course/pr_1202/ru/_app/immutable/nodes/79.4ea02440.js

import{s as kl,n as Al,o as Sl}from"../chunks/scheduler.893fe8c9.js";import{S as zl,i as Fl,e as p,s as i,c as f,h as Il,a as r,d as l,b as m,f as bl,g as u,j as s,k as x,l as El,m as n,n as $,t as a,o as v,p as g}from"../chunks/index.2d09ebb4.js";import{C as Gl,H as Ne,E as jl}from"../chunks/MermaidChart.svelte_svelte_type_style_lang.72c4b310.js";import{Y as T}from"../chunks/Youtube.b7012d06.js";function Rl(qe){let M,kt,ot,At,k,St,A,zt,S,Ye="В связи с выходом второй части курса мы организовали живую встречу с двумя днями выступлений перед спринтом по доработке. Если вы пропустили это мероприятие, вы можете просмотреть все выступления, которые перечислены ниже!",Ft,z,It,F,he="<strong>Томас Вульф:</strong> <em>Трансферное обучение и рождение библиотеки Transformers</em>",Et,I,Gt,C,Ke='<img src="https://i.imgur.com/9eq8oUi.png" alt="A visual summary of Thom&#39;s talk" width="80%"/>',jt,E,Oe='Томас Вольф - соучредитель и главный научный директор компании Hugging Face. Инструменты, созданные Томасом Вольфом и командой Hugging Face, используются более чем в 5 000 исследовательских организаций, включая Facebook Artificial Intelligence Research, Google Research, DeepMind, Amazon Research, Apple, Институт искусственного интеллекта Аллена, а также большинство университетских факультетов. Томас Вольф является инициатором и старшим председателем крупнейшей исследовательской коллаборации, когда-либо существовавшей в области искусственного интеллекта: <a href="https://bigscience.huggingface.co" rel="nofollow">“BigScience”</a>, а также набора широко используемых <a href="https://github.com/huggingface/" rel="nofollow">библиотек и инструментов</a>. Томас Вольф также является активным преподавателем, идейным лидером в области искусственного интеллекта и обработки естественного языка и постоянным приглашенным докладчиком на конференциях по всему миру <a href="https://thomwolf.io" rel="nofollow">https://thomwolf.io</a>.',Rt,G,Ue="<strong>Джей Аламмар:</strong> <em>Легкое визуальное введение в модели трансформеры</em>",Nt,j,qt,L,Be='<img src="https://i.imgur.com/rOZAuE9.png" alt="A visual summary of Jay&#39;s talk" width="80%"/>',Yt,R,Je="Благодаря своему популярному блогу Джей помог миллионам исследователей и инженеров наглядно понять инструменты и концепции машинного обучения - от базовых (заканчивая документами по NumPy, Pandas) до самых современных (Transformers, BERT, GPT-3).",ht,N,Xe="<strong>Маргарет Митчелл:</strong> <em>О ценностях в разработке ML</em>",Kt,q,Ot,H,Ze='<img src="https://i.imgur.com/NuIsnY3.png" alt="A visual summary of Margaret&#39;s talk" width="80%"/>',Ut,Y,De="Маргарет Митчелл - исследователь, работающий