Buckets:

hf-doc-build
/

doc-dev

Files

xet

hf-doc-build/doc-dev / course /pr_1213 /es /chapter1 /1.html

rtrm

3 months ago

download

raw

40.6 kB

	<meta charset="utf-8" /><meta name="hf:doc:metadata" content="{"title":"Introducción","local":"introduction","sections":[{"title":"Te damos la bienvenida al curso de 🤗","local":"welcome-to-the-course","sections":[],"depth":2},{"title":"Entender el PLN y los LLMs","local":"understanding-nlp-and-llms","sections":[],"depth":2},{"title":"¿Qué esperar?","local":"what-to-expect","sections":[],"depth":2},{"title":"¿Quiénes somos?","local":"who-are-we","sections":[],"depth":2},{"title":"FAQ","local":"faq","sections":[],"depth":2},{"title":"Idiomas y traducciones","local":"languages-and-translations","sections":[],"depth":2},{"title":"Vamos allá","local":"vamos-allá","sections":[],"depth":2}],"depth":1}">
	<link href="/docs/course/pr_1213/es/_app/immutable/assets/0.e3b0c442.css" rel="modulepreload">
	<link rel="modulepreload" href="/docs/course/pr_1213/es/_app/immutable/entry/start.36d27295.js">
	<link rel="modulepreload" href="/docs/course/pr_1213/es/_app/immutable/chunks/scheduler.505acc25.js">
	<link rel="modulepreload" href="/docs/course/pr_1213/es/_app/immutable/chunks/singletons.6865fa96.js">
	<link rel="modulepreload" href="/docs/course/pr_1213/es/_app/immutable/chunks/index.001f95d5.js">
	<link rel="modulepreload" href="/docs/course/pr_1213/es/_app/immutable/chunks/paths.ec28c642.js">
	<link rel="modulepreload" href="/docs/course/pr_1213/es/_app/immutable/entry/app.3b43d7f3.js">
	<link rel="modulepreload" href="/docs/course/pr_1213/es/_app/immutable/chunks/preload-helper.8c2bab6b.js">
	<link rel="modulepreload" href="/docs/course/pr_1213/es/_app/immutable/chunks/index.e22abd30.js">
	<link rel="modulepreload" href="/docs/course/pr_1213/es/_app/immutable/nodes/0.e2c0ea78.js">
	<link rel="modulepreload" href="/docs/course/pr_1213/es/_app/immutable/chunks/each.e59479a4.js">
	<link rel="modulepreload" href="/docs/course/pr_1213/es/_app/immutable/nodes/3.f5b1631e.js">
	<link rel="modulepreload" href="/docs/course/pr_1213/es/_app/immutable/chunks/MermaidChart.svelte_svelte_type_style_lang.a144e953.js">
	<link rel="modulepreload" href="/docs/course/pr_1213/es/_app/immutable/chunks/Youtube.7545e4b1.js">
	<link rel="modulepreload" href="/docs/course/pr_1213/es/_app/immutable/chunks/CodeBlock.f6688f67.js">
	<link rel="modulepreload" href="/docs/course/pr_1213/es/_app/immutable/chunks/CourseFloatingBanner.f0a2dc21.js"><!-- HEAD_svelte-u9bgzb_START --><meta name="hf:doc:metadata" content="{"title":"Introducción","local":"introduction","sections":[{"title":"Te damos la bienvenida al curso de 🤗","local":"welcome-to-the-course","sections":[],"depth":2},{"title":"Entender el PLN y los LLMs","local":"understanding-nlp-and-llms","sections":[],"depth":2},{"title":"¿Qué esperar?","local":"what-to-expect","sections":[],"depth":2},{"title":"¿Quiénes somos?","local":"who-are-we","sections":[],"depth":2},{"title":"FAQ","local":"faq","sections":[],"depth":2},{"title":"Idiomas y traducciones","local":"languages-and-translations","sections":[],"depth":2},{"title":"Vamos allá","local":"vamos-allá","sections":[],"depth":2}],"depth":1}"><!-- HEAD_svelte-u9bgzb_END --> <p></p> <div class="items-center shrink-0 min-w-[100px] max-sm:min-w-[50px] justify-end ml-auto flex" style="float: right; margin-left: 10px; display: inline-flex; position: relative; z-index: 10;"><div class="inline-flex rounded-md max-sm:rounded-sm"><button class="inline-flex items-center gap-1 h-7 max-sm:h-7 px-2 max-sm:px-1.5 text-sm font-medium text-gray-800 border border-r-0 rounded-l-md max-sm:rounded-l-sm border-gray-200 bg-white hover:shadow-inner dark:border-gray-850 dark:bg-gray-950 dark:text-gray-200 dark:hover:bg-gray-800" aria-live="polite"><span class="inline-flex items-center justify-center rounded-md p-0.5 max-sm:p-0 hover:text-gray-800 dark:hover:text-gray-200"><svg class="sm:size-3.5 size-3" xmlns="http://www.w3.org/2000/svg" aria-hidden="true" fill="currentColor" focusable="false" role="img" width="1em" height="1em" preserveAspectRatio="xMidYMid meet" viewBox="0 0 32 32"><path d="M28,10V28H10V10H28m0-2H10a2,2,0,0,0-2,2V28a2,2,0,0,0,2,2H28a2,2,0,0,0,2-2V10a2,2,0,0,0-2-2Z" transform="translate(0)"></path><path d="M4,18H2V4A2,2,0,0,1,4,2H18V4H4Z" transform="translate(0)"></path><rect fill="none" width="32" height="32"></rect></svg></span> <span>Copy page</span></button> <button class="inline-flex items-center justify-center w-6 max-sm:w-5 h-7 max-sm:h-7 disabled:pointer-events-none text-sm text-gray-500 hover:text-gray-700 dark:hover:text-white rounded-r-md max-sm:rounded-r-sm border border-l transition