Buckets:

HuggingFaceDocBuilder's picture
|
download
raw
4.76 kB

အပိုင်း ၁ ပြီးဆုံးပါပြီ![[part-1-completed]]

ဒါက သင်တန်းရဲ့ ပထမအပိုင်း ပြီးဆုံးခြင်းဖြစ်ပါတယ်။ အပိုင်း ၂ က နိုဝင်ဘာလ ၁၅ ရက်နေ့မှာ community event ကြီးတစ်ခုနဲ့အတူ ထွက်ရှိလာပါလိမ့်မယ်၊ အသေးစိတ်အချက်အလက်များကို ဒီနေရာမှာ ကြည့်ရှုနိုင်ပါတယ်။

သင်ဟာ အခုဆိုရင် pretrained model တစ်ခုကို text classification problem (စာကြောင်းတစ်ခုတည်း ဒါမှမဟုတ် စာကြောင်းအတွဲများ) မှာ fine-tune လုပ်နိုင်ပြီး ရလဒ်ကို Model Hub သို့ upload လုပ်နိုင်ပါပြီ။ ဒီပထမပိုင်းကို ကျွမ်းကျင်ကြောင်း သေချာစေဖို့၊ သင်စိတ်ဝင်စားတဲ့ problem တစ်ခု (သင်အခြားဘာသာစကားတစ်ခု ပြောတတ်ရင် အင်္ဂလိပ်ဘာသာနဲ့ ဖြစ်စရာမလိုပါဘူး) ကို အတိအကျလုပ်ကြည့်သင့်ပါတယ်။ Hugging Face forums မှာ အကူအညီရှာနိုင်ပြီး ပြီးသွားတာနဲ့ ဒီ topic မှာ သင်ရဲ့ project ကို မျှဝေနိုင်ပါတယ်။

သင်ဘာတွေ တည်ဆောက်မလဲဆိုတာကို ကျွန်တော်တို့ စောင့်မျှော်နေပါတယ်။

ဝေါဟာရ ရှင်းလင်းချက် (Glossary)

  • Pretrained Model: အကြီးစား ဒေတာအမြောက်အမြားဖြင့် ကြိုတင်လေ့ကျင့်ထားပြီးဖြစ်သော AI (Artificial Intelligence) မော်ဒယ်။
  • Text Classification Problem: စာသားကို သတ်မှတ်ထားသော အမျိုးအစားများထဲသို့ ခွဲခြားသတ်မှတ်ခြင်းနှင့် သက်ဆိုင်သော ပြဿနာ။
  • Fine-tune: ကြိုတင်လေ့ကျင့်ထားပြီးသား (pre-trained) မော်ဒယ်တစ်ခုကို သီးခြားလုပ်ငန်းတစ်ခု (specific task) အတွက် အနည်းငယ်သော ဒေတာနဲ့ ထပ်မံလေ့ကျင့်ပေးခြင်းကို ဆိုလိုပါတယ်။
  • Model Hub: Hugging Face Hub ကို ရည်ညွှန်းပြီး AI မော်ဒယ်များ ရှာဖွေ၊ မျှဝေ၊ အသုံးပြုနိုင်သော ဗဟို platform။
  • Upload: ကွန်ပျူတာတစ်ခုမှ အွန်လိုင်းဆာဗာ သို့မဟုတ် အခြားကွန်ပျူတာတစ်ခုသို့ ဖိုင်များကို ပေးပို့ခြင်း။
  • Hugging Face Forums: Hugging Face အသုံးပြုသူများ အချင်းချင်း မေးခွန်းများမေးရန်၊ အဖြေများပေးရန်နှင့် ဆွေးနွေးရန်အတွက် အွန်လိုင်းဖိုရမ်။
  • Community Event: လူအဖွဲ့အစည်း (community) အတွင်းရှိ အဖွဲ့ဝင်များ စုဝေးပြီး ပါဝင်ဆင်နွှဲသော အခမ်းအနား သို့မဟုတ် လုပ်ဆောင်မှု။
  • Topic: အွန်လိုင်းဖိုရမ် သို့မဟုတ် ဆွေးနွေးပွဲတစ်ခုရှိ သီးခြားခေါင်းစဉ်။
  • Project: သတ်မှတ်ထားသော ရည်ရွယ်ချက်တစ်ခုကို ပြည့်မီရန် စီစဉ်ထားသော အလုပ်။

Xet Storage Details

Size:
4.76 kB
·
Xet hash:
3f22bcabf20d3c876ee2d406b1940a89ca7a2b0bed61021938cc321a72f5d69e

Xet efficiently stores files, intelligently splitting them into unique chunks and accelerating uploads and downloads. More info.