в области этики ИИ. В настоящее время она занимается вопросами разработки ИИ с учетом этических норм в технологиях. Она опубликовала более 50 работ по генерации естественного языка, ассистивным технологиям, компьютерному зрению и этике ИИ, а также имеет множество патентов в области генерации диалогов и классификации настроений. Ранее она работала в Google AI в качестве штатного научного сотрудника, где основала и возглавила группу Google Ethical AI, которая занималась фундаментальными исследованиями в области этики ИИ и операционализацией этики ИИ внутри Google. До прихода в Google она работала исследователем в Microsoft Research, занимаясь вопросами создания компьютерного зрения и языка, а также была постдокторантом в Университете Джонса Хопкинса, занимаясь байесовским моделированием и извлечением информации. Она получила докторскую степень в области компьютерных наук в Абердинском университете и степень магистра в области вычислительной лингвистики в Вашингтонском университете. В период с 2005 по 2012 год она также работала в области машинного обучения, неврологических расстройств и вспомогательных технологий в Орегонском университете здоровья и науки. Она была инициатором ряда семинаров и инициатив на пересечении многообразия, инклюзивности, компьютерных наук и этики. Ее работа была отмечена наградами министра обороны Эша Картера и Американского фонда поддержки слепых, а также была внедрена несколькими технологическими компаниями. Она любит садоводство, собак и кошек.",Bt,h,Qe="<strong>Мэттью Уотсон и Чэнь Цянь:</strong> <em>Рабочие процессы NLP с Keras</em>",Jt,K,Xt,w,Ve='<img src="https://i.imgur.com/1vD2az8.png" alt="A visual summary of Matt and Chen&#39;s talk" width="80%"/>',Zt,O,We="Мэтью Уотсон - инженер по машинному обучению в команде Keras, специализирующийся на высокоуровневых API для моделирования. Он изучал компьютерную графику в бакалавриате и получил степень магистра в Стэнфордском университете. Получив английское образование, он выбрал компьютерную науку, но очень любит работать с разными дисциплинами и делать NLP доступным для широкой аудитории.",Dt,U,de="Чен Цянь - инженер-программист из команды Keras, специализирующийся на высокоуровневых API для моделирования. Чен получил степень магистра электротехники в Стэнфордском университете и особенно интересуется упрощением имплементации в коде задач ML и крупномасштабным ML проектов.",Qt,B,ce="<strong>Марк Саруфим:</strong> <em>Как обучить модель с помощью Pytorch</em>",Vt,J,Wt,P,tl='<img src="https://i.imgur.com/TPmlkm8.png" alt="A visual summary of Mark&#39;s talk" width="80%"/>',dt,X,el='Марк Саруфим - инженер-партнер компании Pytorch, работающий над производственными инструментами OSS, включая TorchServe и Pytorch Enterprise. В прошлом Марк был прикладным ученым и менеджером по продуктам в Graphcore, <a href="http://yuri.ai/" rel="nofollow">yuri.ai</a>, Microsoft и NASA’s JPL. Его главная страсть - сделать программирование более увлекательным.',ct,Z,ll="<strong>Якоб Ушкорейт:</strong> <em>Не сломалось, так <del>не чини!