border-gray-200 bg-white hover:shadow-inner dark:border-gray-850 dark:bg-gray-950 dark:text-gray-200 dark:hover:bg-gray-800" aria-haspopup="menu" aria-expanded="false" aria-label="Open copy menu"><svg class="transition-transform text-gray-400 overflow-visible sm:size-3.5 size-3 rotate-0" width="1em" height="1em" viewBox="0 0 12 7" fill="none" xmlns="http://www.w3.org/2000/svg"><path d="M1 1L6 6L11 1" stroke="currentColor"></path></svg></button></div> </div> <h1 class="relative group"><a id="introduction" class="header-link block pr-1.5 text-lg no-hover:hidden with-hover:absolute with-hover:p-1.5 with-hover:opacity-0 with-hover:group-hover:opacity-100 with-hover:right-full" href="#introduction"><span><svg class="" xmlns="http://www.w3.org/2000/svg" xmlns:xlink="http://www.w3.org/1999/xlink" aria-hidden="true" role="img" width="1em" height="1em" preserveAspectRatio="xMidYMid meet" viewBox="0 0 256 256"><path d="M167.594 88.393a8.001 8.001 0 0 1 0 11.314l-67.882 67.882a8 8 0 1 1-11.314-11.315l67.882-67.881a8.003 8.003 0 0 1 11.314 0zm-28.287 84.86l-28.284 28.284a40 40 0 0 1-56.567-56.567l28.284-28.284a8 8 0 0 0-11.315-11.315l-28.284 28.284a56 56 0 0 0 79.196 79.197l28.285-28.285a8 8 0 1 0-11.315-11.314zM212.852 43.14a56.002 56.002 0 0 0-79.196 0l-28.284 28.284a8 8 0 1 0 11.314 11.314l28.284-28.284a40 40 0 0 1 56.568 56.567l-28.285 28.285a8 8 0 0 0 11.315 11.314l28.284-28.284a56.065 56.065 0 0 0 0-79.196z" fill="currentColor"></path></svg></span></a> <span>Introducción</span></h1> <div class="flex space-x-1 absolute z-10 right-0 top-0" style=""><a href="https://discuss.huggingface.co/t/chapter-1-questions" target="_blank"><img alt="Ask a Question" class="!m-0" src="https://img.shields.io/badge/Ask%20a%20question-ffcb4c.svg?logo=data:image/svg+xml;base64,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"></a> </div> <h2 class="relative group"><a id="welcome-to-the-course" class="header-link block pr-1.5 text-lg no-hover:hidden with-hover:absolute with-hover:p-1.5 with-hover:opacity-0 with-hover:group-hover:opacity-100 with-hover:right-full" href="#welcome-to-the-course"><span><svg class="" xmlns="http://www.w3.org/2000/svg" xmlns:xlink="http://www.w3.org/1999/xlink" aria-hidden="true" role="img" width="1em" height="1em" preserveAspectRatio="xMidYMid meet" viewBox="0 0 256 256"><path d="M167.594 88.393a8.001 8.001 0 0 1 0 11.314l-67.882 67.882a8 8 0 1 1-11.314-11.315l67.882-67.881a8.003 8.003 0 0 1 11.314 0zm-28.287 84.86l-28.284 28.284a40 40 0 0 1-56.567-56.567l28.284-28.284a8 8 0 0 0-11.315-11.315l-28.284 28.284a56 56 0 0 0 79.196 79.197l28.285-28.285a8 8 0 1 0-11.315-11.314zM212.852 43.14a56.002 56.002 0 0 0-79.196 0l-28.284 28.284a8 8 0 1 0 11.314 11.314l28.284-28.284a40 40 0 0 1 56.568 56.567l-28.285 28.285a8 8 0 0 0 11.315 11.314l28.284-28.284a56.065 56.065 0 0 0 0-79.196z" fill="currentColor"></path></svg></span></a> <span>Te damos la bienvenida al curso de 🤗</span></h2> <iframe class="w-full xl:w-4/6 h-80" src="https://www.youtube-nocookie.com/embed/00GKzGyWFEs" title="YouTube video player" frameborder="0" allow="accelerometer; autoplay; clipboard-write; encrypted-media; gyroscope; picture-in-picture" allowfullscreen></iframe> <p data-svelte-h="svelte-1ctipj0">Este curso te enseñará sobre Large Language Models (LLMs) y 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">Hugging Face Hub</a>.</p> <p data-svelte-h="svelte-jn5qor">También cubriremos librerías fuera del ecosistema de Hugging Face. Son contribuciones excelentes para la comunidad de IA y herramientas muy útiles.</p> <p data-svelte-h="svelte-ieszes">Es completamente gratuito y sin anuncios.</p> <h2 class="relative group"><a id="understanding-nlp-and-llms" class="header-link block pr-1.5 text-lg no-hover:hidden with-hover:absolute with-hover:p-1.5 with-hover:opacity-0 with-hover:group-hover:opacity-100 with-hover:right-full" href="#understanding-nlp-and-llms"><span><svg class="" xmlns="http://www.w3.org/2000/svg" xmlns:xlink="http://www.w3.org/1999/xlink" aria-hidden="true" role="img" width="1em" height="1em" preserveAspectRatio="xMidYMid meet" viewBox="0 0 256 256"><path d="M167.594 88.393a8.001 8.001 0 0 1 0 11.314l-67.882 67.882a8 8 0 1 1-11.314-11.315l67.882-67.881a8.003 8.003 0 0 1 11.314 0zm-28.287 84.86l-28.284 28.284a40 40 0 0 1-56.567-56.567l28.284-28.284a8 8 0 0 0-11.315-11.315l-28.284 28.284a56 56 0 0 0 79.196 79.197l28.285-28.285a8 8 0 1 0-11.315-11.314zM212.852 43.14a56.002 56.002 0 0 0-79.196 0l-28.284 28.284a8 8 0 1 0 11.314 11.314l28.284-28.284a40 40 0 0 1 56.568 56.567l-28.285 28.285a8 8 0 0 0 11.315 11.314l28.284-28.284a56.065 56.065 0 0 0 0-79.196z" fill="currentColor"></path></svg></span></a> <span>Entender el PLN y los LLMs</span></h2> <p data-svelte-h="svelte-8yx17b">Aunque este curso se centraba originalmente en PLN, ha evolucionado para poner más énfasis en los Large Language Models (LLMs), que representan el avance más reciente del campo.