course/pr_1118/it/_app/immutable/nodes/3.9ffec6fb.js

import{s as Ee,n as De,o as Be}from"../chunks/scheduler.505acc25.js";import{S as Re,i as je,e as o,s as n,c as m,h as Ge,a as r,d as i,b as l,f as Ae,g as c,j as s,k as $e,l as Ue,m as a,n as g,t as d,o as f,p as h}from"../chunks/index.1238bded.js";import{C as Oe,H as ve,E as Qe}from"../chunks/MermaidChart.svelte_svelte_type_style_lang.d3aea62e.js";import{Y as Ve}from"../chunks/Youtube.2fb63721.js";import{C as We}from"../chunks/CourseFloatingBanner.0b6e065b.js";function Ye(we){let p,G,R,U,v,O,$,Q,w,V,z,W,L,Y,b,ze='Questo corso ti insegnerà a eseguire compiti di Natural Language Processing (NLP, <em>elaborazione del linguaggio naturale</em>) utilizzando le librerie dell’ecosistema di <a href="https://huggingface.co/" rel="nofollow">Hugging Face</a>: <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>, e <a href="https://github.com/huggingface/accelerate" rel="nofollow">🤗 Accelerate</a>. Ti insegneremo anche ad usare il nostro <a href="https://huggingface.co/models" rel="nofollow">Hugging Face Hub</a>, che è completamente gratuito e senza pubblicità.',J,T,K,H,Le="Eccoti un breve riassunto dei contenuti del corso:",X,u,be='<img class="block dark:hidden" src="https://huggingface.co/datasets/huggingface-course/documentation-images/resolve/main/en/chapter1/summary.svg" alt="Brief overview of the chapters of the course."/> <img class="hidden dark:block" src="https://huggingface.co/datasets/huggingface-course/documentation-images/resolve/main/en/chapter1/summary-dark.svg" alt="Brief overview of the chapters of the course."/>',Z,C,Te='<li>I capitoli da 1 a 4 forniscono un’introduzione ai concetti principali della libreria 🤗 Transformers. Alla fine di questa parte del corso, conoscerai come funzionano i modelli Transformers e saprai come utilizzare un modello dell’<a href="https://huggingface.co/models" rel="nofollow">Hugging Face Hub</a>, affinarlo in un dataset, e condividere i tuoi risultati nell’Hub!</li> <li>I capitoli da 5 a 8 insegnano le basi degli 🤗 Dataset e degli 🤗 Tokenizer, per poi esplorare alcuni compiti classici di NLP. Alla fine di questa parte, saprai far fronte ai problemi di NLP più comuni in maniera autonoma.</li> <li>I capitoli da 9 a 12 vanno oltre il Natural Language Processing, ed esplorano come i modelli Transformer possano essere utilizzati per affrontare compiti di elaborazione vocale o visione artificiale. Strada facendo, imparerai a costruire e condividere demo (<em>dimostrazioni</em>) dei tuoi modelli, e ad ottimizzarli per la produzione. Alla fine di questa parte, sarai pronto ad utilizzare gli 🤗 Transformer per qualsiasi problema di machine learning (<em>apprendimento automatico</em>), o quasi!