course/pr_1159/es/_app/immutable/nodes/3.8e91ce4e.js

import{s as ke,n as Ae,o as Se}from"../chunks/scheduler.505acc25.js";import{S as Be,i as Ge,e as o,s as r,c as d,h as Qe,a as l,d as a,b as i,f as Fe,g as m,j as s,k as be,l as Re,m as n,n as p,t as f,o as g,p as h}from"../chunks/index.ccc5f2c1.js";import{C as Ue,E as Oe}from"../chunks/MermaidChart.svelte_svelte_type_style_lang.5d202b8a.js";import{Y as Ve}from"../chunks/Youtube.ed0cfdd7.js";import{C as We}from"../chunks/CourseFloatingBanner.edb13094.js";import{H as ve}from"../chunks/Heading.666af0ac.js";function Ye($e){let c,Q,B,R,v,U,b,O,$,V,L,W,y,Y,w,Le='Este curso te enseñará sobre procesamiento de lenguaje natural (PLN) usando librerías del ecosistema <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> y <a href="https://github.com/huggingface/accelerate" rel="nofollow">🤗 Accelerate</a> — así como el <a href="https://huggingface.co/models" rel="nofollow">Hub de Hugging Face</a>. El curso es completamente gratuito y sin anuncios.',J,T,K,x,ye="Esta es una pequeña descripción del curso:",X,u,we='<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,H,Te='<li>Los capítulos 1 a 4 ofrecen una introducción a los conceptos principales de la librería 🤗 Transformers. Al final de esta sección del curso, estarás familiarizado con la manera en que trabajan los Transformadores y sabrás cómo usar un modelo del <a href="https://huggingface.co/models" rel="nofollow">Hub de Hugging Face</a>, ajustarlo a tu conjunto de datos y compartir tus resultados en el Hub.</li> <li>Los capítulos 5 a 8 enseñan lo básico de 🤗 Datasets y 🤗 Tokenizers antes de entrar en tareas clásicas de PLN. Al final de esta sección, podrás abordar por ti mismo los problemas más comunes de PLN.</li> <li>Los capítulos 9 al 12 van más allá del PLN y exploran cómo los Transformadores pueden abordar tareas de procesamiento del habla y visión por computador. A lo largo del camino, aprenderás a construir y compartir demos de tus modelos, así como optimizarlos para entornos de producción. Al final de esta sección, estarás listo para aplicar 🤗 Transformers a (casi) cualquier problema de Machine Learning.</li>',ee,M,xe="Este curso:",te,P,He='<li>Requiere amplio conocimiento de Python</li> <li>Debería ser tomado después de un curso de introducción a deep learning, como <a href="https://course.fast.ai/" rel="nofollow">Practical Deep Learning for Coders</a> de <a href="https://www.fast.ai/" rel="nofollow">fast.ai’s</a> o alguno de los programas desarrollados por <a href="https://www.deeplearning.ai/" rel="nofollow">DeepLearning.AI</a></li> <li>No necesita conocimiento previo de <a href="https://pytorch.org/" rel="nofollow">PyTorch</a> o <a href="https://www.tensorflow.org/" rel="nofollow">TensorFlow</a>, aunque un nivel de familiaridad con alguno de los dos podría ser útil</li>',ae,C,Me='Después de que