course/pr_1149/th/_app/immutable/nodes/3.f1a873ca.js

import{s as Ie,n as je,o as Ge}from"../chunks/scheduler.505acc25.js";import{S as Be,i as Re,e as r,s as i,c as p,h as qe,a as s,d as n,b as a,f as Ae,g as u,j as o,k as ve,l as Ue,m as l,n as m,t as c,o as h,p as $}from"../chunks/index.17dd9071.js";import{C as Oe,H as we,E as We}from"../chunks/MermaidChart.svelte_svelte_type_style_lang.65fa0d06.js";import{Y as Ye}from"../chunks/Youtube.793fe4bf.js";import{C as Je}from"../chunks/CourseFloatingBanner.9496b79e.js";function Ke(Le){let f,q,B,U,w,O,v,W,L,Y,T,J,H,K,d,Te='คอร์สนี้จะสอนคุณเกี่ยวกับการประมวลผลภาษาธรรมชาติหรือ(หรือเรียกว่า NLP) โดยใช้กลุ่ม library ของ <a href="https://huggingface.co/" rel="nofollow">Hugging Face</a> ได้แก่ <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>, และ <a href="https://github.com/huggingface/accelerate" rel="nofollow">🤗 Accelerate</a> รวมไปถึงการใช้งาน <a href="https://huggingface.co/models" rel="nofollow">Hugging Face Hub</a> โดยคอร์สนี้เป็นคอร์สฟรีและไม่มีโฆษณา',V,x,Q,M,He="ภาพรวมของคอร์สเป็นดังนี้:",X,g,de='<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,_,xe='<li>บทที่ 1 ถึง 4 จะพาคุณไปรู้จักกับคอนเซปต์หลัก ๆ ของ library 🤗 Transformers เมื่อเรียนเนื้อหาในส่วนนี้จบแล้วคุณจะเรียนรู้ว่าโมเดล Transformer ทำงานอย่างไร และเรียนรู้การใช้งานโมเดลจาก <a href="https://huggingface.co/models" rel="nofollow">Hugging Face Hub</a>, fine-tune โมเดลผ่าน dataset, และแชร์ผลลัพธ์ขึ้น Hub</li> <li>บทที่ 5 ถึง 8 จะสอนเกี่ยวกับ 🤗 Datasets และ 🤗 Tokenizers พื้นฐานก่อนที่จะไปลุยกันในส่วนของงานทางด้าน NLP แบบดั้งเดิม หลังจากเรียนเนื้อหาส่วนนี้จบ คุณจะสามารถแก้ปัญหา NLP ทั่วไปเองได้แล้ว</li> <li>บทที่ 9 ถึง 12 จะเจาะลึกเนื้อหามากกว่า NLP โดยจะเรียนรู้วิธีการที่โมเดล Transformer จัดการกับการประมวลผลคำพูด(หรือเรียกว่า speech processing) รวมถึงงานทางด้านการประมวลผลภาพ(หรือเรียกว่า computer vision)  ระหว่างนี้คุณจะได้เรียนรู้วิธีการสร้างและแชร์เดโมของโมเดล รวมถึงการ optimize เพื่อให้สามารถใช้งานในระดับ production ได้จริง หลังจากเรียนเนื้อหาส่วนนี้จบ คุณก็พร้อมที่จะใช้ 🤗 Transformers ในการแก้(เกือบ)ทุกปัญหาเกี่ยวกับ machine learning ได้แล้ว!</li>',ee,b,Me="การเรียนคอร์สนี้:",te,y,_e='<li>ผู้เรียนต้องมีความรู้ในการเขียนโปรแกรมภาษา Python อย่างดี</li> <li>ไม่ได้สอนพื้นฐาน deep learning ให้ ผู้เรียนควรเรียนคอร์สพื้นฐานอื่น ๆ มาก่อนแล้ว เช่น คอร์ส <a href="https://course.fast.ai/" rel="nofollow">Practical Deep Learning for Coders</a> โดย <a href="https://www.fast.ai/" rel="nofollow">fast.ai’s</a> หรือคอร์สจาก <a href="https://www.deeplearning.ai/" rel="nofollow">DeepLearning.AI</a></li> <li>ผู้เรียนไม่จำเป็นต้องมีความรู้เกี่ยวกับ <a href="https://pytorch.org/" rel="nofollow">PyTorch</a> หรือ <a href="https://www.tensorflow.org/" rel="nofollow">TensorFlow</a> มาก่อน