course/pr_1114/fr/chapter5/1.md

# Introduction

<CourseFloatingBanner
    chapter={5}
    classNames="absolute z-10 right-0 top-0"
/>

Dans le [chapitre 3](/course/fr/chapter3) vous avez eu un premier aperçu de la bibliothèque 🤗 *Datasets* et des trois étapes principales pour *finetuner* un modèle :

1. chargement d'un jeu de données à partir du *Hub* d’Hugging Face,
2. prétraitement des données avec `Dataset.map()`,
3. chargement et calcul des métriques.

Mais ce n'est qu'effleurer la surface de ce que 🤗 *Datasets* peut faire ! Dans ce chapitre, nous allons plonger profondément dans cette bibliothèque. En cours de route, nous trouverons des réponses aux questions suivantes :

* que faire lorsque votre jeu de données n'est pas sur le *Hub* ?
* comment découper et trancher un jeu de données ? (Et si on a _vraiment_ besoin d'utiliser Pandas ?)
* que faire lorsque votre jeu de données est énorme et va monopoliser la RAM de votre ordinateur portable ?
* qu'est-ce que c'est que le « *memory mapping* » et Apache Arrow ?
* comment créer votre propre jeu de données et le pousser sur le *Hub* ?

Les techniques apprises dans ce chapitre vous prépareront aux tâches avancées de tokenisation du [chapitre 6](/course/fr/chapter6) et de *finetuning* du [chapitre 7](/course/fr/chapter7). Alors prenez un café et commençons !

<EditOnGithub source="https://github.com/huggingface/course/blob/main/chapters/fr/chapter5/1.mdx" />