</p> <p data-svelte-h="svelte-1pqlg21"><strong>¿Cuál es la diferencia?</strong></p> <ul data-svelte-h="svelte-eh47mb"><li><strong>PLN (procesamiento de lenguaje natural)</strong> es el campo más amplio que busca que las computadoras entiendan, interpreten y generen lenguaje humano. El PLN abarca tareas como análisis de sentimiento, reconocimiento de entidades nombradas y traducción automática.</li> <li><strong>LLMs (Large Language Models)</strong> son un subconjunto muy potente de modelos de PLN, caracterizados por su enorme tamaño, la gran cantidad de datos con los que se entrenan y su capacidad para resolver muchas tareas del lenguaje con poco o ningún entrenamiento específico por tarea. Modelos como las familias Llama, GPT o Claude son ejemplos de LLMs que han cambiado lo que es posible hacer en PLN.</li></ul> <p data-svelte-h="svelte-18gj7l0">A lo largo del curso aprenderás tanto conceptos tradicionales de PLN como técnicas modernas de LLMs, porque entender los fundamentos del PLN es clave para trabajar bien con LLMs.</p> <h2 class="relative group"><a id="what-to-expect" class="header-link block pr-1.5 text-lg no-hover:hidden with-hover:absolute with-hover:p-1.5 with-hover:opacity-0 with-hover:group-hover:opacity-100 with-hover:right-full" href="#what-to-expect"><span><svg class="" xmlns="http://www.w3.org/2000/svg" xmlns:xlink="http://www.w3.org/1999/xlink" aria-hidden="true" role="img" width="1em" height="1em" preserveAspectRatio="xMidYMid meet" viewBox="0 0 256 256"><path d="M167.594 88.393a8.001 8.001 0 0 1 0 11.314l-67.882 67.882a8 8 0 1 1-11.314-11.315l67.882-67.881a8.003 8.003 0 0 1 11.314 0zm-28.287 84.86l-28.284 28.284a40 40 0 0 1-56.567-56.567l28.284-28.284a8 8 0 0 0-11.315-11.315l-28.284 28.284a56 56 0 0 0 79.196 79.197l28.285-28.285a8 8 0 1 0-11.315-11.314zM212.852 43.14a56.002 56.002 0 0 0-79.196 0l-28.284 28.284a8 8 0 1 0 11.314 11.314l28.284-28.284a40 40 0 0 1 56.568 56.567l-28.285 28.285a8 8 0 0 0 11.315 11.314l28.284-28.284a56.065 56.065 0 0 0 0-79.196z" fill="currentColor"></path></svg></span></a> <span>¿Qué esperar?</span></h2> <p data-svelte-h="svelte-sm2q41">Aquí tienes una breve visión general del curso:</p> <div class="flex justify-center" data-svelte-h="svelte-1r0wehr"><img class="block dark:hidden" src="https://huggingface.co/datasets/huggingface-course/documentation-images/resolve/main/en/chapter1/summary.svg" alt="Resumen breve de los capítulos del curso."> <img class="hidden dark:block" src="https://huggingface.co/datasets/huggingface-course/documentation-images/resolve/main/en/chapter1/summary-dark.svg" alt="Resumen breve de los capítulos del curso."></div> <ul data-svelte-h="svelte-1atyulp"><li>Los capítulos 1 a 4 ofrecen una introducción a los conceptos principales de la librería 🤗 Transformers. Al final de esta parte del curso, entenderás cómo funcionan los modelos Transformer y sabrás usar un modelo del <a href="https://huggingface.co/models" rel="nofollow">Hugging Face Hub</a>, ajustarlo sobre un dataset y compartir tus resultados en el Hub.</li> <li>Los capítulos 5 a 8 enseñan los fundamentos de 🤗 Datasets y 🤗 Tokenizers antes de entrar en tareas clásicas de PLN y técnicas de LLMs. Al final de esta parte, podrás abordar por tu cuenta los retos más comunes del procesamiento de lenguaje.</li> <li>El capítulo 9 va más allá del PLN y cubre cómo construir y compartir demos de tus modelos en el 🤗 Hub. Al final de esta parte, estarás listo para mostrar al mundo tu aplicación basada en 🤗 Transformers.</li> <li>Los capítulos 10 a 12 profundizan en temas avanzados de LLMs, como ajuste, curación de datasets de alta calidad y construcción de modelos de razonamiento.</li></ul> <p data-svelte-h="svelte-19qlnhj">Este curso:</p> <ul data-svelte-h="svelte-1v1awdp"><li>Requiere un buen conocimiento de Python</li> <li>Se aprovecha mejor después de un curso introductorio de 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</a> o alguno de los programas desarrollados por <a href="https://www.deeplearning.ai/" rel="nofollow">DeepLearning.AI</a></li> <li>No presupone conocimientos previos de <a href="https://pytorch.org/" rel="nofollow">PyTorch</a> o <a href="https://www.tensorflow.org/" rel="nofollow">TensorFlow</a>, aunque cierta familiaridad con alguno de ellos ayuda</li></ul> <p data-svelte-h="svelte-13nlefh">Después de completar este curso, te recomendamos revisar la <a href="https://www.coursera.org/specializations/natural-language-processing?utm_source=deeplearning-ai&utm_medium=institutions&utm_campaign=20211011-nlp-2-hugging_face-page-nlp-refresh" rel="nofollow">Especialización en Procesamiento de Lenguaje Natural</a> de DeepLearning.AI, que cubre una gran variedad de modelos tradicionales de PLN, como naive Bayes y LSTMs, que sigue valiendo la pena conocer.