course/pr_1107/ja/chapter1/9.md

# まとめ

<CourseFloatingBanner
    chapter={1}
    classNames="absolute z-10 right-0 top-0"
/>

この章では、🤗 Transformersが提供する高レベルな`pipeline()` 関数を用いて、異なるNLPタスクにアプローチする方法を学びました。また、同様にHubを用いてモデルを探す方法や、推論APIを使ってブラウザ上でモデルを直接テストする方法も学びました。

さらに、Transformerモデルがどのように動作するかを高いレベルで議論し、さらに転移学習やファインチューニングの重要性について話しました。一つの重要な観点は、解きたいタスクに応じてアーキテクチャ全体を用いることや、エンコーダーやデコーダーの一方だけを用いることができるという点です。以下の表はそのまとめです。

| モデル           | 例                                          | タスク                                                                            |
|-----------------|--------------------------------------------|----------------------------------------------------------------------------------|
| Encoder         | ALBERT, BERT, DistilBERT, ELECTRA, RoBERTa |文章分類, 固有表現抽出, 抽出型質問応答                                                  |
| Decoder         | CTRL, GPT, GPT-2, Transformer XL           | 文章生成                                                                          |
| Encoder-decoder | BART, T5, Marian, mBART                    | 文章要約, 翻訳, 生成型質問応答　                                                      |


<EditOnGithub source="https://github.com/huggingface/course/blob/main/chapters/ja/chapter1/9.mdx" />