描述
Hugging Face LLM 课程旨在通过开源教育推动和普及人工智能。该课程提供了对大型语言模型（LLMs）和自然语言处理（NLP）的深入理解，使用 Hugging Face 生态系统中的库，包括 Transformers、Datasets、Tokenizers 和 Accelerate，以及对人工智能社区有贡献的外部库。
阅读更多
最初专注于 NLP，该课程已发展为强调 LLMs，这是一种强大的 NLP 模型子集。LLMs 的特点是其庞大的规模和广泛的训练数据，使其能够以最小的特定任务训练执行各种语言任务。在整个课程中，学习者将探索传统的 NLP 概念和前沿的 LLM 技术，这对于有效使用 LLMs 至关重要。
该课程分为几个章节。第 1 到 4 章介绍了 Transformers 库的主要概念，教参与者 Transformer 模型的工作原理以及如何使用 Hugging Face Hub 中的模型。第 5 到 8 章涵盖了 Datasets 和 Tokenizers 的基础知识，深入经典的 NLP 任务和 LLM 技术。第 9 章超越 NLP，指导学习者如何在 Hugging Face Hub 上构建和分享他们模型的演示。最后，第 10 到 12 章深入探讨高级 LLM 主题，包括微调和构建推理模型。
要在本课程中取得成功，参与者应具备良好的 Python 知识，并建议在完成入门深度学习课程后参加。虽然不要求具备 PyTorch 或 TensorFlow 的先前知识，但熟悉这些框架将是有益的。完成后，建议学习者探索 DeepLearning.AI 的自然语言处理专业课程，以更广泛地理解传统的 NLP 模型。
该课程由 Hugging Face 的一组经验丰富的机器学习工程师和研究人员编写，旨在让每个人都能接触到 NLP。该课程完全免费且无广告，为任何希望提升人工智能和 NLP 知识的人提供了绝佳机会。
- 类别企业培训与在线学习
Hugging Face LLM 课程的核心功能
免费访问
无广告体验
专注于 LLMs
实践演示
高级主题
需要 Python 知识
无需先前的 PyTorch/TensorFlow 知识
社区贡献
如何使用 Hugging Face LLM 课程？
开始：访问 Hugging Face LLM 课程页面。
学习：按照结构化章节了解 LLMs 和 NLP。
实践：在 Google Colab 或 Amazon SageMaker Studio Lab 中使用提供的代码。
参与：在 Hugging Face 论坛中参与提问和项目想法。
Hugging Face LLM 课程的使用案例
- 学习 NLP
- 构建 LLMs
- 模型共享
- 实践练习
- 社区参与
