Buckets:
| # 🤗 Datasets, ¡listo! | |
| <CourseFloatingBanner | |
| chapter={5} | |
| classNames="absolute z-10 right-0 top-0" | |
| /> | |
| Bueno, ese fue un gran tour de la librería 🤗 Datasets. ¡Felicitaciones por llegar hasta aquí! Con el conocimiento que adquiriste en este capítulo, deberías ser capaz de: | |
| - Cargar datasets de cualquier parte, sea del Hub de Hugging Face, tu computador o un servidor remoto en tu compañía. | |
| - Preparar tus datos usando una combinación de las funciones `Dataset.map()` y `Dataset.filter()`. | |
| - Cambiar rápidamente entre formatos de datos como Pandas y NumPy usando `Dataset.set_format()`. | |
| - Crear tu propio dataset y subirlo al Hub de Hugging Face. | |
| - Procesar tus documentos usando un modelo de Transformer y construir un motor de búsqueda semántica usando FAISS. | |
| En el [Capítulo 7](/course/chapter7) pondremos todo esto en práctica cuando veamos a profundidad las tareas de PLN en las que son buenos los modelos de Transformers. Antes de seguir, ¡es hora de poner a prueba tu conocimiento de 🤗 Datasets con un quiz! | |
Xet Storage Details
- Size:
- 1.05 kB
- Xet hash:
- f6d0e5759b68bd2fa15259a832ac57eab8bb98eb2f6e4ab67edf39d6fc83fc7d
·
Xet efficiently stores files, intelligently splitting them into unique chunks and accelerating uploads and downloads. More info.