course/pr_1202/ro/_app/immutable/nodes/83.bf413db7.js

import{s as ue,n as se,o as oe}from"../chunks/scheduler.893fe8c9.js";import{S as me,i as ce,e as r,s as l,c as h,h as pe,a as u,d as i,b as n,f as le,g as M,j as o,k as ne,l as fe,m as a,n as z,t as w,o as T,p as j}from"../chunks/index.6ee278c6.js";import{C as de,H as re,E as $e}from"../chunks/MermaidChart.svelte_svelte_type_style_lang.1d939c11.js";import{Y as ve}from"../chunks/Youtube.59d04f41.js";import{C as xe}from"../chunks/CourseFloatingBanner.b902b8d5.js";function ge(Q){let s,E,y,A,m,D,c,N,p,k,f,V="Dacă ați ajuns până aici în curs, felicitări – acum aveți toate cunoștințele și instrumentele necesare pentru a aborda (aproape) orice sarcină de procesare a limbajului cu 🤗 Transformers și ecosistemul Hugging Face!",S,d,U,$,W="Deși am acoperit multe sarcini tradiționale de NLP în acest curs, domeniul a fost revoluționat de Modelele Mari de Limbaj (LLM-uri). Aceste modele au extins dramatic ceea ce este posibil în procesarea limbajului:",q,v,X="<li>Pot gestiona mai multe sarcini fără fine-tuning specific pentru fiecare sarcină</li> <li>Excelează la urmarea instrucțiunilor și adaptarea la contexte diferite</li> <li>Pot genera text coerent și adecvat contextului pentru diverse aplicații</li> <li>Pot realiza raționamente și rezolva probleme complexe prin tehnici precum chain-of-thought prompting</li>",F,x,Z="Abilitățile fundamentale de NLP pe care le-ați învățat sunt în continuare esențiale pentru a lucra eficient cu LLM-urile. Înțelegerea tokenizării, a arhitecturilor de modele, a metodelor de fine-tuning și a metricilor de evaluare vă oferă cunoștințele necesare pentru a valorifica la maximum potențialul LLM-urilor.",R,g,ee="Am văzut o mulțime de data collators, așa că am făcut acest mic videoclip pentru a vă ajuta să găsiți cel pe care să îl utilizați pentru fiecare sarcină:",Y,L,B,b,te="După finalizarea acestui tur fulger prin sarcinile de bază ale procesării limbajului, ar trebui să:",G,C,ie="<li>Știți care arhitecturi (encoder, decoder sau encoder-decoder) sunt cele mai potrivite pentru fiecare sarcină</li> <li>Înțelegeți diferența dintre preantrenarea și fine-tuning-ul unui model lingvistic</li> <li>Știți cum să antrenați modele Transformer folosind fie API-ul <code>Trainer</code> și funcționalitățile de antrenare distribuită ale 🤗 Accelerate, fie TensorFlow și Keras, în funcție de traseul pe care l-ați urmat</li> <li>Înțelegeți semnificația și limitele metricilor precum ROUGE și BLEU pentru sarcinile de generare de text</li> <li>Știți cum să interacționați cu modelele voastre ajustate, atât pe Hub, cât și folosind <code>pipeline</code> din 🤗 Transformers</li> <li>Să apreciați modul în care LLM-urile se bazează pe și extind tehnicile tradiționale de NLP</li>",O,_,ae="În ciuda tuturor acestor cunoștințe, va veni un moment în care fie veți întâlni un bug dificil în codul vostru, fie veți avea o întrebare despre cum să rezolvați o anumită problemă de procesare a limbajului. Din fericire, comunitatea Hugging Face este aici pentru a vă ajuta! În ultimul capitol al acestei părți a cursului, vom explora cum puteți depana modelele Transformer și cum puteți solicita ajutor