</p> <h2 class="relative group"><a id="who-are-we" class="header-link block pr-1.5 text-lg no-hover:hidden with-hover:absolute with-hover:p-1.5 with-hover:opacity-0 with-hover:group-hover:opacity-100 with-hover:right-full" href="#who-are-we"><span><svg class="" xmlns="http://www.w3.org/2000/svg" xmlns:xlink="http://www.w3.org/1999/xlink" aria-hidden="true" role="img" width="1em" height="1em" preserveAspectRatio="xMidYMid meet" viewBox="0 0 256 256"><path d="M167.594 88.393a8.001 8.001 0 0 1 0 11.314l-67.882 67.882a8 8 0 1 1-11.314-11.315l67.882-67.881a8.003 8.003 0 0 1 11.314 0zm-28.287 84.86l-28.284 28.284a40 40 0 0 1-56.567-56.567l28.284-28.284a8 8 0 0 0-11.315-11.315l-28.284 28.284a56 56 0 0 0 79.196 79.197l28.285-28.285a8 8 0 1 0-11.315-11.314zM212.852 43.14a56.002 56.002 0 0 0-79.196 0l-28.284 28.284a8 8 0 1 0 11.314 11.314l28.284-28.284a40 40 0 0 1 56.568 56.567l-28.285 28.285a8 8 0 0 0 11.315 11.314l28.284-28.284a56.065 56.065 0 0 0 0-79.196z" fill="currentColor"></path></svg></span></a> <span>¿Quiénes somos?</span></h2> <p data-svelte-h="svelte-buv65e">Sobre los autores:</p> <p data-svelte-h="svelte-1u9hk6k"><a href="https://huggingface.co/abidlabs" rel="nofollow"><strong>Abubakar Abid</strong></a> completó su doctorado en Stanford en machine learning aplicado. Durante ese doctorado fundó <a href="https://github.com/gradio-app/gradio" rel="nofollow">Gradio</a>, una librería open source de Python con la que se han construido más de 600.000 demos de machine learning. Gradio fue adquirida por Hugging Face, donde Abubakar ahora lidera un equipo de machine learning.</p> <p data-svelte-h="svelte-1heqmfx"><a href="https://huggingface.co/burtenshaw" rel="nofollow"><strong>Ben Burtenshaw</strong></a> es Machine Learning Engineer en Hugging Face. Completó su doctorado en procesamiento de lenguaje natural en la Universidad de Amberes, donde aplicó modelos Transformer para generar cuentos infantiles con el objetivo de mejorar la alfabetización. Desde entonces se ha centrado en materiales y herramientas educativas para la comunidad.</p> <p data-svelte-h="svelte-h5uca9"><a href="https://huggingface.co/Rocketknight1" rel="nofollow"><strong>Matthew Carrigan</strong></a> es Machine Learning Engineer en Hugging Face. Vive en Dublín, Irlanda, y anteriormente trabajó como ML engineer en Parse.ly y antes de eso como investigador posdoctoral en Trinity College Dublin. No cree que vayamos a llegar a una AGI escalando arquitecturas actuales, pero aun así tiene grandes esperanzas en la inmortalidad robótica.</p> <p data-svelte-h="svelte-1hqwyna"><a href="https://huggingface.co/lysandre" rel="nofollow"><strong>Lysandre Debut</strong></a> es Machine Learning Engineer en Hugging Face y ha trabajado en la librería 🤗 Transformers desde las primeras etapas de su desarrollo. Su objetivo es hacer que el PLN sea accesible para todo el mundo mediante herramientas con una API muy simple.</p> <p data-svelte-h="svelte-9rgex1"><a href="https://huggingface.co/sgugger" rel="nofollow"><strong>Sylvain Gugger</strong></a> es Research Engineer en Hugging Face y uno de los principales mantenedores de la librería 🤗 Transformers. Anteriormente fue Research Scientist 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, diseñando y mejorando técnicas que permitan entrenar modelos rápidamente con recursos limitados.</p> <p data-svelte-h="svelte-nwezyn"><a href="https://huggingface.co/dawoodkhan82" rel="nofollow"><strong>Dawood Khan</strong></a> es Machine Learning Engineer en Hugging Face. Es de Nueva York y se graduó en informática por la Universidad de Nueva York. Tras trabajar varios años como iOS Engineer, dejó su empleo para fundar Gradio junto con sus cofundadores. Más tarde, Gradio fue adquirida por Hugging Face.</p> <p data-svelte-h="svelte-1jv41ns"><a href="https://huggingface.co/merve" rel="nofollow"><strong>Merve Noyan</strong></a> es developer advocate en Hugging Face y trabaja en desarrollar herramientas y crear contenido alrededor de ellas para democratizar el machine learning.</p> <p data-svelte-h="svelte-1d10s4t"><a href="https://huggingface.co/SaulLu" rel="nofollow"><strong>Lucile Saulnier</strong></a> es Machine Learning Engineer en Hugging Face, donde desarrolla y apoya el uso de herramientas open source. También participa activamente en numerosos proyectos de investigación en procesamiento de lenguaje natural, como entrenamiento colaborativo y BigScience.