hayas completado este curso, te recomendamos revisar la <a href="https://www.coursera.org/specializations/natural-language-processing?utm_source=deeplearning-ai&amp;utm_medium=institutions&amp;utm_campaign=20211011-PLN-2-hugging_face-page-PLN-refresh" rel="nofollow">Especialización en Procesamiento de Lenguaje Natural</a> de DeepLearning.AI, que cubre un gran número de modelos tradicionales de PLN como Naive Bayes y LSTMs.',ne,_,re,q,Pe="Acerca de los autores:",ie,I,Ce="<strong>Matthew Carrigan</strong> es Ingeniero de Machine Learning en Hugging Face. Vive en Dublin, Irlanda y anteriormente trabajó como Ingeniero ML en Parse.ly y como investigador post-doctoral en Trinity College Dublin. No cree que vamos a alcanzar una Inteligencia Artificial General escalando arquitecturas existentes, pero en todo caso tiene grandes expectativas sobre la inmortalidad robótica.",oe,N,_e="<strong>Lysandre Debut</strong> es Ingeniero de Machine Learning en Hugging Face y ha trabajado en la librería 🤗 Transformers desde sus etapas de desarrollo más tempranas. Su objetivo es hacer que el PLN sea accesible para todos a través del desarrollo de herramientas con una API muy simple.",le,j,qe='<strong>Sylvain Gugger</strong> es Ingeniero de Investigación en Hugging Face y uno de los principales mantenedores de la librería 🤗 Transformers. Anteriormente fue Científico de Investigación en fast.ai y escribió <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> junto con Jeremy Howard. El foco principal de su investigación es hacer el deep learning más accesible, al diseñar y mejorar técnicas que permiten un entrenamiento rápido de modelos con recursos limitados.',se,z,Ie="<strong>Merve Noyan</strong> es Promotora de Desarrolladores en Hugging Face, trabaja en el desarrollo de herramientas y construcción de contenido relacionado, con el fín de democratizar el machine learning para todos.",ce,E,Ne="<strong>Lucile Saulnier</strong> es Ingeniera de Machine Learning en Hugging Face, donde desarrolla y apoya el uso de herramientas de código abierto. Ella está activamente involucrada en varios proyectos de investigación en el campo del Procesamiento de Lenguaje Natural como entrenamiento colaborativo y BigScience.",ue,D,je='<strong>Lewis Tunstall</strong>  es Ingeniero de Machine Learning en Hugging Face, enfocado en desarrollar herramientas de código abierto y hacerlas accesibles a la comunidad en general. También es coautor de un próximo <a href="https://www.oreilly.com/library/view/natural-language-processing/9781098136789/" rel="nofollow">libro de O’Reilly sobre Transformadores</a>.',de,F,ze='<strong>Leandro von Werra</strong>  es Ingeniero de Machine Learning en el equipo de código abierto en Hugging Face y coautor de un próximo <a href="https://www.oreilly.com/library/view/natural-language-processing/9781098136789/" rel="nofollow">libro