în mod eficient.",I,P,K,H,J;return m=new de({props:{containerStyle:"float: right; margin-left: 10px; display: inline-flex; position: relative; z-index: 10;"}}),c=new re({props:{title:"Înțelegerea LLM-urilor",local:"mastering-llms",headingTag:"h1"}}),p=new xe({props:{chapter:7,classNames:"absolute z-10 right-0 top-0"}}),d=new re({props:{title:"De la NLP la LLM-uri",local:"de-la-nlp-la-llm-uri",headingTag:"h2"}}),L=new ve({props:{id:"-RPeakdlHYo"}}),P=new $e({props:{source:"https://github.com/huggingface/course/blob/main/chapters/ro/chapter7/8.mdx"}}),{c(){s=r("meta"),E=l(),y=r("p"),A=l(),h(m.$$.fragment),D=l(),h(c.$$.fragment),N=l(),h(p.$$.fragment),k=l(),f=r("p"),f.textContent=V,S=l(),h(d.$$.fragment),U=l(),$=r("p"),$.textContent=W,q=l(),v=r("ul"),v.innerHTML=X,F=l(),x=r("p"),x.textContent=Z,R=l(),g=r("p"),g.textContent=ee,Y=l(),h(L.$$.fragment),B=l(),b=r("p"),b.textContent=te,G=l(),C=r("ul"),C.innerHTML=ie,O=l(),_=r("p"),_.textContent=ae,I=l(),h(P.$$.fragment),K=l(),H=r("p"),this.h()},l(e){const t=pe("svelte-u9bgzb",document.head);s=u(t,"META",{name:!0,content:!0}),t.forEach(i),E=n(e),y=u(e,"P",{}),le(y).forEach(i),A=n(e),M(m.$$.fragment,e),D=n(e),M(c.$$.fragment,e),N=n(e),M(p.$$.fragment,e),k=n(e),f=u(e,"P",{"data-svelte-h":!0}),o(f)!=="svelte-1wcz6oh"&&(f.textContent=V),S=n(e),M(d.$$.fragment,e),U=n(e),$=u(e,"P",{"data-svelte-h":!0}),o($)!=="svelte-1qpux5f"&&($.textContent=W),q=n(e),v=u(e,"UL",{"data-svelte-h":!0}),o(v)!=="svelte-d4qxuj"&&(v.innerHTML=X),F=n(e),x=u(e,"P",{"data-svelte-h":!0}),o(x)!=="svelte-ykat43"&&(x.textContent=Z),R=n(e),g=u(e,"P",{"data-svelte-h":!0}),o(g)!=="svelte-1euq7gk"&&(g.textContent=ee),Y=n(e),M(L.$$.fragment,e),B=n(e),b=u(e,"P",{"data-svelte-h":!0}),o(b)!=="svelte-1rdebzn"&&(b.textContent=te),G=n(e),C=u(e,"UL",{"data-svelte-h":!0}),o(C)!=="svelte-1e8wpmw"&&(C.innerHTML=ie),O=n(e),_=u(e,"P",{"data-svelte-h":!0}),o(_)!=="svelte-w8ld2y"&&(_.textContent=ae),I=n(e),M(P.$$.fragment,e),K=n(e),H=u(e,"P",{}),le(H).forEach(i),this.h()},h(){ne(s,"name","hf:doc:metadata"),ne(s,"content",Le)},m(e,t){fe(document.head,s),a(e,E,t),a(e,y,t),a(e,A,t),z(m,e,t),a(e,D,t),z(c,e,t),a(e,N,t),z(p,e,t),a(e,k,t),a(e,f,t),a(e,S,t),z(d,e,t),a(e,U,t),a(e,$,t),a(e,q,t),a(e,v,t),a(e,F,t),a(e,x,t),a(e,R,t),a(e,g,t),a(e,Y,t),z(L,e,t),a(e,B,t),a(e,b,t),a(e,G,t),a(e,C,t),a(e,O,t),a(e,_,t),a(e,I,t),z(P,e,t),a(e,K,t),a(e,H,t),J=!0},p:se,i(e){J||(w(m.$$.fragment,e),w(c.$$.fragment,e),w(p.$$.fragment,e),w(d.$$.fragment,e),w(L.$$.fragment,e),w(P.$$.fragment,e),J=!0)},o(e){T(m.$$.fragment,e),T(c.$$.fragment,e),T(p.$$.fragment,e),T(d.$$.fragment,e),T(L.$$.fragment,e),T(P.$$.fragment,e),J=!1},d(e){e&&(i(E),i(y),i(A),i(D),i(N),i(k),i(f),i(S),i(U),i($),i(q),i(v),i(F),i(x),i(R),i(g),i(Y),i(B),i(b),i(G),i(C),i(O),i(_),i(I),i(K),i(H)),i(s),j(m,e),j(c,e),j(p,e),j(d,e),j(L,e),j(P,e)}}}const Le='{"title":"Înțelegerea LLM-urilor","local":"mastering-llms","sections":[{"title":"De la NLP la LLM-uri","local":"de-la-nlp-la-llm-uri","sections":[],"depth":2}],"depth":1}';function be(Q){return oe(()=>{new URLSearchParams(window.location.search).get("fw")}),[]}class ze extends me{constructor(s){super(),ce(this,s,be,ge,ue,{})}}export{ze as component};