,G,q,p,U,u,O,m,W,c,Y,h,$e='คอร์สนี้จะสอนคุณเกี่ยวกับการประมวลผลภาษาธรรมชาติหรือ(หรือเรียกว่า NLP) โดยใช้กลุ่ม library ของ <a href="https://huggingface.co/" rel="nofollow">Hugging Face</a> ได้แก่ <a href="https://github.com/huggingface/transformers" rel="nofollow">🤗 Transformers</a>, <a href="https://github.com/huggingface/datasets" rel="nofollow">🤗 Datasets</a>, <a href="https://github.com/huggingface/tokenizers" rel="nofollow">🤗 Tokenizers</a>, และ <a href="https://github.com/huggingface/accelerate" rel="nofollow">🤗 Accelerate</a> รวมไปถึงการใช้งาน <a href="https://huggingface.co/models" rel="nofollow">Hugging Face Hub</a> โดยคอร์สนี้เป็นคอร์สฟรีและไม่มีโฆษณา',J,w,K,v,Le="ภาพรวมของคอร์สเป็นดังนี้:",V,g,Te='<img class="block dark:hidden" src="https://huggingface.co/datasets/huggingface-course/documentation-images/resolve/main/en/chapter1/summary.svg" alt="Brief overview of the chapters of the course."/> <img class="hidden dark:block" src="https://huggingface.co/datasets/huggingface-course/documentation-images/resolve/main/en/chapter1/summary-dark.svg" alt="Brief overview of the chapters of the course."/>',Q,$,He='<li>บทที่ 1 ถึง 4 จะพาคุณไปรู้จักกับคอนเซปต์หลัก ๆ ของ library 🤗 Transformers เมื่อเรียนเนื้อหาในส่วนนี้จบแล้วคุณจะเรียนรู้ว่าโมเดล Transformer ทำงานอย่างไร และเรียนรู้การใช้งานโมเดลจาก <a href="https://huggingface.co/models" rel="nofollow">Hugging Face Hub</a>, fine-tune โมเดลผ่าน dataset, และแชร์ผลลัพธ์ขึ้น Hub</li> <li>บทที่ 5 ถึง 8 จะสอนเกี่ยวกับ 🤗 Datasets และ 🤗 Tokenizers พื้นฐานก่อนที่จะไปลุยกันในส่วนของงานทางด้าน NLP แบบดั้งเดิม หลังจากเรียนเนื้อหาส่วนนี้จบ คุณจะสามารถแก้ปัญหา NLP ทั่วไปเองได้แล้ว</li> <li>บทที่ 9 ถึง 12 จะเจาะลึกเนื้อหามากกว่า NLP โดยจะเรียนรู้วิธีการที่โมเดล Transformer จัดการกับการประมวลผลคำพูด(หรือเรียกว่า speech processing) รวมถึงงานทางด้านการประมวลผลภาพ(หรือเรียกว่า computer vision)  ระหว่างนี้คุณจะได้เรียนรู้วิธีการสร้างและแชร์เดโมของโมเดล รวมถึงการ optimize เพื่อให้สามารถใช้งานในระดับ production ได้จริง หลังจากเรียนเนื้อหาส่วนนี้จบ คุณก็พร้อมที่จะใช้ 🤗 Transformers ในการแก้(เกือบ)ทุกปัญหาเกี่ยวกับ machine learning ได้แล้ว!</li>',X,L,de="การเรียนคอร์สนี้:",Z,T,Me='<li>ผู้เรียนต้องมีความรู้ในการเขียนโปรแกรมภาษา Python อย่างดี</li> <li>ไม่ได้สอนพื้นฐาน deep learning ให้ ผู้เรียนควรเรียนคอร์สพื้นฐานอื่น ๆ มาก่อนแล้ว เช่น คอร์ส <a href="https://course.fast.ai/" rel="nofollow">Practical Deep Learning for Coders</a> โดย <a href="https://www.fast.ai/" rel="nofollow">fast.ai’s</a> หรือคอร์สจาก <a href="https://www.deeplearning.ai/" rel="nofollow">DeepLearning.AI</a></li> <li>ผู้เรียนไม่จำเป็นต้องมีความรู้เกี่ยวกับ <a href="https://pytorch.org/" rel="nofollow">PyTorch</a> หรือ <a href="https://www.tensorflow.org/" rel="nofollow">TensorFlow</a> มาก่อน