</del> Давай сломаем)</em>",te,D,ee,_,nl='<img src="https://i.imgur.com/5dWQeNB.png" alt="A visual summary of Jakob&#39;s talk" width="80%"/>',le,Q,il="Якоб Ушкорейт - соучредитель компании Inceptive. Inceptive разрабатывает молекулы РНК для вакцин и терапевтических препаратов, используя крупномасштабное глубокое обучение в тесной связке с результативными экспериментами, с целью сделать лекарства на основе РНК более доступными, эффективными и широко применимыми. Ранее Якоб более десяти лет работал в Google, возглавляя группы исследований и разработок в Google Brain, Research and Search, работая над основами глубокого обучения, компьютерным зрением, пониманием языка и машинным переводом.",ne,V,ie,W,ml="<strong>Льюис Танстолл:</strong> <em>Простое обучение с 🤗 Transformers Trainer</em>",me,d,pe,c,pl='Льюис - инженер по машинному обучению в компании Hugging Face, занимающейся разработкой инструментов с открытым исходным кодом и делающий их доступными для широкого круга пользователей. Он также является соавтором книги O’Reilly <a href="https://www.oreilly.com/library/view/natural-language-processing/9781098136789/" rel="nofollow">Natural Language Processing with Transformers</a>. Вы можете следовать за ним в Twitter (@_lewtun) для получения советов и рекомендаций по NLP!',re,tt,rl="<strong>Мэтью Кэрриган:</strong> <em>Новые функции TensorFlow для 🤗 Transformers и 🤗 Datasets</em>",se,et,fe,lt,sl="Мэтт отвечает за поддержку TensorFlow в Transformers и в конечном итоге возглавит переворот против действующей фракции PyTorch, который, вероятно, будет координироваться через его аккаунт в Twitter @carrigmat.",ue,nt,fl="<strong>Лисандр Дебю:</strong> <em>Hugging Face Hub как средство для совместной работы и обмена проектами по машинному обучению</em>",$e,it,ae,y,ul='<img src="https://i.imgur.com/TarIPCz.png" alt="A visual summary of Lysandre&#39;s talk" width="80%"/>',ve,mt,$l="Лисандр - инженер по машинному обучению в компании Hugging Face, где он участвует во многих проектах с открытым исходным кодом. Его цель - сделать машинное обучение доступным для всех, разрабатывая мощные инструменты с очень простым API.",ge,pt,al="<strong>Люсиль Сольнье:</strong> <em>Получите свой собственный токенизатор с помощью 🤗 Transformers &amp; 🤗 Tokenizers</em>",Te,rt,xe,st,vl="Люсиль - инженер по машинному обучению в компании Hugging Face, занимается разработкой и