Buckets:
| # Confira o 🤗 Datasets! | |
| <CourseFloatingBanner | |
| chapter={5} | |
| classNames="absolute z-10 right-0 top-0" | |
| /> | |
| Bem, esse foi um belo passeio pela biblioteca 🤗 Datasets - parabéns por chegar até aqui! Com o conhecimento que você adquiriu neste capítulo, você deve ser capaz de: | |
| - Carregue conjuntos de dados de qualquer lugar, seja o Hugging Face Hub, seu laptop ou um servidor remoto em sua empresa. | |
| - Organize seus dados usando uma combinação das funções `Dataset.map()` e `Dataset.filter()`. | |
| - Alterne rapidamente entre formatos de dados como Pandas e NumPy usando `Dataset.set_format()`. | |
| - Crie seu próprio conjunto de dados e envie-o para o Hugging Face Hub. | |
| - Incorpore seus documentos usando um modelo Transformer e construa um mecanismo de pesquisa semântica usando o FAISS. | |
| No [Capítulo 7](/course/chapter7), usaremos tudo isso para nos aprofundarmos nas principais tarefas de PNL para as quais os modelos Transformer são ótimos. Antes de avançar, no entanto, teste seu conhecimento de 🤗 Datasets com um teste rápido! | |
| <EditOnGithub source="https://github.com/huggingface/course/blob/main/chapters/pt/chapter5/7.mdx" /> |
Xet Storage Details
- Size:
- 1.16 kB
- Xet hash:
- 39c00f832898660213285741787f37729c66ba33943888b3e362a77c690ae22b
·
Xet efficiently stores files, intelligently splitting them into unique chunks and accelerating uploads and downloads. More info.