</p> <p data-svelte-h="svelte-1f5fnuo"><a href="https://huggingface.co/lewtun" rel="nofollow"><strong>Lewis Tunstall</strong></a> es Machine Learning Engineer en Hugging Face, centrado en desarrollar herramientas open source y hacerlas accesibles a una comunidad más amplia. También es coautor del libro de O’Reilly <a href="https://www.oreilly.com/library/view/natural-language-processing/9781098136789/" rel="nofollow">Natural Language Processing with Transformers</a>.</p> <p data-svelte-h="svelte-hntfji"><a href="https://huggingface.co/lvwerra" rel="nofollow"><strong>Leandro von Werra</strong></a> es Machine Learning Engineer en el equipo open source de Hugging Face y también coautor del libro de O’Reilly <a href="https://www.oreilly.com/library/view/natural-language-processing/9781098136789/" rel="nofollow">Natural Language Processing with Transformers</a>. Tiene varios años de experiencia industrial llevando proyectos de PLN a producción y trabajando a lo largo de toda la pila de machine learning.</p> <h2 class="relative group"><a id="faq" class="header-link block pr-1.5 text-lg no-hover:hidden with-hover:absolute with-hover:p-1.5 with-hover:opacity-0 with-hover:group-hover:opacity-100 with-hover:right-full" href="#faq"><span><svg class="" xmlns="http://www.w3.org/2000/svg" xmlns:xlink="http://www.w3.org/1999/xlink" aria-hidden="true" role="img" width="1em" height="1em" preserveAspectRatio="xMidYMid meet" viewBox="0 0 256 256"><path d="M167.594 88.393a8.001 8.001 0 0 1 0 11.314l-67.882 67.882a8 8 0 1 1-11.314-11.315l67.882-67.881a8.003 8.003 0 0 1 11.314 0zm-28.287 84.86l-28.284 28.284a40 40 0 0 1-56.567-56.567l28.284-28.284a8 8 0 0 0-11.315-11.315l-28.284 28.284a56 56 0 0 0 79.196 79.197l28.285-28.285a8 8 0 1 0-11.315-11.314zM212.852 43.14a56.002 56.002 0 0 0-79.196 0l-28.284 28.284a8 8 0 1 0 11.314 11.314l28.284-28.284a40 40 0 0 1 56.568 56.567l-28.285 28.285a8 8 0 0 0 11.315 11.314l28.284-28.284a56.065 56.065 0 0 0 0-79.196z" fill="currentColor"></path></svg></span></a> <span>FAQ</span></h2> <p data-svelte-h="svelte-6ilarz">Aquí tienes respuestas a preguntas frecuentes:</p> <ul data-svelte-h="svelte-vpprk0"><li><p><strong>¿Hacer este curso lleva a una certificación?</strong>
	Ahora mismo no tenemos una certificación para este curso. Sin embargo, estamos trabajando en un programa de certificación para el ecosistema de Hugging Face.</p></li> <li><p><strong>¿Cuánto tiempo debería dedicarle a este curso?</strong>
	Cada capítulo está diseñado para completarse en una semana, con unas 6-8 horas de trabajo semanal. Aun así, puedes tomarte todo el tiempo que necesites.</p></li> <li><p><strong>¿Dónde puedo hacer una pregunta si tengo dudas?</strong>
	Si tienes una pregunta sobre cualquier sección del curso, haz clic en el banner ”<em>Ask a question</em>” de la parte superior de la página para ir automáticamente a la sección adecuada de los <a href="https://discuss.huggingface.co/" rel="nofollow">foros de Hugging Face</a>:</p></li></ul> <img src="https://huggingface.co/datasets/huggingface-course/documentation-images/resolve/main/en/chapter1/forum-button.png" alt="Enlace a los foros de Hugging Face" width="75%"> <p data-svelte-h="svelte-fdroel">Ten en cuenta que en los foros también hay una lista de <a href="https://discuss.huggingface.co/c/course/course-event/25" rel="nofollow">ideas de proyectos</a> si quieres practicar más una vez hayas completado el curso.</p> <ul data-svelte-h="svelte-18hoe6u"><li><strong>¿Dónde puedo obtener el código del curso?</strong>
	En cada sección, haz clic en el banner de la parte superior de la página para ejecutar el código en Google Colab o Amazon SageMaker Studio Lab:</li></ul> <img src="https://huggingface.co/datasets/huggingface-course/documentation-images/resolve/main/en/chapter1/notebook-buttons.png" alt="Enlace a los notebooks del curso de Hugging Face" width="75%"> <p data-svelte-h="svelte-yqx5mx">Los notebooks Jupyter que contienen todo el código del curso están alojados en el repositorio <a href="https://github.com/huggingface/notebooks" rel="nofollow"><code>huggingface/notebooks</code></a>. Si quieres generarlos localmente, revisa las instrucciones del repositorio <a href="https://github.com/huggingface/course#-jupyter-notebooks" rel="nofollow"><code>course</code></a> en GitHub.</p> <ul data-svelte-h="svelte-1l42fpg"><li><p><strong>¿Cómo puedo contribuir al curso?</strong>
