Buckets:
| # စာမေးပွဲ အချိန်! | |
| အခုတော့ သင်ရဲ့ ဗဟုသုတတွေကို စမ်းသပ်ရမယ့်အချိန် ရောက်လာပါပြီ။ ဒီအခန်းမှာ သင်ယူခဲ့တဲ့ အကြောင်းအရာတွေကို ဘယ်လောက်နားလည်သလဲဆိုတာ စစ်ဆေးဖို့အတွက် မေးခွန်းတိုလေးတွေ ကျွန်တော်တို့ ပြင်ဆင်ပေးထားပါတယ်။ | |
| စာမေးပွဲကို ဖြေဆိုဖို့အတွက် အောက်ပါအဆင့်တွေကို လိုက်နာပေးရပါမယ်။ | |
| ၁။ သင်၏ Hugging Face account ကို Sign in လုပ်ပါ။ | |
| ၂။ မေးခွန်းတွေကို ဖြေဆိုပါ။ | |
| ၃။ သင်၏ အဖြေများကို Submit လုပ်ပါ။ | |
| ## ရွေးချယ်စရာအများအပြားပါသော မေးခွန်းများ (Multiple Choice Quiz) | |
| ဒီမေးခွန်းမှာ၊ ရွေးချယ်စရာစာရင်းထဲကနေ မှန်ကန်တဲ့အဖြေကို ရွေးချယ်ပေးရပါမယ်။ Supervised fine-tuning ရဲ့ အခြေခံအချက်အလက်တွေကို ကျွန်တော်တို့ စစ်ဆေးပါလိမ့်မယ်။ | |
| ## Code မေးခွန်းများ (Code Quiz) | |
| ဒီမေးခွန်းမှာတော့ task တစ်ခုကို ပြီးမြောက်အောင် code ရေးသားပေးရပါမယ်။ သင်တန်းမှာ သင်လေ့လာခဲ့တဲ့ `datasets`, `transformers`, `peft`, နဲ့ `TRL` လို library တွေက code တွေကို ကျွန်တော်တို့ စစ်ဆေးပါလိမ့်မယ်။ | |
| ## ဝေါဟာရ ရှင်းလင်းချက် (Glossary) | |
| * **Quiz**: ဗဟုသုတကို စစ်ဆေးရန်အတွက် အသုံးပြုသော မေးခွန်းများ သို့မဟုတ် စမ်းသပ်မှု။ | |
| * **Hugging Face Account**: Hugging Face ပလက်ဖောင်းပေါ်ရှိ သုံးစွဲသူအကောင့်။ | |
| * **Sign in**: အသုံးပြုသူအမည်နှင့် စကားဝှက်ကို အသုံးပြု၍ account တစ်ခုသို့ ဝင်ရောက်ခြင်း။ | |
| * **Submit**: အဖြေများ သို့မဟုတ် အချက်အလက်များကို ပေးပို့ခြင်း။ | |
| * **Multiple Choice Quiz**: ရွေးချယ်စရာအများအပြားထဲမှ မှန်ကန်သောအဖြေကို ရွေးချယ်ရသော မေးခွန်းပုံစံ။ | |
| * **Supervised Fine-Tuning (SFT)**: ကြိုတင်လေ့ကျင့်ထားပြီးသား (pre-trained) မော်ဒယ်တစ်ခုကို တိကျသောလုပ်ငန်းဆောင်တာများ (specific tasks) အတွက် label ပါသော ဒေတာများကို အသုံးပြု၍ ထပ်မံလေ့ကျင့်ခြင်းနည်းလမ်း။ | |
| * **Fundamentals**: အခြေခံအချက်အလက်များ သို့မဟုတ် အခြေခံသဘောတရားများ။ | |
| * **Code Quiz**: သတ်မှတ်ထားသော လုပ်ငန်းဆောင်တာတစ်ခုကို ပြီးမြောက်စေရန် code ရေးသားရသော မေးခွန်းပုံစံ။ | |
| * **`datasets` Library**: Hugging Face Datasets library ကို ရည်ညွှန်းပြီး AI မော်ဒယ်တွေ လေ့ကျင့်ဖို့အတွက် ဒေတာအစုအဝေး (datasets) တွေကို လွယ်လွယ်ကူကူ ဝင်ရောက်ရယူ၊ စီမံခန့်ခွဲပြီး အသုံးပြုနိုင်စေပါတယ်။ | |
| * **`transformers` Library**: Hugging Face Transformers library ကို ရည်ညွှန်းပြီး Transformer မော်ဒယ်တွေကို အသုံးပြုပြီး Natural Language Processing (NLP), computer vision, audio processing စတဲ့ နယ်ပယ်တွေမှာ အဆင့်မြင့် AI မော်ဒယ်တွေကို တည်ဆောက်ပြီး အသုံးပြုနိုင်စေပါတယ်။ | |
| * **`peft` Library (Parameter-Efficient Fine-Tuning)**: Large Language Models (LLMs) များကို ထိရောက်စွာ fine-tuning လုပ်နိုင်ရန်အတွက် parameter အရေအတွက် အနည်းငယ်ကိုသာ လေ့ကျင့်ပေးသော နည်းလမ်းများကို ပံ့ပိုးပေးသည့် Hugging Face library။ LoRA (Low-Rank Adaptation) ကဲ့သို့သော နည်းပညာများ ပါဝင်သည်။ | |
| * **`TRL` Library (Transformer Reinforcement Learning)**: Hugging Face library တစ်ခုဖြစ်ပြီး Reinforcement Learning from Human Feedback (RLHF) ကဲ့သို့သော နည်းလမ်းများကို အသုံးပြု၍ Large Language Models (LLMs) များကို fine-tuning လုပ်ရန် ဒီဇိုင်းထုတ်ထားသည်။ SFTTrainer လည်း ၎င်းတွင် ပါဝင်သည်။ | |
Xet Storage Details
- Size:
- 6.01 kB
- Xet hash:
- 6774e9d4ddae001712c68247f4614837bdc152531465699276f14ce28eef99ac
·
Xet efficiently stores files, intelligently splitting them into unique chunks and accelerating uploads and downloads. More info.