поддержкой использования инструментов с открытым исходным кодом. Она также активно участвует во многих исследовательских проектах в области обработки естественного языка, таких как коллаборативное обучение и BigScience.",Me,ft,gl="<strong>Сильвен Гуггер:</strong> <em>Ускорьте цикл обучения PyTorch с помощью 🤗 Accelerate</em>",Ce,ut,Le,$t,Tl="Сильвен - инженер-исследователь в Hugging Face, один из основных сопровождающих 🤗 Transformers и разработчик 🤗 Accelerate. Ему нравится делать обучение моделей более доступным.",He,at,xl="<strong>Мерве Ноян:</strong> <em>Демонстрируйте свои демо моделей с помощью 🤗 Spaces</em>",we,vt,Pe,gt,Ml="Мерве - сторонник разработчиков (developer advocate) в Hugging Face, занимается разработкой инструментов и созданием контента для них, чтобы сделать машинное обучение демократичным для всех.",_e,Tt,Cl="<strong>Абубакар Абид:</strong> <em>Быстрое создание приложений машинного обучения</em>",ye,xt,oe,o,Ll='<img src="https://i.imgur.com/qWIFeiF.png" alt="A visual summary of Abubakar&#39;s talk" width="80%"/>',be,Mt,Hl='Абубакар Абид - CEO компании <a href="www.gradio.app">Gradio</a>. В 2015 году он получил степень бакалавра наук по электротехнике и информатике в Массачусетском технологическом институте, а в 2021 году - степень доктора наук по прикладному машинному обучению в Стэнфорде. В качестве генерального директора Gradio Абубакар работает над тем, чтобы облегчить демонстрацию, отладку и развертывание моделей машинного обучения.',ke,Ct,wl="<strong>Матье Десве:</strong> <em>AWS ML Vision: Сделать машинное обучение доступным для всех пользователей</em>",Ae,Lt,Se,b,Pl='<img src="https://i.imgur.com/oLdZTKy.png" alt="A visual summary of Mathieu&#39;s talk" width="80%"/>',ze,Ht,_l="Энтузиаст технологий, в свободное время занимаюсь творчеством. Мне нравятся задачи и решение проблем клиентов и пользователей, а также работа с талантливыми людьми, чтобы учиться каждый день. С 2004 года я работаю на разных должностях, начиная с фронтенда, бэкенда, инфраструктуры, заканчивая операциями и управлением. Стараюсь оперативно решать общие технические и управленческие вопросы.",Fe,wt,yl="<strong>Филипп Шмид:</strong> <em>Управляемое обучение с Amazon SageMaker и 🤗 Transformers</em>",Ie,Pt,Ee,_t,ol="Филипп Шмид - инженер по машинному обучению и технический руководитель в Hugging Face, где он возглавляет сотрудничество с командой Amazon SageMaker. Он увлечен демократизацией и производством передовых моделей NLP и повышением простоты использования Deep Learning.",Ge,yt,je,bt,Re;return k=new Gl({props:{containerStyle:"float: right; margin-left: 10px; display: inline-flex; position: relative; z-index: 10;"}}),A=new Ne({props:{title:"Событие посвященное выходу 2 части курса",local:"part-2-release-event",headingTag:"h1"}}),z=new Ne({props:{title:"День 1: Высокоуровневое представление о трансформерах и о том, как их обучать",local:"day-1-a-high-level-view-of-transformers-and-how-to-train-them",headingTag:"h2"}}),I=new T({props:{id:"wCYVeahJES0"}}),j=new T({props:{id:"VzvG23gmcYU"}}),q=new T({props:{id:"8j9HRMjh_s8"}}),K=new T({props:{id:"gZIP-_2XYMM"}}),J=new T({props:{id:"KmvPlW2cbIo"}}),D=new T({props:{id:"C6jweXYFHSA"}}),V=new Ne({props:{title:"День 2: Инструменты, которые следует использовать",local:"day-2-the-tools-to-use",headingTag:"h2"}}),d=new T({props:{id:"u--UVvH-LIQ"}}),et=new T({props:{id:"gQUlXp1691w"}}),it=new T({props:{id:"RBw1TmdEZp0"}}),rt=new T({props:{id:"UkNmyTFKriI"}}),ut=new T({props:{id:"t8Krzu-nSeY"}}),vt=new T({props:{id:"vbaKOa4UXoM"}}),xt=new T({props:{id:"c7mle2yYpwQ"}}),Lt=new T({props:{id:"O2e3pXO4aRE"}}),Pt=new T({props:{id:"yG6J2Zfo8iw"}}),yt=new jl({props:{source:"https://github.com/huggingface/course/blob/main/chapters/ru/events/2.mdx"}}),{c(){M=p("meta"),kt=i(),ot=p("p"),At=i(),f(k.$$.fragment),St=i(),f(A.$$.fragment),zt=i(),S=p("p"),S.textContent=Ye,Ft=i(),f(z.$$.fragment),It=i(),F=p("p"),F.innerHTML=he,Et=i(),f(I.$$.fragment),Gt=i(),C=p("p"),C.innerHTML=Ke,jt=i(),E=p("p"),E.innerHTML=Oe,Rt=i(),G=p("p"),G.innerHTML=Ue,Nt=i(),f(j.$$.fragment),qt=i(),L=p("p"),L.innerHTML=Be,Yt=i(),R=p("p"),R.textContent=Je,ht=i(),N=p("p"),N.innerHTML=Xe,Kt=i(),f(q.$$.fragment),Ot=i(),H=p("p"),H.innerHTML=Ze,Ut=i(),Y=p("p"),Y.textContent=De,Bt=i(),h=p("p"),h.innerHTML=Qe,Jt=i(),f(K.$$.fragment),Xt=i(),w=p("p"),w.innerHTML=Ve,Zt=i(),O=p("p"),O.textContent=We,Dt=i(),U=p("p"),U.textContent=de,Qt=i(),B=p("p"),B.innerHTML=ce,Vt=i(),f(J.$$.fragment),Wt=i(),P=p("p"),P.innerHTML=tl,dt=i(),X=p("p"),X.innerHTML=el,ct=i(),Z=p("p"),Z.innerHTML=ll,te=i(),f(D.$$.fragment),ee=i(),_=p("p"),_.innerHTML=nl,le=i(),Q=p("p"),Q.textContent=il,ne=i(),f(V.$$.fragment),ie=i(),W=p("p"),W.innerHTML=ml,me=i(),f(d.$$.fragment),pe=i(),c=p("p"),c.innerHTML=pl,re=i(),tt=p("p"),tt.innerHTML=rl,se=i(),f(et.$$.fragment),fe=i(),lt=p("p"),lt.textContent=sl,ue=i(),nt=p("p"),nt.innerHTML=fl,$e=i(),f(it.$$.fragment),ae=i(),y=p("p"),y.innerHTML=ul,ve=i(),mt=p("p"),mt.textContent=$l,ge=i(),pt=p("p"),pt.innerHTML=al,Te=i(),f(rt.$$.fragment),xe=i(),st=p("p"),st.textContent=vl,Me=i(),ft=p("p"),ft.innerHTML=gl,Ce=i(),f(ut.$$.fragment),Le=i(),$t=p("p"),$t.textContent=Tl,He=i(),at=p("p"),at.innerHTML=xl,we=i(),f(vt.$$.fragment),Pe=i(),gt=p("p"),gt.textContent=Ml,_e=i(),Tt=p("p"),Tt.innerHTML=Cl,ye=i(),f(xt.$$.fragment),oe=i(),o=p("p"),o.innerHTML=Ll,be=i(),Mt=p("p"),Mt.innerHTML=Hl,ke=i(),Ct=p("p"),Ct.innerHTML=wl,Ae=i(),f(Lt.