	Hay muchas formas de contribuir al curso. Si encuentras una errata o un bug, abre un issue en el repositorio <a href="https://github.com/huggingface/course" rel="nofollow"><code>course</code></a>. Si quieres ayudar a traducir el curso a tu idioma, revisa las instrucciones <a href="https://github.com/huggingface/course#translating-the-course-into-your-language" rel="nofollow">aquí</a>.</p></li> <li><p><strong>¿Qué decisiones se tomaron en cada traducción?</strong>
	Cada traducción tiene un glosario y un archivo <code>TRANSLATING.txt</code> que detallan las decisiones tomadas para la jerga de machine learning y otros términos. Puedes ver un ejemplo en alemán <a href="https://github.com/huggingface/course/blob/main/chapters/de/TRANSLATING.txt" rel="nofollow">aquí</a>.</p></li> <li><p><strong>¿Puedo reutilizar este curso?</strong>
	Claro. El curso se publica con la permisiva <a href="https://www.apache.org/licenses/LICENSE-2.0.html" rel="nofollow">licencia Apache 2</a>. Eso significa que debes dar el crédito correspondiente, enlazar la licencia e indicar si hiciste cambios. Si quieres citar el curso, usa el siguiente BibTeX:</p></li></ul> <div class="code-block relative "><div class="absolute top-2.5 right-4"><button class="inline-flex items-center relative text-sm focus:text-green-500 cursor-pointer focus:outline-none transition duration-200 ease-in-out opacity-0 mx-0.5 text-gray-600 " title="code excerpt" type="button"><svg class="" xmlns="http://www.w3.org/2000/svg" aria-hidden="true" fill="currentColor" focusable="false" role="img" width="1em" height="1em" preserveAspectRatio="xMidYMid meet" viewBox="0 0 32 32"><path d="M28,10V28H10V10H28m0-2H10a2,2,0,0,0-2,2V28a2,2,0,0,0,2,2H28a2,2,0,0,0,2-2V10a2,2,0,0,0-2-2Z" transform="translate(0)"></path><path d="M4,18H2V4A2,2,0,0,1,4,2H18V4H4Z" transform="translate(0)"></path><rect fill="none" width="32" height="32"></rect></svg> <div class="absolute pointer-events-none transition-opacity bg-black text-white py-1 px-2 leading-tight rounded font-normal shadow left-1/2 top-full transform -translate-x-1/2 translate-y-2 opacity-0"><div class="absolute bottom-full left-1/2 transform -translate-x-1/2 w-0 h-0 border-black border-4 border-t-0" style="border-left-color: transparent; border-right-color: transparent; "></div> Copied</div></button></div> <pre class=""><!-- HTML_TAG_START --><span class="language-xml">@misc</span><span class="hljs-template-variable">{huggingfacecourse,
	author = {Hugging Face}</span><span class="language-xml">,
	title = </span><span class="hljs-template-variable">{The Hugging Face Course, 2022}</span><span class="language-xml">,
	howpublished = "\url</span><span class="hljs-template-variable">{https://huggingface.co/course}</span><span class="language-xml">",
	year = </span><span class="hljs-template-variable">{2022}</span><span class="language-xml">,
	note = "[Online; accessed <span class="hljs-tag"><<span class="hljs-name">today</span>></span>]"
	}</span><!-- HTML_TAG_END --></pre></div> <h2 class="relative group"><a id="languages-and-translations" class="header-link block pr-1.5 text-lg no-hover:hidden with-hover:absolute with-hover:p-1.5 with-hover:opacity-0 with-hover:group-hover:opacity-100 with-hover:right-full" href="#languages-and-translations"><span><svg class="" xmlns="http://www.w3.org/2000/svg" xmlns:xlink="http://www.w3.org/1999/xlink" aria-hidden="true" role="img" width="1em" height="1em" preserveAspectRatio="xMidYMid meet" viewBox="0 0 256 256"><path d="M167.594 88.393a8.001 8.001 0 0 1 0 11.314l-67.882 67.882a8 8 0 1 1-11.314-11.315l67.882-67.881a8.003 8.003 0 0 1 11.314 0zm-28.287 84.86l-28.284 28.284a40 40 0 0 1-56.567-56.567l28.284-28.284a8 8 0 0 0-11.315-11.315l-28.284 28.284a56 56 0 0 0 79.196 79.197l28.285-28.285a8 8 0 1 0-11.315-11.314zM212.852 43.14a56.002 56.002 0 0 0-79.196 0l-28.284 28.284a8 8 0 1 0 11.314 11.314l28.284-28.284a40 40 0 0 1 56.568 56.567l-28.285 28.285a8 8 0 0 0 11.315 11.314l28.284-28.284a56.065 56.065 0 0 0 0-79.196z" fill="currentColor"></path></svg></span></a> <span>Idiomas y traducciones</span></h2> <p data-svelte-h="svelte-e4lebp">Gracias a la comunidad, el curso está disponible en muchos idiomas además del inglés. Consulta la tabla siguiente para ver qué idiomas están disponibles y quién contribuyó a las traducciones:</p> <table data-svelte-h="svelte-17zd2ey"><thead><tr><th align="left">Idioma</th> <th align="left">Autores</th></tr></thead> <tbody><tr><td align="left"><a href="https://huggingface.co/course/fr/chapter1/1" rel="nofollow">Francés</a></td> <td align="left"><a href="https://github.com/lbourdois" rel="nofollow">@lbourdois</a>, <a href="https://github.com/ChainYo" rel="nofollow">@ChainYo</a>, <a href="https://github.com/melaniedrevet" rel="nofollow">@melaniedrevet</a>, <a href="https://github.com/abdouaziz" rel="nofollow">@abdouaziz</a></td></tr> <tr><td align="left"><a