course/pr_1095/fa/_app/immutable/nodes/3.afa700fb.js

import{s as Jt,n as Kt,o as Ot}from"../chunks/scheduler.47c1f99a.js";import{S as Rt,i as Qt,e as o,s as l,c as p,h as Xt,a as s,d as g,b as r,f as Pt,g as u,j as i,k as Z,l as n,m as H,n as m,t as c,o as d,p as w}from"../chunks/index.1514974e.js";import{C as Zt,H as tt,E as te}from"../chunks/MermaidChart.svelte_svelte_type_style_lang.0317b135.js";import{Y as ee}from"../chunks/Youtube.471cebef.js";import{C as ne}from"../chunks/CourseFloatingBanner.af09b263.js";function ae(Ht){let h,K,B,O,t,$,et,v,nt,L,at,x,lt,C,rt,y,yt='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.',ot,T,st,b,bt="دید کلی کوتاه از مباحث این دوره آموزشی:",it,_,kt='<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"/>',gt,k,zt='<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>',ft,z,jt="این دوره آموزشی:",ht,j,Nt='<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>',pt,N,Et='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.',ut,M,mt,E,At="درباره نویسندگان:",ct,A,Dt='<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.',dt,D,It="<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.",wt,I,St='<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.',$t,S,Gt="<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.",vt,G,Ut="<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.",Lt,U,qt='<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.',xt,q,Ft='<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.',Ct,F,Vt="آماده‌ی ورود به این دوره هستید؟ در این فصل شما می‌آموزید که:",Tt,V,Wt='<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>',_t,W,Yt=`[^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`,Mt,Y,Bt="[^11]: Leandro von Werra",R,P,Q,J,X;return $=new Zt({props:{containerStyle:"float: right; margin-left: 10px; display: inline-flex; position: relative; z-index: 10;"}}),v=new tt({props:{title:"مقدمه",local:"مقدمه",headingTag:"h1"}}),L=new ne({props:{chapter:1,classNames:"absolute z-10 right-0 top-0"}}),x=new tt({props:{title:"به دوره‌ آموزشی هاگینگ‌فِیس خوش آمدید",local:"به-دوره-آموزشی-هاگینگفیس-خوش-آمدید",headingTag:"h2"}}),C=new ee({props:{id:"00GKzGyWFEs"}}),T=new tt({props:{title:"در این دوره چه چیزهایی را می‌آموزیم؟",local:"در-این-دوره-چه-چیزهایی-را-میآموزیم",headingTag:"h2"}}),M=new tt({props:{title:"ما چه کسانی هستیم؟",local:"ما-چه-کسانی-هستیم",headingTag:"h2"}}),P=new te({props:{source:"https://github.com/huggingface/course/blob/main/chapters/fa/chapter1/1.mdx"}}),{c(){h=o("meta"),K=l(),B=o("p"),O=l(),t=o("div"),p($.$$.fragment),et=l(),p(v.$$.fragment),nt=l(),p(L.$$.fragment),at=l(),p(x.$$.fragment),lt=l(),p(C.$$.fragment),rt=l(),y=o("p"),y.innerHTML=yt,ot=l(),p(T.$$.fragment),st=l(),b=o("p"),b.textContent=bt,it=l(),_=o("div"),_.innerHTML=kt,gt=l(),k=o("ul"),k.innerHTML=zt,ft=l(),z=o("p"),z.textContent=jt,ht=l(),j=o("ul"),j.innerHTML=Nt,pt=l(),N=o("p"),N.innerHTML=Et,ut=l(),p(M.$$.fragment),mt=l(),E=o("p"),E.textContent=At,ct=l(),A=o("p"),A.innerHTML=Dt,dt=l(),D=o("p"),D.innerHTML=It,wt=l(),I=o("p"),I.innerHTML=St,$t=l(),S=o("p"),S.innerHTML=Gt,vt=l(),G=o("p"),G.innerHTML=Ut,Lt=l(),U=o("p"),U.innerHTML=qt,xt=l(),q=o("p"),q.innerHTML=Ft,Ct=l(),F=o("p"),F.textContent=Vt,Tt=l(),V=o("ul"),V.innerHTML=Wt,_t=l(),W=o("p"),W.textContent=Yt,Mt=l(),Y=o("p"),Y.textContent=Bt,R=l(),p(P.$$.fragment),Q=l(),J=o("p"),this.h()},l(a){const f=Xt("svelte-u9bgzb",document.head);h=s(f,"META",{name:!0,content:!0}),f.forEach(g),K=r(a),B=s(a,"P",{}),Pt(B).forEach(g),O=r(a),t=s(a,"DIV",{dir:!0});var e=Pt(t);u($.