$$.fragment),Se=i(),b=p("p"),b.innerHTML=Pl,ze=i(),Ht=p("p"),Ht.textContent=_l,Fe=i(),wt=p("p"),wt.innerHTML=yl,Ie=i(),f(Pt.$$.fragment),Ee=i(),_t=p("p"),_t.textContent=ol,Ge=i(),f(yt.$$.fragment),je=i(),bt=p("p"),this.h()},l(t){const e=Il("svelte-u9bgzb",document.head);M=r(e,"META",{name:!0,content:!0}),e.forEach(l),kt=m(t),ot=r(t,"P",{}),bl(ot).forEach(l),At=m(t),u(k.$$.fragment,t),St=m(t),u(A.$$.fragment,t),zt=m(t),S=r(t,"P",{"data-svelte-h":!0}),s(S)!=="svelte-1f0p6k3"&&(S.textContent=Ye),Ft=m(t),u(z.$$.fragment,t),It=m(t),F=r(t,"P",{"data-svelte-h":!0}),s(F)!=="svelte-6679nr"&&(F.innerHTML=he),Et=m(t),u(I.$$.fragment,t),Gt=m(t),C=r(t,"P",{align:!0,"data-svelte-h":!0}),s(C)!=="svelte-1pq89j4"&&(C.innerHTML=Ke),jt=m(t),E=r(t,"P",{"data-svelte-h":!0}),s(E)!=="svelte-37a9gd"&&(E.innerHTML=Oe),Rt=m(t),G=r(t,"P",{"data-svelte-h":!0}),s(G)!=="svelte-qo8jai"&&(G.innerHTML=Ue),Nt=m(t),u(j.$$.fragment,t),qt=m(t),L=r(t,"P",{align:!0,"data-svelte-h":!0}),s(L)!=="svelte-1pp2h6d"&&(L.innerHTML=Be),Yt=m(t),R=r(t,"P",{"data-svelte-h":!0}),s(R)!=="svelte-1wakyzs"&&(R.textContent=Je),ht=m(t),N=r(t,"P",{"data-svelte-h":!0}),s(N)!=="svelte-hrc6d0"&&(N.innerHTML=Xe),Kt=m(t),u(q.$$.fragment,t),Ot=m(t),H=r(t,"P",{align:!0,"data-svelte-h":!0}),s(H)!=="svelte-106qzje"&&(H.innerHTML=Ze),Ut=m(t),Y=r(t,"P",{"data-svelte-h":!0}),s(Y)!=="svelte-9ix1ep"&&(Y.textContent=De),Bt=m(t),h=r(t,"P",{"data-svelte-h":!0}),s(h)!=="svelte-104d8hm"&&(h.innerHTML=Qe),Jt=m(t),u(K.$$.fragment,t),Xt=m(t),w=r(t,"P",{align:!0,"data-svelte-h":!0}),s(w)!=="svelte-1er751x"&&(w.innerHTML=Ve),Zt=m(t),O=r(t,"P",{"data-svelte-h":!0}),s(O)!=="svelte-sbsdmj"&&(O.textContent=We),Dt=m(t),U=r(t,"P",{"data-svelte-h":!0}),s(U)!=="svelte-1rdyez2"&&(U.textContent=de),Qt=m(t),B=r(t,"P",{"data-svelte-h":!0}),s(B)!=="svelte-s4mtbf"&&(B.innerHTML=ce),Vt=m(t),u(J.$$.fragment,t),Wt=m(t),P=r(t,"P",{align:!0,"data-svelte-h":!0}),s(P)!=="svelte-sylk66"&&(P.innerHTML=tl),dt=m(t),X=r(t,"P",{"data-svelte-h":!0}),s(X)!=="svelte-5lphnn"&&(X.innerHTML=el),ct=m(t),Z=r(t,"P",{"data-svelte-h":!0}),s(Z)!=="svelte-1kb10m6"&&(Z.innerHTML=ll),te=m(t),u(D.$$.fragment,t),ee=m(t),_=r(t,"P",{align:!0,"data-svelte-h":!0}),s(_)!=="svelte-ccn62d"&&(_.innerHTML=nl),le=m(t),Q=r(t,"P",{"data-svelte-h":!0}),s(Q)!=="svelte-5jl3nh"&&(Q.textContent=il),ne=m(t),u(V.$$.fragment,t),ie=m(t),W=r(t,"P",{"data-svelte-h":!0}),s(W)!=="svelte-1ep9vdi"&&(W.innerHTML=ml),me=m(t),u(d.$$.fragment,t),pe=m(t),c=r(t,"P",{"data-svelte-h":!0}),s(c)!=="svelte-z1zkps"&&(c.innerHTML=pl),re=m(t),tt=r(t,"P",{"data-svelte-h":!0}),s(tt)!=="svelte-2t1pnx"&&(tt.innerHTML=rl),se=m(t),u(et.$$.fragment,t),fe=m(t),lt=r(t,"P",{"data-svelte-h":!0}),s(lt)!=="svelte-18doi0o"&&(lt.textContent=sl),ue=m(t),nt=r(t,"P",{"data-svelte-h":!0}),s(nt)!