href="https://huggingface.co/course/vi/chapter1/1" rel="nofollow">Vietnamita</a></td> <td align="left"><a href="https://github.com/honghanhh" rel="nofollow">@honghanhh</a></td></tr> <tr><td align="left"><a href="https://huggingface.co/course/zh-CN/chapter1/1" rel="nofollow">Chino simplificado</a></td> <td align="left"><a href="https://github.com/zhlhyx" rel="nofollow">@zhlhyx</a>, <a href="https://github.com/petrichor1122" rel="nofollow">petrichor1122</a>, <a href="https://github.com/yaoqih" rel="nofollow">@yaoqih</a></td></tr> <tr><td align="left"><a href="https://huggingface.co/course/bn/chapter1/1" rel="nofollow">Bengalí</a> (WIP)</td> <td align="left"><a href="https://github.com/avishek-018" rel="nofollow">@avishek-018</a>, <a href="https://github.com/eNipu" rel="nofollow">@eNipu</a></td></tr> <tr><td align="left"><a href="https://huggingface.co/course/de/chapter1/1" rel="nofollow">Alemán</a> (WIP)</td> <td align="left"><a href="https://github.com/JesperDramsch" rel="nofollow">@JesperDramsch</a>, <a href="https://github.com/MarcusFra" rel="nofollow">@MarcusFra</a>, <a href="https://github.com/fabridamicelli" rel="nofollow">@fabridamicelli</a></td></tr> <tr><td align="left"><a href="https://huggingface.co/course/es/chapter1/1" rel="nofollow">Español</a> (WIP)</td> <td align="left"><a href="https://github.com/camartinezbu" rel="nofollow">@camartinezbu</a>, <a href="https://github.com/munozariasjm" rel="nofollow">@munozariasjm</a>, <a href="https://github.com/fordaz" rel="nofollow">@fordaz</a>, <a href="https://github.com/mariron42" rel="nofollow">@mariron42</a></td></tr> <tr><td align="left"><a href="https://huggingface.co/course/fa/chapter1/1" rel="nofollow">Persa</a> (WIP)</td> <td align="left"><a href="https://github.com/jowharshamshiri" rel="nofollow">@jowharshamshiri</a>, <a href="https://github.com/schoobani" rel="nofollow">@schoobani</a></td></tr> <tr><td align="left"><a href="https://huggingface.co/course/gu/chapter1/1" rel="nofollow">Gujarati</a> (WIP)</td> <td align="left"><a href="https://github.com/pandyaved98" rel="nofollow">@pandyaved98</a></td></tr> <tr><td align="left"><a href="https://huggingface.co/course/he/chapter1/1" rel="nofollow">Hebreo</a> (WIP)</td> <td align="left"><a href="https://github.com/omer-dor" rel="nofollow">@omer-dor</a></td></tr> <tr><td align="left"><a href="https://huggingface.co/course/hi/chapter1/1" rel="nofollow">Hindi</a> (WIP)</td> <td align="left"><a href="https://github.com/pandyaved98" rel="nofollow">@pandyaved98</a></td></tr> <tr><td align="left"><a href="https://huggingface.co/course/id/chapter1/1" rel="nofollow">Bahasa Indonesia</a> (WIP)</td> <td align="left"><a href="https://github.com/gstdl" rel="nofollow">@gstdl</a></td></tr> <tr><td align="left"><a href="https://huggingface.co/course/it/chapter1/1" rel="nofollow">Italiano</a> (WIP)</td> <td align="left"><a href="https://github.com/CaterinaBi" rel="nofollow">@CaterinaBi</a>, <a href="https://github.com/ClonedOne" rel="nofollow">@ClonedOne</a>, <a href="https://github.com/Nolanogenn" rel="nofollow">@Nolanogenn</a>, <a href="https://github.com/EdAbati" rel="nofollow">@EdAbati</a>, <a href="https://github.com/gdacciaro" rel="nofollow">@gdacciaro</a></td></tr> <tr><td align="left"><a href="https://huggingface.co/course/ja/chapter1/1" rel="nofollow">Japonés</a> (WIP)</td> <td align="left"><a href="https://github.com/@hiromu166" rel="nofollow">@hiromu166</a>, <a href="https://github.com/@younesbelkada" rel="nofollow">@younesbelkada</a>, <a href="https://github.com/@HiromuHota" rel="nofollow">@HiromuHota</a></td></tr> <tr><td align="left"><a href="https://huggingface.co/course/ko/chapter1/1" rel="nofollow">Coreano</a> (WIP)</td> <td align="left"><a href="https://github.com/Doohae" rel="nofollow">@Doohae</a>, <a href="https://github.com/wonhyeongseo" rel="nofollow">@wonhyeongseo</a>, <a href="https://github.com/dlfrnaos19" rel="nofollow">@dlfrnaos19</a></td></tr> <tr><td align="left"><a href="https://huggingface.co/course/pt/chapter1/1" rel="nofollow">Portugués</a> (WIP)</td> <td align="left"><a href="https://github.com/johnnv1" rel="nofollow">@johnnv1</a>, <a href="https://github.com/victorescosta" rel="nofollow">@victorescosta</a>, <a href="https://github.com/LincolnVS" rel="nofollow">@LincolnVS</a></td></tr> <tr><td align="left"><a href="https://huggingface.co/course/ru/chapter1/1" rel="nofollow">Ruso</a> (WIP)</td> <td align="left"><a href="https://github.com/pdumin" rel="nofollow">@pdumin</a>, <a href="https://github.com/svv73" rel="nofollow">@svv73</a></td></tr> <tr><td align="left"><a href="https://huggingface.co/course/th/chapter1/1" rel="nofollow">Tailandés</a> (WIP)</td> <td align="left"><a href="https://github.com/peeraponw" rel="nofollow">@peeraponw</a>, <a