course/pr_1213/it/_app/immutable/nodes/33.3fe8cf7b.js

import{s as K,n as Q,o as V}from"../chunks/scheduler.505acc25.js";import{S as W,i as X,e as r,s as n,c as S,h as Y,a as s,d as a,b as l,f as G,g as A,j as C,k as J,l as Z,m as i,n as D,t as j,o as I,p as k}from"../chunks/index.1238bded.js";import{C as ee,H as te,E as ae}from"../chunks/MermaidChart.svelte_svelte_type_style_lang.d247c7a1.js";import{C as ie}from"../chunks/CourseFloatingBanner.0b6e065b.js";function ne(F){let o,b,_,v,p,x,m,H,u,L,c,N='Nel <a href="/course/chapter3">Capitolo 3</a> hai mosso i primi passi nella libreria 🤗 Datasets, e hai scoperto i tre passaggi fondamentali nell’ottimizzazione dei modelli:',M,f,O="<li>Si carica un dataset dell’Hub Hugging Face.</li> <li>Si processano i dati con <code>Dataset.map()</code>.</li> <li>Si caricano e si elaborano le metriche.</li>",T,d,R="Ma questo non è che un assaggio di ciò che 🤗 Datasets è in grado di fare! In questo capitolo approfondiremo le potenzialità della libreria. Durante questo percorso, troverai risposta alle seguenti domande:",P,$,U="<li>Cosa fare quando un dataset non è presente nell’Hub?</li> <li>Come fare a tagliuzzare il dataset? (E cosa succede se devi <em>proprio</em> usare Pandas?)</li> <li>Cosa fare quando un dataset è tanto grande da sciogliere la RAM del tuo portatile?</li> <li>Cosa cavolo sono il “mappamento di memoria” e Apache Arrow?</li> <li>Come fare per creare il proprio dataset e pubblicarlo sull’Hub?</li>",w,h,B='Le tecniche che imparerai ti prepareranno a compiti più avanzati di tokenizzazione e fine-tuning che troverai nei capitoli <a href="/course/chapter6">Chapter 6</a> e <a href="/course/chapter7">Chapter 7</a> — quindi preparati una tazza di caffè e iniziamo!',y,g,q,z,E;return p=new ee({props:{containerStyle:"float: right; margin-left: 10px; display: inline-flex; position: relative; z-index: 10;"}}),m=new te({props:{title:"Introduzione",local:"introduzione",headingTag:"h1"}}),u=new ie({props:{chapter:5,classNames:"absolute z-10 right-0 top-0"}}),g=new ae({props:{source:"https://github.com/huggingface/course/blob/main/chapters/it/chapter5/1.mdx"}}),{c(){o=r("meta"),b=n(),_=r("p"),v=n(),S(p.$$.fragment),x=n(),S(m.$$.fragment),H=n(),S(u.$$.fragment),L=n(),c=r("p"),c.innerHTML=N,M=n(),f=r("ol"),f.innerHTML=O,T=n(),d=r("p"),d.textContent=R,P=n(),$=r("ul"),$.innerHTML=U,w=n(),h=r("p"),h.innerHTML=B,y=n(),S(g.$$.fragment),q=n(),z=r("p"),this.h()},l(e){const t=Y("svelte-u9bgzb",document.head);o=s(t,"META",{name:!0,content:!0}),t.forEach(a),b=l(e),_=s(e,"P",{}),G(_).forEach(a),v=l(e),A(p.$$.fragment,e),x=l(e),A(m.$$.fragment,e),H=l(e),A(u.$$.fragment,e),L=l(e),c=s(e,"P",{"data-svelte-h":!0}),C(c)!=="svelte-1p3xsid"&&(c.innerHTML=N),M=l(e),f=s(e,"OL",{"data-svelte-h":!0}),C(f)!=="svelte-157uxxa"&&(f.innerHTML=O),T=l(e),d=s(e,"P",{"data-svelte-h":!0}),C(d)!=="svelte-brjmjo"&&(d.textContent=R),P=l(e),$=s(e,"UL",{"data-svelte-h":!0}),C($)!=="svelte-in4m95"&&($.innerHTML=U),w=l(e),h=s(e,"P",{"data-svelte-h":!0}),C(h)!=="svelte-15yamct"&&(h.innerHTML=B),y=l(e),A(g.$$.fragment,e),q=l(e),z=s(e,"P",{}),G(z).forEach(a),this.h()},h(){J(o,"name","hf:doc:metadata"),J(o,"content",le)},m(e,t){Z(document.head,o),i(e,b,t),i(e,_,t),i(e,v,t),D(p,e,t),i(e,x,t),D(m,e,t),i(e,H,t),D(u,e,t),i(e,L,t),i(e,c,t),i(e,M,t),i(e,f,t),i(e,T,t),i(e,d,t),i(e,P,t),i(e,$,t),i(e,w,t),i(e,h,t),i(e,y,t),D(g,e,t),i(e,q,t),i(e,z,t),E=!0},p:Q,i(e){E||(j(p.$$.fragment,e),j(m.$$.fragment,e),j(u.$$.fragment,e),j(g.$$.fragment,e),E=!0)},o(e){I(p.$$.fragment,e),I(m.$$.fragment,e),I(u.$$.fragment,e),I(g.$$.fragment,e),E=!1},d(e){e&&(a(b),a(_),a(v),a(x),a(H),a(L),a(c),a(M),a(f),a(T),a(d),a(P),a($),a(w),a(h),a(y),a(q),a(z)),a(o),k(p,e),k(m,e),k(u,e),k(g,e)}}}const le='{"title":"Introduzione","local":"introduzione","sections":[],"depth":1}';function oe(F){return V(()=>{new URLSearchParams(window.location.search).get("fw")}),[]}class ue extends W{constructor(o){super(),X(this,o,oe,ne,K,{})}}export{ue as component};