แต่ถ้าหากเคยใช้จะสามารถเรียนรู้ได้ง่ายยิ่งขึ้น</li>',ne,P,be='หลังจากเรียนจบคอร์สนี้ เราแนะนำให้คุณไปเรียนคอร์ส <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> ของ DeepLearning.AI ซึ่งสอนเนื้อหาเกี่ยวกับโมเดล NLP พื้นฐานที่ควรรู้ เช่น Naive Bayes และ LSTM',le,C,ie,E,ye="ทีมงานผู้สอนได้แก่:",ae,k,Pe="<strong>Matthew Carrigan</strong> ทำงานตำแหน่ง Machine Learning Engineer ที่ Hugging Face อาศัยอยู่ที่เมือง Dublin ประเทศ Ireland เคยทำงานเป็น ML Engineer ที่ Parse.ly และเคยเป็นนักวิจัยหลังปริญญาเอกที่ Trinity College ใน Dublin เขาเองไม่เคยเชื่อว่าจะสามารถสร้างปัญญาประดิษฐ์ที่สามารถคิดเรื่องทั่วไปได้เหมือนมนุษย์จริง ๆ (หรือเรียกว่า Aritificial General Intelligence หรือตัวย่อว่า AGI) ได้ด้วยการขยายโครงสร้างโมเดลที่มีอยู่ปัจจุบัน แต่เขาก็ยังหวังเป็นอย่างมากเกี่ยวกับการเป็นอมตะของหุ่นยนต์",re,F,Ce="<strong>Lysandre Debut</strong> ทำงานตำแหน่ง Machine Learning Engineer ที่ Hugging Face ตั้งแต่เริ่มพัฒนา library 🤗 Transformers วาดฝันไว้ว่าจะทำให้ทุกคนใช้งาน NLP ได้ด้วยการพัฒนาเครื่องมือต่าง ๆ ผ่าน API ที่ใช้งานได้ง่าย",se,N,Ee='<strong>Sylvain Gugger</strong> ทำงานตำแหน่ง Research Engineer ที่ Hugging Face และเป็นหนึ่งในผู้ดูแลหลักของ library 🤗 Transformers ก่อนหน้านี้เป็น Research Scientist ที่ fast.ai และเป็นผู้ร่วมแต่งหนังสือ <em><a href="https://learning.oreilly.com/library/view/deep-learning-for/9781492045519/" rel="nofollow">Deep Learning for Coders with fastai and PyTorch</a></em> กับ Jeremy Howard เป้าหมายหลักของงานวิจัย คือ การทำให้คนทั่วไปใช้งานโมเดล deep learning ได้ง่ายโดยการออกแบบและปรับปรุงเทคนิคต่าง ๆ ที่ทำให้การ train โมเดลรวดเร็วยิ่งขึ้นบนทรัพยากรคอมพิวเตอร์ที่จำกัด',oe,z,ke="<strong>Merve Noyan</strong> ทำงานตำแหน่ง Developer Advocate ที่ Hugging Face ทำหน้าที่พัฒนาเครื่องมือในการทำงานต่าง ๆ รวมถึงผลิตสื่อที่มีเนื้อหาเกี่ยวกับเครื่องมือเหล่านี้เพื่อให้ทุกคนสามารถใช้งาน machine learning ได้ง่าย",fe,D,Fe="<strong>Lucile Saulnier</strong> ทำงานตำแหน่ง Machine Learning Engineer ที่ Hugging Face ทำหน้าที่พัฒนาและสนับสนุนการใช้งานเครื่องมือ open-source เธอเองเป็นส่วนหนึ่งในโปรเจควิจัยหลายโปรเจคในเกี่ยวกับ NLP เช่น collaborative training และ BigScience",ge,S,Ne='<strong>Lewis Tunstall</strong> ทำงานตำแหน่ง Machine Learning Engineer ที่ Hugging Face ทำหน้าที่พัฒนาเครื่องมือ open-source เพื่อให้มีการใช้งานอย่างแพร่หลายในชุมชน เป็นผู้ร่วมแต่งหนังสือ <a href="https://www.oreilly.com/library/view/natural-language-processing/9781098136789/" rel="nofollow">O’Reilly book on Transformers</a> ที่กำลังจะตีพิมพ์เร็ว ๆ นี้',pe,A,ze='<strong>Leandro von Werra</strong>  ทำงานตำแหน่ง Machine Learning Engineer ที่ Hugging Face ทีม open-source และเป็นผู้ร่วมแต่งหนังสือ <a href="https://www.oreilly.com/library/view/natural-language-processing/9781098136789/" rel="nofollow">O’Reilly book on Transformers</a> เช่นกัน มีประสบการณ์หลายปีในการนำโปรเจค