</li>',ee,x,He="Questo corso:",te,M,Ce='<li>Richiede una buona conoscenza di Python</li> <li>Andrebbe seguito di preferenza a seguito di un corso introduttivo di deep learning (<em>apprendimento profondo</em>), come ad esempio il <a href="https://course.fast.ai/" rel="nofollow">Practical Deep Learning for Coders</a> di <a href="https://www.fast.ai/" rel="nofollow">fast.ai</a>, oppure uno dei programmi sviluppati da <a href="https://www.deeplearning.ai/" rel="nofollow">DeepLearning.AI</a></li> <li>Non richiede conoscenze pregresse di <a href="https://pytorch.org/" rel="nofollow">PyTorch</a> o <a href="https://www.tensorflow.org/" rel="nofollow">TensorFlow</a>, nonostante sia gradita una conoscenza anche superficiale dell’uno o dell’altro</li>',ie,_,xe='Quando avrai completato questo corso, ti raccomandiamo di passare al <a href="https://www.coursera.org/specializations/natural-language-processing?utm_source=deeplearning-ai&amp;utm_medium=institutions&amp;utm_campaign=20211011-nlp-2-hugging_face-page-nlp-refresh" rel="nofollow">Natural Language Processing Specialization</a> di DeepLearning.AI, un corso che copre un ampio spettro di modelli tradizionali di NLP che vale davvero la pena di conoscere, come Naive Bayes e LSTM (<em>Memoria a breve termine a lungo termine</em>)!',ae,P,ne,y,Me="A proposito degli autori:",le,k,_e="<strong>Matthew Carrigan</strong> è Machine Learning Engineer da Hugging Face. Vive a Dublino, in Irlanda, ed in passato è stato ML engineer da Parse.ly, e prima ancora ricercatore postdottorale al Trinity College di Dublin. Nonostante non creda che otterremo l’Intelligenza artificiale forte semplicemente ingrandendo le architetture a nostra disposizione, spera comunque nell’immortalità cibernetica.",oe,N,Pe="<strong>Lysandre Debut</strong> è Machine Learning Engineer da Hugging Face e ha lavorato agli 🤗 Transformer fin dalle primissime tappe del loro sviluppo. Il suo obiettivo è di rendere il NLP accessibile a tutti sviluppando strumenti con un semplice API.",re,I,ye='<strong>Sylvain Gugger</strong> è Research Engineer da Hugging Face e uno dei principali manutentori della libreria 🤗 Transformers. In passato, è stato Research Scientist da fast.ai, e ha scritto <a href="https://learning.oreilly.com/library/view/deep-learning-for/9781492045519/" rel="nofollow">Deep Learning for Coders with fastai and PyTorch</a> con Jeremy Howard. Il centro principale della sua ricerca consiste nel rendere il deep learning (<em>apprendimento profondo</em>) più accessibile, concependo e migliorando tecniche che permettano di allenare modelli velocemente con risorse limitate.',se,F,ke="<strong>Merve Noyan</strong> è developer advocate da Hugging Face, e lavora allo sviluppo di strumenti e alla creazione di contenuti ad essi legati per democratizzare l’accesso al deep learning.",pe,S,Ne="<strong>Lucile Saulnier</strong> è machine learning engineer da Hugging Face, e sviluppa e supporta l’utilizzo di strumenti open source. È anche attivamente coinvolta in numerosi progetti di ricerca nell’ambito del NLP, come ad esempio collaborative training e BigScience.",ue,q,Ie='<strong>Lewis Tunstall</strong> è machine learning engineer da Hugging Face che si specializza nello sviluppo di strumenti open-source e la loro distribuzione alla