de O’Reilly sobre Transformadores</a>. Tiene varios años de experiencia en la industria llevando modelos de PLN a producción, trabajando a lo largo de todo el entorno de Machine Learning.',me,k,Ee="¿Estás listo para comenzar? En este capítulo vas a aprender:",pe,A,De="<li>Cómo usar la función <code>pipeline()</code> para resolver tareas de PLN como la generación y clasificación de texto</li> <li>Sobre la arquitectura de los Transformadores</li> <li>Cómo distinguir entre las arquitecturas de codificador, decodificador y codificador-decofidicador, además de sus casos de uso</li>",fe,S,ge,G,he;return v=new Ue({props:{containerStyle:"float: right; margin-left: 10px; display: inline-flex; position: relative; z-index: 10;"}}),b=new ve({props:{title:"Introducción",local:"introducción",headingTag:"h1"}}),$=new We({props:{chapter:1,classNames:"absolute z-10 right-0 top-0"}}),L=new ve({props:{title:"¡Te damos la bienvenida al curso de 🤗!",local:"te-damos-la-bienvenida-al-curso-de-",headingTag:"h2"}}),y=new Ve({props:{id:"00GKzGyWFEs"}}),T=new ve({props:{title:"¿Qué esperar?",local:"qué-esperar",headingTag:"h2"}}),_=new ve({props:{title:"¿Quiénes somos?",local:"quiénes-somos",headingTag:"h2"}}),S=new Oe({props:{source:"https://github.com/huggingface/course/blob/main/chapters/es/chapter1/1.mdx"}}),{c(){c=o("meta"),Q=r(),B=o("p"),R=r(),d(v.$$.fragment),U=r(),d(b.$$.fragment),O=r(),d($.$$.fragment),V=r(),d(L.$$.fragment),W=r(),d(y.$$.fragment),Y=r(),w=o("p"),w.innerHTML=Le,J=r(),d(T.$$.fragment),K=r(),x=o("p"),x.textContent=ye,X=r(),u=o("div"),u.innerHTML=we,Z=r(),H=o("ul"),H.innerHTML=Te,ee=r(),M=o("p"),M.textContent=xe,te=r(),P=o("ul"),P.innerHTML=He,ae=r(),C=o("p"),C.innerHTML=Me,ne=r(),d(_.$$.fragment),re=r(),q=o("p"),q.textContent=Pe,ie=r(),I=o("p"),I.innerHTML=Ce,oe=r(),N=o("p"),N.innerHTML=_e,le=r(),j=o("p"),j.innerHTML=qe,se=r(),z=o("p"),z.innerHTML=Ie,ce=r(),E=o("p"),E.innerHTML=Ne,ue=r(),D=o("p"),D.innerHTML=je,de=r(),F=o("p"),F.innerHTML=ze,me=r(),k=o("p"),k.textContent=Ee,pe=r(),A=o("ul"),A.innerHTML=De,fe=r(),d(S.$$.fragment),ge=r(),G=o("p"),this.h()},l(e){const t=Qe("svelte-u9bgzb",document.head);c=l(t,"META",{name:!0,content:!0}),t.forEach(a),Q=i(e),B=l(e,"P",{}),Fe(B).forEach(a),R=i(e),m(v.$$.fragment,e),U=i(e),m(b.$$.fragment,e),O=i(e),m($.$$.fragment,e),V=i(e),m(L.$$.fragment,e),W=i(e),m(y.$$.fragment,e),Y=i(e),w=l(e,"P",{"data-svelte-h":!0}),s(w)!=="svelte-t1iua4"&&(w.innerHTML=Le),J=i(e),m(T.$$.fragment,e),K=i(e),x=l(e,"P",{"data-svelte-h":!0}),s(x)!=="svelte-10a2inv"&&(x.textContent=ye),X=i(e),u=l(e,"DIV",{class:!0,"data-svelte-h":!0}),s(u)!=="svelte-1f838r7"&&(u.innerHTML=we),Z=i(e),H=l(e,"UL",{"data-svelte-h":!0}),s(H)!=="svelte-x4ouvh"&&(H.innerHTML=Te),ee=i(e),M=l(e,"P",{"data-svelte-h":!0}),s(M)!=="svelte-19qlnhj"&&(M.textContent=xe),te=i(e),P=l(e,"UL",{"data-svelte-h":!0}),s(P)!