NLP สู่การใช้งานจริงในอุตสาหกรรม',ue,I,De="พร้อมกันรึยัง? ในบทนี้ คุณจะได้เรียน:",me,j,Se="<li>วิธีการใช้ฟังก์ชัน <code>pipeline()</code> เพื่อแก้ปัญหา NLP เช่น การสร้างข้อความ(หรือเรียกว่า text generation) หรือการแบ่งประเภทข้อความ(หรือเรียกว่า text classification)</li> <li>โครงสร้างของ Transformer</li> <li>วิธีการแยกระหว่าง encoder, decoder, และ โครงสร้าง encoder-decoder รวมถึงการใช้งานต่าง ๆ</li>",ce,G,he,R,$e;return w=new Oe({props:{containerStyle:"float: right; margin-left: 10px; display: inline-flex; position: relative; z-index: 10;"}}),v=new we({props:{title:"บทนำ",local:"บทนำ",headingTag:"h1"}}),L=new Je({props:{chapter:1,classNames:"absolute z-10 right-0 top-0"}}),T=new we({props:{title:"ยินดีต้อนรับเข้าสู่คอร์ส 🤗!",local:"ยนดตอนรบเขาสคอรส-",headingTag:"h2"}}),H=new Ye({props:{id:"00GKzGyWFEs"}}),x=new we({props:{title:"คุณจะได้อะไรจากการเรียนคอร์สนี้?",local:"คณจะไดอะไรจากการเรยนคอรสน",headingTag:"h2"}}),C=new we({props:{title:"ผู้สอนมีใครบ้าง?",local:"ผสอนมใครบาง",headingTag:"h2"}}),G=new We({props:{source:"https://github.com/huggingface/course/blob/main/chapters/th/chapter1/1.mdx"}}),{c(){f=r("meta"),q=i(),B=r("p"),U=i(),p(w.$$.fragment),O=i(),p(v.$$.fragment),W=i(),p(L.$$.fragment),Y=i(),p(T.$$.fragment),J=i(),p(H.$$.fragment),K=i(),d=r("p"),d.innerHTML=Te,V=i(),p(x.$$.fragment),Q=i(),M=r("p"),M.textContent=He,X=i(),g=r("div"),g.innerHTML=de,Z=i(),_=r("ul"),_.innerHTML=xe,ee=i(),b=r("p"),b.textContent=Me,te=i(),y=r("ul"),y.innerHTML=_e,ne=i(),P=r("p"),P.innerHTML=be,le=i(),p(C.$$.fragment),ie=i(),E=r("p"),E.textContent=ye,ae=i(),k=r("p"),k.innerHTML=Pe,re=i(),F=r("p"),F.innerHTML=Ce,se=i(),N=r("p"),N.innerHTML=Ee,oe=i(),z=r("p"),z.innerHTML=ke,fe=i(),D=r("p"),D.innerHTML=Fe,ge=i(),S=r("p"),S.innerHTML=Ne,pe=i(),A=r("p"),A.innerHTML=ze,ue=i(),I=r("p"),I.textContent=De,me=i(),j=r("ul"),j.innerHTML=Se,ce=i(),p(G.$$.fragment),he=i(),R=r("p"),this.h()},l(e){const t=qe("svelte-u9bgzb",document.head);f=s(t,"META",{name:!0,content:!0}),t.forEach(n),q=a(e),B=s(e,"P",{}),Ae(B).forEach(n),U=a(e),u(w.$$.fragment,e),O=a(e),u(v.$$.fragment,e),W=a(e),u(L.$$.fragment,e),Y=a(e),u(T.$$.fragment,e),J=a(e),u(H.$$.fragment,e),K=a(e),d=s(e,"P",{"data-svelte-h":!0}),o(d)!=="svelte-1xzq1w"&&(d.innerHTML=Te),V=a(e),u(x.$$.fragment,e),Q=a(e),M=s(e,"P",{"data-svelte-h":!0}),o(M)!=="svelte-1tqhc2h"&&(M.textContent=He),X=a(e),g=s(e,"DIV",{class:!0,"data-svelte-h":!0}),o(g)!=="svelte-1f838r7"&&(g.innerHTML=de),Z=a(e),_=s(e,"UL",{"data-svelte-h":!0}),o(_)!=="svelte-fcl96z"&&(_.innerHTML=xe),ee=a(e),b=s(e,"P",{"data-svelte-h":!0}),o(b)!=="svelte-rqdpwg"&&(b.textContent=Me),te=a(e),y=s(e,"UL",{"data-svelte-h":!0}),o(y)!=="svelte-1j0xf9u"&&(y.innerHTML=_e),ne=a(e),P=s(e,"P",{"data-svelte-h":!0}),o(P)!