href="https://github.com/a-krirk" rel="nofollow">@a-krirk</a>, <a href="https://github.com/jomariya23156" rel="nofollow">@jomariya23156</a>, <a href="https://github.com/ckingkan" rel="nofollow">@ckingkan</a></td></tr> <tr><td align="left"><a href="https://huggingface.co/course/tr/chapter1/1" rel="nofollow">Turco</a> (WIP)</td> <td align="left"><a href="https://github.com/tanersekmen" rel="nofollow">@tanersekmen</a>, <a href="https://github.com/mertbozkir" rel="nofollow">@mertbozkir</a>, <a href="https://github.com/ftarlaci" rel="nofollow">@ftarlaci</a>, <a href="https://github.com/akkasayaz" rel="nofollow">@akkasayaz</a></td></tr> <tr><td align="left"><a href="https://huggingface.co/course/zh-TW/chapter1/1" rel="nofollow">Chino tradicional</a> (WIP)</td> <td align="left"><a href="https://github.com/davidpeng86" rel="nofollow">@davidpeng86</a></td></tr></tbody></table> <p data-svelte-h="svelte-yewljo">Para algunos idiomas, los <a href="https://youtube.com/playlist?list=PLo2EIpI_JMQvWfQndUesu0nPBAtZ9gP1o" rel="nofollow">videos del curso en YouTube</a> tienen subtítulos en ese idioma. Puedes activarlos haciendo clic primero en el botón <em>CC</em> de la parte inferior derecha del video. Después, en el icono de ajustes ⚙️, selecciona <em>Subtitles/CC</em> y el idioma que quieras.</p> <img src="https://huggingface.co/datasets/huggingface-course/documentation-images/resolve/main/en/chapter1/subtitles.png" alt="Activación de subtítulos en los videos del curso de Hugging Face" width="75%"> <blockquote class="tip" data-svelte-h="svelte-ddi7ej"><p>¿No ves tu idioma en la tabla anterior o quieres contribuir a una traducción existente? Puedes ayudarnos a traducir el curso siguiendo las instrucciones <a href="https://github.com/huggingface/course#translating-the-course-into-your-language">aquí</a>.</p></blockquote> <h2 class="relative group"><a id="vamos-allá" class="header-link block pr-1.5 text-lg no-hover:hidden with-hover:absolute with-hover:p-1.5 with-hover:opacity-0 with-hover:group-hover:opacity-100 with-hover:right-full" href="#vamos-allá"><span><svg class="" xmlns="http://www.w3.org/2000/svg" xmlns:xlink="http://www.w3.org/1999/xlink" aria-hidden="true" role="img" width="1em" height="1em" preserveAspectRatio="xMidYMid meet" viewBox="0 0 256 256"><path d="M167.594 88.393a8.001 8.001 0 0 1 0 11.314l-67.882 67.882a8 8 0 1 1-11.314-11.315l67.882-67.881a8.003 8.003 0 0 1 11.314 0zm-28.287 84.86l-28.284 28.284a40 40 0 0 1-56.567-56.567l28.284-28.284a8 8 0 0 0-11.315-11.315l-28.284 28.284a56 56 0 0 0 79.196 79.197l28.285-28.285a8 8 0 1 0-11.315-11.314zM212.852 43.14a56.002 56.002 0 0 0-79.196 0l-28.284 28.284a8 8 0 1 0 11.314 11.314l28.284-28.284a40 40 0 0 1 56.568 56.567l-28.285 28.285a8 8 0 0 0 11.315 11.314l28.284-28.284a56.065 56.065 0 0 0 0-79.196z" fill="currentColor"></path></svg></span></a> <span>Vamos allá</span></h2> <p data-svelte-h="svelte-cl7vrz">¿Listo para empezar? En este capítulo aprenderás:</p> <ul data-svelte-h="svelte-1s373bv"><li>Cómo usar la función <code>pipeline()</code> para resolver tareas de PLN como generación y clasificación de texto</li> <li>Sobre la arquitectura Transformer</li> <li>Cómo distinguir entre arquitecturas de codificador, decodificador y codificador-decodificador, así como sus casos de uso</li></ul> <a class="!text-gray-400 !no-underline text-sm flex items-center not-prose mt-4" href="https://github.com/huggingface/course/blob/main/chapters/es/chapter1/1.mdx" target="_blank"><svg class="mr-1" xmlns="http://www.w3.org/2000/svg" aria-hidden="true" fill="currentColor" focusable="false" role="img" width="1em" height="1em" preserveAspectRatio="xMidYMid meet" viewBox="0 0 32 32"><path d="M31,16l-7,7l-1.41-1.41L28.17,16l-5.58-5.59L24,9l7,7z"></path><path d="M1,16l7-7l1.41,1.41L3.83,16l5.58,5.59L8,23l-7-7z"></path><path d="M12.419,25.484L17.639,6.552l1.932,0.518L14.351,26.002z"></path></svg> <span data-svelte-h="svelte-zjs2n5"><span class="underline">Update</span> on GitHub</span></a> <p></p>

	<script>
	{
	__sveltekit_1nznq34 = {
	assets: "/docs/course/pr_1213/es",
	base: "/docs/course/pr_1213/es",
	env: {}
	};

	const element = document.currentScript.parentElement;

	const data = [null,null];

	Promise.all([
	import("/docs/course/pr_1213/es/_app/immutable/entry/start.36d27295.js"),
	import("/docs/course/pr_1213/es/_app/immutable/entry/app.3b43d7f3.js")
	]).then(([kit, app]) => {
	kit.start(app, element, {
	node_ids: [0, 3],
	data,
	form: null,
	error: null
	});
	});
	}
	</script>

Xet Storage Details

Size:: 40.6 kB
Xet hash:: f7d767310382650adc63d120e2e6e55be2d6ab1c8096f318b2d6ed323571f2e4

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