Buckets:
| # 🤗 Datasets, verificare![[datasets-check]] | |
| <CourseFloatingBanner | |
| chapter={5} | |
| classNames="absolute z-10 right-0 top-0" | |
| /> | |
| Ei bine, a fost un tur palpitant prin biblioteca 🤗 Datasets -- felicitări pentru că ai ajuns până aici! Cu cunoștințele pe care le-ai dobândit din acest capitol, ar trebui să fii capabil să: | |
| - Încarci dataseturi de oriunde, fie Hugging Face Hub, laptopul tău sau un server remote de la compania ta. | |
| - Modelezi datele tale folosind o combinație a funcțiilor `Dataset.map()` și `Dataset.filter()`. | |
| - Schimbi rapid între data formats precum Pandas și NumPy folosind `Dataset.set_format()`. | |
| - Creezi propriul tău dataset și să îl publici pe Hugging Face Hub. | |
| - Încorporezi documentele tale folosind un model Transformer și construiești un motor de căutare semantică folosind FAISS. | |
| În [Capitolul 7](/course/chapter7), vom pune toate acestea în practică, făcând o examinare amănunțită a principalelor sarcini NLP pentru care modelele Transformer sunt excelente. Înainte de a trece mai departe, puneți-vă cunoștințele despre 🤗 Datasets la încercare cu un quiz rapid! | |
| <EditOnGithub source="https://github.com/huggingface/course/blob/main/chapters/ro/chapter5/7.mdx" /> |
Xet Storage Details
- Size:
- 1.24 kB
- Xet hash:
- 41a09029f4ec859fcde97c5b4666b73da8f218154c81c7d0022bfbfba1660dad
·
Xet efficiently stores files, intelligently splitting them into unique chunks and accelerating uploads and downloads. More info.