comunità più ampia. È anche co-autore dell’imminente <a href="https://www.oreilly.com/library/view/natural-language-processing/9781098136789/" rel="nofollow">O’Reilly book on Transformers</a>.',me,A,Fe='<strong>Leandro von Werra</strong> è machine learning engineer nel team open-source di Hugging Face, nonché co-autore dell’imminente <a href="https://www.oreilly.com/library/view/natural-language-processing/9781098136789/" rel="nofollow">O’Reilly book on Transformers</a>. Ha tanti anni di esperienza nel portare progetti di NLP in produzione, lavorando a tutti i livelli di esecuzione di compiti di machine learning.',ce,E,Se="Sei pronto/a a iniziare? In questo capitolo, imparerai:",ge,D,qe="<li>Ad utilizzare la funzione <code>pipeline()</code> per eseguire compiti di NLP come la generazione e classificazione di testi</li> <li>L’architettura dei Transformer</li> <li>Come fare la distinzione tra architetture encoder, decoder, encoder-decoder, e casi d’uso</li>",de,B,fe,j,he;return v=new Oe({props:{containerStyle:"float: right; margin-left: 10px; display: inline-flex; position: relative; z-index: 10;"}}),$=new ve({props:{title:"Introduzione",local:"introduzione",headingTag:"h1"}}),w=new We({props:{chapter:1,classNames:"absolute z-10 right-0 top-0"}}),z=new ve({props:{title:"Benvenuto/a al corso di 🤗!",local:"benvenutoa-al-corso-di-",headingTag:"h2"}}),L=new Ve({props:{id:"00GKzGyWFEs"}}),T=new ve({props:{title:"Contenuti",local:"contenuti",headingTag:"h2"}}),P=new ve({props:{title:"Chi siamo?",local:"chi-siamo",headingTag:"h2"}}),B=new Qe({props:{source:"https://github.com/huggingface/course/blob/main/chapters/it/chapter1/1.mdx"}}),{c(){p=o("meta"),G=n(),R=o("p"),U=n(),m(v.$$.fragment),O=n(),m($.$$.fragment),Q=n(),m(w.$$.fragment),V=n(),m(z.$$.fragment),W=n(),m(L.$$.fragment),Y=n(),b=o("p"),b.innerHTML=ze,J=n(),m(T.$$.fragment),K=n(),H=o("p"),H.textContent=Le,X=n(),u=o("div"),u.innerHTML=be,Z=n(),C=o("ul"),C.innerHTML=Te,ee=n(),x=o("p"),x.textContent=He,te=n(),M=o("ul"),M.innerHTML=Ce,ie=n(),_=o("p"),_.innerHTML=xe,ae=n(),m(P.$$.fragment),ne=n(),y=o("p"),y.textContent=Me,le=n(),k=o("p"),k.innerHTML=_e,oe=n(),N=o("p"),N.innerHTML=Pe,re=n(),I=o("p"),I.innerHTML=ye,se=n(),F=o("p"),F.innerHTML=ke,pe=n(),S=o("p"),S.innerHTML=Ne,ue=n(),q=o("p"),q.innerHTML=Ie,me=n(),A=o("p"),A.innerHTML=Fe,ce=n(),E=o("p"),E.textContent=Se,ge=n(),D=o("ul"),D.innerHTML=qe,de=n(),m(B.$$.fragment),fe=n(),j=o("p"),this.h()},l(e){const t=Ge("svelte-u9bgzb",document.head);p=r(t,"META",{name:!0,content:!0}),t.forEach(i),G=l(e),R=r(e,"P",{}),Ae(R).forEach(i),U=l(e),c(v.$$.fragment,e),O=l(e),c($.$$.fragment,e),Q=l(e),c(w.$$.fragment,e),V=l(e),c(z.$$.fragment,e),W=l(e),c(L.$$.fragment,e),Y=l(e),b=r(e,"P",{"data-svelte-h":!0}),s(b)!=="svelte-ncm0lt"&&(b.innerHTML=ze),J=l(e),c(T.$$.fragment,e),K=l(e),H=r(e,"P",{"data-svelte-h":!0}),s(H)!=="svelte-1wnxgk8"&&(H.textContent=Le),X=l(e),u=r(e,"DIV",{class:!0,"data-svelte-h":!0}),s(u)!=="svelte-1f838r7"&&(u.innerHTML=be),Z=l(e),C=r(e,"UL",{"data-svelte-h":!0}),s(C)!