=="svelte-v3c4gp"&&(P.innerHTML=He),ae=i(e),C=l(e,"P",{"data-svelte-h":!0}),s(C)!=="svelte-1xirssd"&&(C.innerHTML=Me),ne=i(e),m(_.$$.fragment,e),re=i(e),q=l(e,"P",{"data-svelte-h":!0}),s(q)!=="svelte-1ok0vp"&&(q.textContent=Pe),ie=i(e),I=l(e,"P",{"data-svelte-h":!0}),s(I)!=="svelte-16adhun"&&(I.innerHTML=Ce),oe=i(e),N=l(e,"P",{"data-svelte-h":!0}),s(N)!=="svelte-1yci5mg"&&(N.innerHTML=_e),le=i(e),j=l(e,"P",{"data-svelte-h":!0}),s(j)!=="svelte-kvolm0"&&(j.innerHTML=qe),se=i(e),z=l(e,"P",{"data-svelte-h":!0}),s(z)!=="svelte-1bi3zd5"&&(z.innerHTML=Ie),ce=i(e),E=l(e,"P",{"data-svelte-h":!0}),s(E)!=="svelte-q7xge6"&&(E.innerHTML=Ne),ue=i(e),D=l(e,"P",{"data-svelte-h":!0}),s(D)!=="svelte-mza751"&&(D.innerHTML=je),de=i(e),F=l(e,"P",{"data-svelte-h":!0}),s(F)!=="svelte-sklfc2"&&(F.innerHTML=ze),me=i(e),k=l(e,"P",{"data-svelte-h":!0}),s(k)!=="svelte-1tlpl0d"&&(k.textContent=Ee),pe=i(e),A=l(e,"UL",{"data-svelte-h":!0}),s(A)!=="svelte-1ynaqrr"&&(A.innerHTML=De),fe=i(e),m(S.$$.fragment,e),ge=i(e),G=l(e,"P",{}),Fe(G).forEach(a),this.h()},h(){be(c,"name","hf:doc:metadata"),be(c,"content",Je),be(u,"class","flex justify-center")},m(e,t){Re(document.head,c),n(e,Q,t),n(e,B,t),n(e,R,t),p(v,e,t),n(e,U,t),p(b,e,t),n(e,O,t),p($,e,t),n(e,V,t),p(L,e,t),n(e,W,t),p(y,e,t),n(e,Y,t),n(e,w,t),n(e,J,t),p(T,e,t),n(e,K,t),n(e,x,t),n(e,X,t),n(e,u,t),n(e,Z,t),n(e,H,t),n(e,ee,t),n(e,M,t),n(e,te,t),n(e,P,t),n(e,ae,t),n(e,C,t),n(e,ne,t),p(_,e,t),n(e,re,t),n(e,q,t),n(e,ie,t),n(e,I,t),n(e,oe,t),n(e,N,t),n(e,le,t),n(e,j,t),n(e,se,t),n(e,z,t),n(e,ce,t),n(e,E,t),n(e,ue,t),n(e,D,t),n(e,de,t),n(e,F,t),n(e,me,t),n(e,k,t),n(e,pe,t),n(e,A,t),n(e,fe,t),p(S,e,t),n(e,ge,t),n(e,G,t),he=!0},p:Ae,i(e){he||(f(v.$$.fragment,e),f(b.$$.fragment,e),f($.$$.fragment,e),f(L.$$.fragment,e),f(y.$$.fragment,e),f(T.$$.fragment,e),f(_.$$.fragment,e),f(S.$$.fragment,e),he=!0)},o(e){g(v.$$.fragment,e),g(b.$$.fragment,e),g($.$$.fragment,e),g(L.$$.fragment,e),g(y.$$.fragment,e),g(T.$$.fragment,e),g(_.$$.fragment,e),g(S.$$.fragment,e),he=!1},d(e){e&&(a(Q),a(B),a(R),a(U),a(O),a(V),a(W),a(Y),a(w),a(J),a(K),a(x),a(X),a(u),a(Z),a(H),a(ee),a(M),a(te),a(P),a(ae),a(C),a(ne),a(re),a(q),a(ie),a(I),a(oe),a(N),a(le),a(j),a(se),a(z),a(ce),a(E),a(ue),a(D),a(de),a(F),a(me),a(k),a(pe),a(A),a(fe),a(ge),a(G)),a(c),h(v,e),h(b,e),h($,e),h(L,e),h(y,e),h(T,e),h(_,e),h(S,e)}}}const Je='{"title":"Introducción","local":"introducción","sections":[{"title":"¡Te damos la bienvenida al curso de 🤗!","local":"te-damos-la-bienvenida-al-curso-de-","sections":[],"depth":2},{"title":"¿Qué esperar?","local":"qué-esperar","sections":[],"depth":2},{"title":"¿Quiénes somos?","local":"quiénes-somos","sections":[],"depth":2}],"depth":1}';function Ke($e){return Se(()=>{new URLSearchParams(window.location.search).get("fw")}),[]}class rt extends Be{constructor(c){super(),Ge(this,c,Ke,Ye,ke,{})}}export{rt as component};