แต่ถ้าหากเคยใช้จะสามารถเรียนรู้ได้ง่ายยิ่งขึ้น</li>',ee,H,_e='หลังจากเรียนจบคอร์สนี้ เราแนะนำให้คุณไปเรียนคอร์ส <a href="https://www.coursera.org/specializations/natural-language-processing?utm_source=deeplearning-ai&amp;utm_medium=institutions&amp;utm_campaign=20211011-nlp-2-hugging_face-page-nlp-refresh" rel="nofollow">Natural Language Processing Specialization</a> ของ DeepLearning.AI ซึ่งสอนเนื้อหาเกี่ยวกับโมเดล NLP พื้นฐานที่ควรรู้ เช่น Naive Bayes และ LSTM',te,d,ne,M,be="ทีมงานผู้สอนได้แก่:",le,_,xe="<strong>Matthew Carrigan</strong> ทำงานตำแหน่ง Machine Learning Engineer ที่ Hugging Face อาศัยอยู่ที่เมือง Dublin ประเทศ Ireland เคยทำงานเป็น ML Engineer ที่ Parse.ly และเคยเป็นนักวิจัยหลังปริญญาเอกที่ Trinity College ใน Dublin เขาเองไม่เคยเชื่อว่าจะสามารถสร้างปัญญาประดิษฐ์ที่สามารถคิดเรื่องทั่วไปได้เหมือนมนุษย์จริง ๆ (หรือเรียกว่า Aritificial General Intelligence หรือตัวย่อว่า AGI) ได้ด้วยการขยายโครงสร้างโมเดลที่มีอยู่ปัจจุบัน แต่เขาก็ยังหวังเป็นอย่างมากเกี่ยวกับการเป็นอมตะของหุ่นยนต์",ie,b,Pe="<strong>Lysandre Debut</strong> ทำงานตำแหน่ง Machine Learning Engineer ที่ Hugging Face ตั้งแต่เริ่มพัฒนา library 🤗 Transformers วาดฝันไว้ว่าจะทำให้ทุกคนใช้งาน NLP ได้ด้วยการพัฒนาเครื่องมือต่าง ๆ ผ่าน API ที่ใช้งานได้ง่าย",ae,x,ye='<strong>Sylvain Gugger</strong> ทำงานตำแหน่ง Research Engineer ที่ Hugging Face และเป็นหนึ่งในผู้ดูแลหลักของ library 🤗 Transformers ก่อนหน้านี้เป็น Research Scientist ที่ fast.ai และเป็นผู้ร่วมแต่งหนังสือ <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> กับ Jeremy Howard เป้าหมายหลักของงานวิจัย คือ การทำให้คนทั่วไปใช้งานโมเดล deep learning ได้ง่ายโดยการออกแบบและปรับปรุงเทคนิคต่าง ๆ ที่ทำให้การ train โมเดลรวดเร็วยิ่งขึ้นบนทรัพยากรคอมพิวเตอร์ที่จำกัด',re,P,Ce="<strong>Merve Noyan</strong> ทำงานตำแหน่ง Developer Advocate ที่ Hugging Face ทำหน้าที่พัฒนาเครื่องมือในการทำงานต่าง ๆ รวมถึงผลิตสื่อที่มีเนื้อหาเกี่ยวกับเครื่องมือเหล่านี้เพื่อให้ทุกคนสามารถใช้งาน machine learning ได้ง่าย",se,y,Ee="<strong>Lucile Saulnier</strong> ทำงานตำแหน่ง Machine Learning Engineer ที่ Hugging Face ทำหน้าที่พัฒนาและสนับสนุนการใช้งานเครื่องมือ open-source เธอเองเป็นส่วนหนึ่งในโปรเจควิจัยหลายโปรเจคในเกี่ยวกับ NLP เช่น collaborative training และ BigScience",oe,C,ke='<strong>Lewis Tunstall</strong> ทำงานตำแหน่ง Machine Learning Engineer ที่ Hugging Face ทำหน้าที่พัฒนาเครื่องมือ open-source เพื่อให้มีการใช้งานอย่างแพร่หลายในชุมชน เป็นผู้ร่วมแต่งหนังสือ <a href="https://www.oreilly.com/library/view/natural-language-processing/9781098136789/" rel="nofollow">O’Reilly book on Transformers</a> ที่กำลังจะตีพิมพ์เร็ว ๆ นี้',fe,E,Fe='<strong>Leandro von Werra</strong>  ทำงานตำแหน่ง Machine Learning Engineer ที่ Hugging Face ทีม open-source และเป็นผู้ร่วมแต่งหนังสือ <a href="https://www.oreilly.com/library/view/natural-language-processing/9781098136789/" rel="nofollow">O’Reilly book on Transformers</a> เช่นกัน มีประสบการณ์หลายปีในการนำโปรเจค NLP สู่การใช้งานจริงในอุตสาหกรรม',ge,k,Ne="พร้อมกันรึยัง? ในบทนี้ คุณจะได้เรียน:",pe,F,ze="<li>วิธีการใช้ฟังก์ชัน <code>pipeline()</code> เพื่อแก้ปัญหา NLP เช่น การสร้างข้อความ(หรือเรียกว่า text generation) หรือการแบ่งประเภทข้อความ(หรือเรียกว่า text classification)</li> <li>โครงสร้างของ Transformer</li> <li>วิธีการแยกระหว่าง encoder, decoder, และ โครงสร้าง encoder-decoder รวมถึงการใช้งานต่าง ๆ</li>",ue,N,me,B,ce;return p=new he({props:{title:"บทนำ",local:"บทนำ",headingTag:"h1"}}),u=new Ue({props:{chapter:1,classNames:"absolute z-10 right-0 top-0"}}),m=new he({props:{title:"ยินดีต้อนรับเข้าสู่คอร์ส 🤗!",local:"ยนดตอนรบเขาสคอรส-",headingTag:"h2"}}),c=new qe({props:{id:"00GKzGyWFEs"}}),w=new he({props:{title:"คุณจะได้อะไรจากการเรียนคอร์สนี้?",local:"คณจะไดอะไรจากการเรยนคอรสน",headingTag:"h2"}}),d=new he({props:{title:"ผู้สอนมีใครบ้าง?",local:"ผสอนมใครบาง",headingTag:"h2"}}),N=new Oe({props:{source:"https://github.com/huggingface/course/blob/main/chapters/th/chapter1/1.mdx"}}),{c(){f=r("meta"),R=i(),G=r("p"),q=i(),z(p.$$.fragment),U=i(),z(u.$$.fragment),O=i(),z(m.$$.fragment),W=i(),z(c.$$.fragment),Y=i(),h=r("p"),h.innerHTML=$e,J=i(),z(w.$$.fragment),K=i(),v=r("p"),v.textContent=Le,V=i(),g=r("div"),g.innerHTML=Te,Q=i(),$=r("ul"),$.innerHTML=He,X=i(),L=r("p"),L.textContent=de,Z=i(),T=r("ul"),T.innerHTML=Me,ee=i(),H=r("p"),H.innerHTML=_e,te=i(),z(d.$$.fragment),ne=i(),M=r("p"),M.textContent=be,le=i(),_=r("p"),_.innerHTML=xe,ie=i(),b=r("p"),b.innerHTML=Pe,ae=i(),x=r("p"),x.innerHTML=ye,re=i(),P=r("p"),P.innerHTML=Ce,se=i(),y=r("p"),y.innerHTML=Ee,oe=i(),C=r("p"),C.innerHTML=ke,fe=i(),E=r("p"),E.innerHTML=Fe,ge=i(),k=r("p"),k.textContent=Ne,pe=i(),F=r("ul"),F.innerHTML=ze,ue=i(),z(N.$$.fragment),me=i(),B=r("p"),this.h()},l(e){const t=Be("svelte-u9bgzb",document.head);f=s(t,"META",{name:!0,content:!0}),t.forEach(n),R=a(e),G=s(e,"P",{}),De(G).forEach(n),q=a(e),D(p.$$.fragment,e),U=a(e),D(u.$$.fragment,e),O=a(e),D(m.$$.fragment,e),W=a(e),D(c.$$.fragment,e),Y=a(e),h=s(e,"P",{"data-svelte-h":!0}),o(h)!=="svelte-1xzq1w"&&(h.innerHTML=$e),J=a(e),D(w.$$.fragment,e),K=a(e),v=s(e,"P",{"data-svelte-h":!0}),o(v)!=="svelte-1tqhc2h"&&(v.textContent=Le),V=a(e),g=s(e,"DIV",{class:!0,"data-svelte-h":!0}),o(g)!=="svelte-1f838r7"&&(g.innerHTML=Te),Q=a(e),$=s(e,"UL",{"data-svelte-h":!0}),o($)!=="svelte-fcl96z"&&($.innerHTML=He),X=a(e),L=s(e,"P",{"data-svelte-h":!0}),o(L)!=="svelte-rqdpwg"&&(L.textContent=de),Z=a(e),T=s(e,"UL",{"data-svelte-h":!0}),o(T)!=="svelte-1j0xf9u"&&(T.innerHTML=Me),ee=a(e),H=s(e,"P",{"data-svelte-h":!0}),o(H)!