$$.fragment,e),et=r(e),u(v.$$.fragment,e),nt=r(e),u(L.$$.fragment,e),at=r(e),u(x.$$.fragment,e),lt=r(e),u(C.$$.fragment,e),rt=r(e),y=s(e,"P",{"data-svelte-h":!0}),i(y)!=="svelte-13tjlth"&&(y.innerHTML=yt),ot=r(e),u(T.$$.fragment,e),st=r(e),b=s(e,"P",{"data-svelte-h":!0}),i(b)!=="svelte-1h2zz04"&&(b.textContent=bt),it=r(e),_=s(e,"DIV",{class:!0,"data-svelte-h":!0}),i(_)!=="svelte-1bcjhf"&&(_.innerHTML=kt),gt=r(e),k=s(e,"UL",{"data-svelte-h":!0}),i(k)!=="svelte-1nyiu2j"&&(k.innerHTML=zt),ft=r(e),z=s(e,"P",{"data-svelte-h":!0}),i(z)!=="svelte-x4jjen"&&(z.textContent=jt),ht=r(e),j=s(e,"UL",{"data-svelte-h":!0}),i(j)!=="svelte-bvlchw"&&(j.innerHTML=Nt),pt=r(e),N=s(e,"P",{"data-svelte-h":!0}),i(N)!=="svelte-1tmhido"&&(N.innerHTML=Et),ut=r(e),u(M.$$.fragment,e),mt=r(e),E=s(e,"P",{"data-svelte-h":!0}),i(E)!=="svelte-jmcczx"&&(E.textContent=At),ct=r(e),A=s(e,"P",{"data-svelte-h":!0}),i(A)!=="svelte-1j168j0"&&(A.innerHTML=Dt),dt=r(e),D=s(e,"P",{"data-svelte-h":!0}),i(D)!=="svelte-18yikuw"&&(D.innerHTML=It),wt=r(e),I=s(e,"P",{"data-svelte-h":!0}),i(I)!=="svelte-1yw6zjg"&&(I.innerHTML=St),$t=r(e),S=s(e,"P",{"data-svelte-h":!0}),i(S)!=="svelte-1waunsz"&&(S.innerHTML=Gt),vt=r(e),G=s(e,"P",{"data-svelte-h":!0}),i(G)!=="svelte-ki5ck7"&&(G.innerHTML=Ut),Lt=r(e),U=s(e,"P",{"data-svelte-h":!0}),i(U)!=="svelte-av47el"&&(U.innerHTML=qt),xt=r(e),q=s(e,"P",{"data-svelte-h":!0}),i(q)!=="svelte-1iggtk4"&&(q.innerHTML=Ft),Ct=r(e),F=s(e,"P",{"data-svelte-h":!0}),i(F)!=="svelte-4ofg7t"&&(F.textContent=Vt),Tt=r(e),V=s(e,"UL",{"data-svelte-h":!0}),i(V)!=="svelte-1c9aswq"&&(V.innerHTML=Wt),_t=r(e),W=s(e,"P",{"data-svelte-h":!0}),i(W)!=="svelte-1w6o4ia"&&(W.textContent=Yt),Mt=r(e),Y=s(e,"P",{"data-svelte-h":!0}),i(Y)!=="svelte-141vsl1"&&(Y.textContent=Bt),e.forEach(g),R=r(a),u(P.$$.fragment,a),Q=r(a),J=s(a,"P",{}),Pt(J).forEach(g),this.h()},h(){Z(h,"name","hf:doc:metadata"),Z(h,"content",le),Z(_,"class","flex justify-center"),Z(t,"dir","rtl")},m(a,f){n(document.head,h),H(a,K,f),H(a,B,f),H(a,O,f),H(a,t,f),m($,t,null),n(t,et),m(v,t,null),n(t,nt),m(L,t,null),n(t,at),m(x,t,null),n(t,lt),m(C,t,null),n(t,rt),n(t,y),n(t,ot),m(T,t,null),n(t,st),n(t,b),n(t,it),n(t,_),n(t,gt),n(t,k),n(t,ft),n(t,z),n(t,ht),n(t,j),n(t,pt),n(t,N),n(t,ut),m(M,t,null),n(t,mt),n(t,E),n(t,ct),n(t,A),n(t,dt),n(t,D),n(t,wt),n(t,I),n(t,$t),n(t,S),n(t,vt),n(t,G),n(t,Lt),n(t,U),n(t,xt),n(t,q),n(t,Ct),n(t,F),n(t,Tt),n(t,V),n(t,_t),n(t,W),n(t,Mt),n(t,Y),H(a,R,f),m(P,a,f),H(a,Q,f),H(a,J,f),X=!0},p:Kt,i(a){X||(c($.$$.fragment,a),c(v.$$.fragment,a),c(L.$$.fragment,a),c(x.$$.fragment,a),c(C.$$.fragment,a),c(T.$$.fragment,a),c(M.$$.fragment,a),c(P.$$.fragment,a),X=!0)},o(a){d($.$$.fragment,a),d(v.$$.fragment,a),d(L.$$.fragment,a),d(x.$$.fragment,a),d(C.$$.fragment,a),d(T.$$.fragment,a),d(M.$$.fragment,a),d(P.$$.fragment,a),X=!1},d(a){a&&(g(K),g(B),g(O),g(t),g(R),g(Q),g(J)),g(h),w($),w(v),w(L),w(x),w(C),w(T),w(M),w(P,a)}}}const le='{"title":"مقدمه","local":"مقدمه","sections":[{"title":"به دوره‌ آموزشی هاگینگ‌فِیس خوش آمدید","local":"به-دوره-آموزشی-هاگینگفیس-خوش-آمدید","sections":[],"depth":2},{"title":"در این دوره چه چیزهایی را می‌آموزیم؟","local":"در-این-دوره-چه-چیزهایی-را-میآموزیم","sections":[],"depth":2},{"title":"ما چه کسانی هستیم؟","local":"ما-چه-کسانی-هستیم","sections":[],"depth":2}],"depth":1}';function re(Ht){return Ot(()=>{new URLSearchParams(window.location.search).get("fw")}),[]}class he extends Rt{constructor(h){super(),Qt(this,h,re,ae,Jt,{})}}export{he as component};