=="svelte-64609z"&&(C.innerHTML=Te),ee=l(e),x=r(e,"P",{"data-svelte-h":!0}),s(x)!=="svelte-1k1ki5"&&(x.textContent=He),te=l(e),M=r(e,"UL",{"data-svelte-h":!0}),s(M)!=="svelte-1qronpe"&&(M.innerHTML=Ce),ie=l(e),_=r(e,"P",{"data-svelte-h":!0}),s(_)!=="svelte-6xp9y5"&&(_.innerHTML=xe),ae=l(e),c(P.$$.fragment,e),ne=l(e),y=r(e,"P",{"data-svelte-h":!0}),s(y)!=="svelte-3i0pj"&&(y.textContent=Me),le=l(e),k=r(e,"P",{"data-svelte-h":!0}),s(k)!=="svelte-8a6ik7"&&(k.innerHTML=_e),oe=l(e),N=r(e,"P",{"data-svelte-h":!0}),s(N)!=="svelte-4ag724"&&(N.innerHTML=Pe),re=l(e),I=r(e,"P",{"data-svelte-h":!0}),s(I)!=="svelte-18w8y84"&&(I.innerHTML=ye),se=l(e),F=r(e,"P",{"data-svelte-h":!0}),s(F)!=="svelte-12wf1ox"&&(F.innerHTML=ke),pe=l(e),S=r(e,"P",{"data-svelte-h":!0}),s(S)!=="svelte-1sa59ki"&&(S.innerHTML=Ne),ue=l(e),q=r(e,"P",{"data-svelte-h":!0}),s(q)!=="svelte-1kjlnoo"&&(q.innerHTML=Ie),me=l(e),A=r(e,"P",{"data-svelte-h":!0}),s(A)!=="svelte-10760nk"&&(A.innerHTML=Fe),ce=l(e),E=r(e,"P",{"data-svelte-h":!0}),s(E)!=="svelte-pqmv8z"&&(E.textContent=Se),ge=l(e),D=r(e,"UL",{"data-svelte-h":!0}),s(D)!=="svelte-1f9vgki"&&(D.innerHTML=qe),de=l(e),c(B.$$.fragment,e),fe=l(e),j=r(e,"P",{}),Ae(j).forEach(i),this.h()},h(){$e(p,"name","hf:doc:metadata"),$e(p,"content",Je),$e(u,"class","flex justify-center")},m(e,t){Ue(document.head,p),a(e,G,t),a(e,R,t),a(e,U,t),g(v,e,t),a(e,O,t),g($,e,t),a(e,Q,t),g(w,e,t),a(e,V,t),g(z,e,t),a(e,W,t),g(L,e,t),a(e,Y,t),a(e,b,t),a(e,J,t),g(T,e,t),a(e,K,t),a(e,H,t),a(e,X,t),a(e,u,t),a(e,Z,t),a(e,C,t),a(e,ee,t),a(e,x,t),a(e,te,t),a(e,M,t),a(e,ie,t),a(e,_,t),a(e,ae,t),g(P,e,t),a(e,ne,t),a(e,y,t),a(e,le,t),a(e,k,t),a(e,oe,t),a(e,N,t),a(e,re,t),a(e,I,t),a(e,se,t),a(e,F,t),a(e,pe,t),a(e,S,t),a(e,ue,t),a(e,q,t),a(e,me,t),a(e,A,t),a(e,ce,t),a(e,E,t),a(e,ge,t),a(e,D,t),a(e,de,t),g(B,e,t),a(e,fe,t),a(e,j,t),he=!0},p:De,i(e){he||(d(v.$$.fragment,e),d($.$$.fragment,e),d(w.$$.fragment,e),d(z.$$.fragment,e),d(L.$$.fragment,e),d(T.$$.fragment,e),d(P.$$.fragment,e),d(B.$$.fragment,e),he=!0)},o(e){f(v.$$.fragment,e),f($.$$.fragment,e),f(w.$$.fragment,e),f(z.$$.fragment,e),f(L.$$.fragment,e),f(T.$$.fragment,e),f(P.$$.fragment,e),f(B.$$.fragment,e),he=!1},d(e){e&&(i(G),i(R),i(U),i(O),i(Q),i(V),i(W),i(Y),i(b),i(J),i(K),i(H),i(X),i(u),i(Z),i(C),i(ee),i(x),i(te),i(M),i(ie),i(_),i(ae),i(ne),i(y),i(le),i(k),i(oe),i(N),i(re),i(I),i(se),i(F),i(pe),i(S),i(ue),i(q),i(me),i(A),i(ce),i(E),i(ge),i(D),i(de),i(fe),i(j)),i(p),h(v,e),h($,e),h(w,e),h(z,e),h(L,e),h(T,e),h(P,e),h(B,e)}}}const Je='{"title":"Introduzione","local":"introduzione","sections":[{"title":"Benvenuto/a al corso di 🤗!","local":"benvenutoa-al-corso-di-","sections":[],"depth":2},{"title":"Contenuti","local":"contenuti","sections":[],"depth":2},{"title":"Chi siamo?","local":"chi-siamo","sections":[],"depth":2}],"depth":1}';function Ke(we){return Be(()=>{new URLSearchParams(window.location.search).get("fw")}),[]}class at extends Re{constructor(p){super(),je(this,p,Ke,Ye,Ee,{})}}export{at as component};