=="svelte-lfjf4j"&&(P.innerHTML=be),le=a(e),u(C.$$.fragment,e),ie=a(e),E=s(e,"P",{"data-svelte-h":!0}),o(E)!=="svelte-18gd82u"&&(E.textContent=ye),ae=a(e),k=s(e,"P",{"data-svelte-h":!0}),o(k)!=="svelte-1l198kf"&&(k.innerHTML=Pe),re=a(e),F=s(e,"P",{"data-svelte-h":!0}),o(F)!=="svelte-15atdrt"&&(F.innerHTML=Ce),se=a(e),N=s(e,"P",{"data-svelte-h":!0}),o(N)!=="svelte-spa4or"&&(N.innerHTML=Ee),oe=a(e),z=s(e,"P",{"data-svelte-h":!0}),o(z)!=="svelte-1a64ag3"&&(z.innerHTML=ke),fe=a(e),D=s(e,"P",{"data-svelte-h":!0}),o(D)!=="svelte-41kmd8"&&(D.innerHTML=Fe),ge=a(e),S=s(e,"P",{"data-svelte-h":!0}),o(S)!=="svelte-3ow4m0"&&(S.innerHTML=Ne),pe=a(e),A=s(e,"P",{"data-svelte-h":!0}),o(A)!=="svelte-600aop"&&(A.innerHTML=ze),ue=a(e),I=s(e,"P",{"data-svelte-h":!0}),o(I)!=="svelte-ba53fw"&&(I.textContent=De),me=a(e),j=s(e,"UL",{"data-svelte-h":!0}),o(j)!=="svelte-18jb9t"&&(j.innerHTML=Se),ce=a(e),u(G.$$.fragment,e),he=a(e),R=s(e,"P",{}),Ae(R).forEach(n),this.h()},h(){ve(f,"name","hf:doc:metadata"),ve(f,"content",Ve),ve(g,"class","flex justify-center")},m(e,t){Ue(document.head,f),l(e,q,t),l(e,B,t),l(e,U,t),m(w,e,t),l(e,O,t),m(v,e,t),l(e,W,t),m(L,e,t),l(e,Y,t),m(T,e,t),l(e,J,t),m(H,e,t),l(e,K,t),l(e,d,t),l(e,V,t),m(x,e,t),l(e,Q,t),l(e,M,t),l(e,X,t),l(e,g,t),l(e,Z,t),l(e,_,t),l(e,ee,t),l(e,b,t),l(e,te,t),l(e,y,t),l(e,ne,t),l(e,P,t),l(e,le,t),m(C,e,t),l(e,ie,t),l(e,E,t),l(e,ae,t),l(e,k,t),l(e,re,t),l(e,F,t),l(e,se,t),l(e,N,t),l(e,oe,t),l(e,z,t),l(e,fe,t),l(e,D,t),l(e,ge,t),l(e,S,t),l(e,pe,t),l(e,A,t),l(e,ue,t),l(e,I,t),l(e,me,t),l(e,j,t),l(e,ce,t),m(G,e,t),l(e,he,t),l(e,R,t),$e=!0},p:je,i(e){$e||(c(w.$$.fragment,e),c(v.$$.fragment,e),c(L.$$.fragment,e),c(T.$$.fragment,e),c(H.$$.fragment,e),c(x.$$.fragment,e),c(C.$$.fragment,e),c(G.$$.fragment,e),$e=!0)},o(e){h(w.$$.fragment,e),h(v.$$.fragment,e),h(L.$$.fragment,e),h(T.$$.fragment,e),h(H.$$.fragment,e),h(x.$$.fragment,e),h(C.$$.fragment,e),h(G.$$.fragment,e),$e=!1},d(e){e&&(n(q),n(B),n(U),n(O),n(W),n(Y),n(J),n(K),n(d),n(V),n(Q),n(M),n(X),n(g),n(Z),n(_),n(ee),n(b),n(te),n(y),n(ne),n(P),n(le),n(ie),n(E),n(ae),n(k),n(re),n(F),n(se),n(N),n(oe),n(z),n(fe),n(D),n(ge),n(S),n(pe),n(A),n(ue),n(I),n(me),n(j),n(ce),n(he),n(R)),n(f),$(w,e),$(v,e),$(L,e),$(T,e),$(H,e),$(x,e),$(C,e),$(G,e)}}}const Ve='{"title":"บทนำ","local":"บทนำ","sections":[{"title":"ยินดีต้อนรับเข้าสู่คอร์ส 🤗!","local":"ยนดตอนรบเขาสคอรส-","sections":[],"depth":2},{"title":"คุณจะได้อะไรจากการเรียนคอร์สนี้?","local":"คณจะไดอะไรจากการเรยนคอรสน","sections":[],"depth":2},{"title":"ผู้สอนมีใครบ้าง?","local":"ผสอนมใครบาง","sections":[],"depth":2}],"depth":1}';function Qe(Le){return Ge(()=>{new URLSearchParams(window.location.search).get("fw")}),[]}class lt extends Be{constructor(f){super(),Re(this,f,Qe,Ke,Ie,{})}}export{lt as component};