=="svelte-1uqeqdm"&&(nt.innerHTML=fl),$e=m(t),u(it.$$.fragment,t),ae=m(t),y=r(t,"P",{align:!0,"data-svelte-h":!0}),s(y)!=="svelte-1ljidv5"&&(y.innerHTML=ul),ve=m(t),mt=r(t,"P",{"data-svelte-h":!0}),s(mt)!=="svelte-3frukw"&&(mt.textContent=$l),ge=m(t),pt=r(t,"P",{"data-svelte-h":!0}),s(pt)!=="svelte-112mr0e"&&(pt.innerHTML=al),Te=m(t),u(rt.$$.fragment,t),xe=m(t),st=r(t,"P",{"data-svelte-h":!0}),s(st)!=="svelte-volq1e"&&(st.textContent=vl),Me=m(t),ft=r(t,"P",{"data-svelte-h":!0}),s(ft)!=="svelte-xc5fl1"&&(ft.innerHTML=gl),Ce=m(t),u(ut.$$.fragment,t),Le=m(t),$t=r(t,"P",{"data-svelte-h":!0}),s($t)!=="svelte-1cke2rt"&&($t.textContent=Tl),He=m(t),at=r(t,"P",{"data-svelte-h":!0}),s(at)!=="svelte-iag3jw"&&(at.innerHTML=xl),we=m(t),u(vt.$$.fragment,t),Pe=m(t),gt=r(t,"P",{"data-svelte-h":!0}),s(gt)!=="svelte-ntepjn"&&(gt.textContent=Ml),_e=m(t),Tt=r(t,"P",{"data-svelte-h":!0}),s(Tt)!=="svelte-1aneek2"&&(Tt.innerHTML=Cl),ye=m(t),u(xt.$$.fragment,t),oe=m(t),o=r(t,"P",{align:!0,"data-svelte-h":!0}),s(o)!=="svelte-18ntib6"&&(o.innerHTML=Ll),be=m(t),Mt=r(t,"P",{"data-svelte-h":!0}),s(Mt)!=="svelte-m9kawv"&&(Mt.innerHTML=Hl),ke=m(t),Ct=r(t,"P",{"data-svelte-h":!0}),s(Ct)!=="svelte-1ygakaz"&&(Ct.innerHTML=wl),Ae=m(t),u(Lt.$$.fragment,t),Se=m(t),b=r(t,"P",{align:!0,"data-svelte-h":!0}),s(b)!=="svelte-1khv7xm"&&(b.innerHTML=Pl),ze=m(t),Ht=r(t,"P",{"data-svelte-h":!0}),s(Ht)!=="svelte-tzfkku"&&(Ht.textContent=_l),Fe=m(t),wt=r(t,"P",{"data-svelte-h":!0}),s(wt)!=="svelte-2v51wh"&&(wt.innerHTML=yl),Ie=m(t),u(Pt.$$.fragment,t),Ee=m(t),_t=r(t,"P",{"data-svelte-h":!0}),s(_t)!=="svelte-1muvnf2"&&(_t.textContent=ol),Ge=m(t),u(yt.$$.fragment,t),je=m(t),bt=r(t,"P",{}),bl(bt).forEach(l),this.h()},h(){x(M,"name","hf:doc:metadata"),x(M,"content",Nl),x(C,"align","center"),x(L,"align","center"),x(H,"align","center"),x(w,"align","center"),x(P,"align","center"),x(_,"align","center"),x(y,"align","center"),x(o,"align","center"),x(b,"align","center")},m(t,e){El(document.head,M),n(t,kt,e),n(t,ot,e),n(t,At,e),$(k,t,e),n(t,St,e),$(A,t,e),n(t,zt,e),n(t,S,e),n(t,Ft,e),$(z,t,e),n(t,It,e),n(t,F,e),n(t,Et,e),$(I,t,e),n(t,Gt,e),n(t,C,e),n(t,jt,e),n(t,E,e),n(t,Rt,e),n(t,G,e),n(t,Nt,e),$(j,t,e),n(t,qt,e),n(t,L,e),n(t,Yt,e),n(t,R,e),n(t,ht,e),n(t,N,e),n(t,Kt,e),$(q,t,e),n(t,Ot,e),n(t,H,e),n(t,Ut,e),n(t,Y,e),n(t,Bt,e),n(t,h,e),n(t,Jt,e),$(K,t,e),n(t,Xt,e),n(t,w,e),n(t,Zt,e),n(t,O,e),n(t,Dt,e),n(t,U,e),n(t,Qt,e),n(t,B,e),n(t,Vt,e),$(J,t,e),n(t,Wt,e),n(t,P,e),n(t,dt,e),n(t,X,e),n(t,ct,e),n(t,Z,e),n(t,te,e),$(D,t,e),n(t,ee,e),n(t,_,e),n(t,le,e),n(t,Q,e),n(t,ne,e),$(V,t,e),n(t,ie,e),n(t,W,e),n(t,me,e),$(d,t,e),n(t,pe,e),n(t,c,e),n(t,re,e),n(t,tt,e),n(t,se,e),$(et,t,e),n(t,fe,e),n(t,lt,e),n(t,ue