=="svelte-lfjf4j"&&(H.innerHTML=_e),te=a(e),D(d.$$.fragment,e),ne=a(e),M=s(e,"P",{"data-svelte-h":!0}),o(M)!=="svelte-18gd82u"&&(M.textContent=be),le=a(e),_=s(e,"P",{"data-svelte-h":!0}),o(_)!=="svelte-1l198kf"&&(_.innerHTML=xe),ie=a(e),b=s(e,"P",{"data-svelte-h":!0}),o(b)!=="svelte-15atdrt"&&(b.innerHTML=Pe),ae=a(e),x=s(e,"P",{"data-svelte-h":!0}),o(x)!=="svelte-spa4or"&&(x.innerHTML=ye),re=a(e),P=s(e,"P",{"data-svelte-h":!0}),o(P)!=="svelte-1a64ag3"&&(P.innerHTML=Ce),se=a(e),y=s(e,"P",{"data-svelte-h":!0}),o(y)!=="svelte-41kmd8"&&(y.innerHTML=Ee),oe=a(e),C=s(e,"P",{"data-svelte-h":!0}),o(C)!=="svelte-3ow4m0"&&(C.innerHTML=ke),fe=a(e),E=s(e,"P",{"data-svelte-h":!0}),o(E)!=="svelte-600aop"&&(E.innerHTML=Fe),ge=a(e),k=s(e,"P",{"data-svelte-h":!0}),o(k)!=="svelte-ba53fw"&&(k.textContent=Ne),pe=a(e),F=s(e,"UL",{"data-svelte-h":!0}),o(F)!=="svelte-18jb9t"&&(F.innerHTML=ze),ue=a(e),D(N.$$.fragment,e),me=a(e),B=s(e,"P",{}),De(B).forEach(n),this.h()},h(){we(f,"name","hf:doc:metadata"),we(f,"content",Ye),we(g,"class","flex justify-center")},m(e,t){Re(document.head,f),l(e,R,t),l(e,G,t),l(e,q,t),A(p,e,t),l(e,U,t),A(u,e,t),l(e,O,t),A(m,e,t),l(e,W,t),A(c,e,t),l(e,Y,t),l(e,h,t),l(e,J,t),A(w,e,t),l(e,K,t),l(e,v,t),l(e,V,t),l(e,g,t),l(e,Q,t),l(e,$,t),l(e,X,t),l(e,L,t),l(e,Z,t),l(e,T,t),l(e,ee,t),l(e,H,t),l(e,te,t),A(d,e,t),l(e,ne,t),l(e,M,t),l(e,le,t),l(e,_,t),l(e,ie,t),l(e,b,t),l(e,ae,t),l(e,x,t),l(e,re,t),l(e,P,t),l(e,se,t),l(e,y,t),l(e,oe,t),l(e,C,t),l(e,fe,t),l(e,E,t),l(e,ge,t),l(e,k,t),l(e,pe,t),l(e,F,t),l(e,ue,t),A(N,e,t),l(e,me,t),l(e,B,t),ce=!0},p:Se,i(e){ce||(S(p.$$.fragment,e),S(u.$$.fragment,e),S(m.$$.fragment,e),S(c.$$.fragment,e),S(w.$$.fragment,e),S(d.$$.fragment,e),S(N.$$.fragment,e),ce=!0)},o(e){I(p.$$.fragment,e),I(u.$$.fragment,e),I(m.$$.fragment,e),I(c.$$.fragment,e),I(w.$$.fragment,e),I(d.$$.fragment,e),I(N.$$.fragment,e),ce=!1},d(e){e&&(n(R),n(G),n(q),n(U),n(O),n(W),n(Y),n(h),n(J),n(K),n(v),n(V),n(g),n(Q),n($),n(X),n(L),n(Z),n(T),n(ee),n(H),n(te),n(ne),n(M),n(le),n(_),n(ie),n(b),n(ae),n(x),n(re),n(P),n(se),n(y),n(oe),n(C),n(fe),n(E),n(ge),n(k),n(pe),n(F),n(ue),n(me),n(B)),n(f),j(p,e),j(u,e),j(m,e),j(c,e),j(w,e),j(d,e),j(N,e)}}}const Ye='{"title":"บทนำ","local":"บทนำ","sections":[{"title":"ยินดีต้อนรับเข้าสู่คอร์ส 🤗!","local":"ยนดตอนรบเขาสคอรส-","sections":[],"depth":2},{"title":"คุณจะได้อะไรจากการเรียนคอร์สนี้?","local":"คณจะไดอะไรจากการเรยนคอรสน","sections":[],"depth":2},{"title":"ผู้สอนมีใครบ้าง?","local":"ผสอนมใครบาง","sections":[],"depth":2}],"depth":1}';function Je(ve){return Ie(()=>{new URLSearchParams(window.location.search).get("fw")}),[]}class et extends je{constructor(f){super(),Ge(this,f,Je,We,Ae,{})}}export{et as component};