,e),n(t,nt,e),n(t,$e,e),$(it,t,e),n(t,ae,e),n(t,y,e),n(t,ve,e),n(t,mt,e),n(t,ge,e),n(t,pt,e),n(t,Te,e),$(rt,t,e),n(t,xe,e),n(t,st,e),n(t,Me,e),n(t,ft,e),n(t,Ce,e),$(ut,t,e),n(t,Le,e),n(t,$t,e),n(t,He,e),n(t,at,e),n(t,we,e),$(vt,t,e),n(t,Pe,e),n(t,gt,e),n(t,_e,e),n(t,Tt,e),n(t,ye,e),$(xt,t,e),n(t,oe,e),n(t,o,e),n(t,be,e),n(t,Mt,e),n(t,ke,e),n(t,Ct,e),n(t,Ae,e),$(Lt,t,e),n(t,Se,e),n(t,b,e),n(t,ze,e),n(t,Ht,e),n(t,Fe,e),n(t,wt,e),n(t,Ie,e),$(Pt,t,e),n(t,Ee,e),n(t,_t,e),n(t,Ge,e),$(yt,t,e),n(t,je,e),n(t,bt,e),Re=!0},p:Al,i(t){Re||(a(k.$$.fragment,t),a(A.$$.fragment,t),a(z.$$.fragment,t),a(I.$$.fragment,t),a(j.$$.fragment,t),a(q.$$.fragment,t),a(K.$$.fragment,t),a(J.$$.fragment,t),a(D.$$.fragment,t),a(V.$$.fragment,t),a(d.$$.fragment,t),a(et.$$.fragment,t),a(it.$$.fragment,t),a(rt.$$.fragment,t),a(ut.$$.fragment,t),a(vt.$$.fragment,t),a(xt.$$.fragment,t),a(Lt.$$.fragment,t),a(Pt.$$.fragment,t),a(yt.$$.fragment,t),Re=!0)},o(t){v(k.$$.fragment,t),v(A.$$.fragment,t),v(z.$$.fragment,t),v(I.$$.fragment,t),v(j.$$.fragment,t),v(q.$$.fragment,t),v(K.$$.fragment,t),v(J.$$.fragment,t),v(D.$$.fragment,t),v(V.$$.fragment,t),v(d.$$.fragment,t),v(et.$$.fragment,t),v(it.$$.fragment,t),v(rt.$$.fragment,t),v(ut.$$.fragment,t),v(vt.$$.fragment,t),v(xt.$$.fragment,t),v(Lt.$$.fragment,t),v(Pt.$$.fragment,t),v(yt.$$.fragment,t),Re=!1},d(t){t&&(l(kt),l(ot),l(At),l(St),l(zt),l(S),l(Ft),l(It),l(F),l(Et),l(Gt),l(C),l(jt),l(E),l(Rt),l(G),l(Nt),l(qt),l(L),l(Yt),l(R),l(ht),l(N),l(Kt),l(Ot),l(H),l(Ut),l(Y),l(Bt),l(h),l(Jt),l(Xt),l(w),l(Zt),l(O),l(Dt),l(U),l(Qt),l(B),l(Vt),l(Wt),l(P),l(dt),l(X),l(ct),l(Z),l(te),l(ee),l(_),l(le),l(Q),l(ne),l(ie),l(W),l(me),l(pe),l(c),l(re),l(tt),l(se),l(fe),l(lt),l(ue),l(nt),l($e),l(ae),l(y),l(ve),l(mt),l(ge),l(pt),l(Te),l(xe),l(st),l(Me),l(ft),l(Ce),l(Le),l($t),l(He),l(at),l(we),l(Pe),l(gt),l(_e),l(Tt),l(ye),l(oe),l(o),l(be),l(Mt),l(ke),l(Ct),l(Ae),l(Se),l(b),l(ze),l(Ht),l(Fe),l(wt),l(Ie),l(Ee),l(_t),l(Ge),l(je),l(bt)),l(M),g(k,t),g(A,t),g(z,t),g(I,t),g(j,t),g(q,t),g(K,t),g(J,t),g(D,t),g(V,t),g(d,t),g(et,t),g(it,t),g(rt,t),g(ut,t),g(vt,t),g(xt,t),g(Lt,t),g(Pt,t),g(yt,t)}}}const Nl='{"title":"Событие посвященное выходу 2 части курса","local":"part-2-release-event","sections":[{"title":"День 1: Высокоуровневое представление о трансформерах и о том, как их обучать","local":"day-1-a-high-level-view-of-transformers-and-how-to-train-them","sections":[],"depth":2},{"title":"День 2: Инструменты, которые следует использовать","local":"day-2-the-tools-to-use","sections":[],"depth":2}],"depth":1}';function ql(qe){return Sl(()=>{new URLSearchParams(window.location.search).get("fw")}),[]}class Ul extends zl{constructor(M){super(),Fl(this,M,ql,Rl,kl,{})}}export{Ul as component};