Cours sur les visages étendus pour les débutants
Amit Diwan, Corporate Trainer
Regardez ce cours et des milliers d'autres
Regardez ce cours et des milliers d'autres
Leçons de ce cours
-
-
1.
À propos du cours
0:45
-
2.
Visage étreint : introduction et caractéristiques
3:22
-
3.
Visage étreint - Cas d'utilisation
7:01
-
4.
Bibliothèque de transformers en caresses
4:21
-
5.
Bibliothèque de jeux de données de visages étirés
5:08
-
6.
Tokenizers Library of Hugging Face
4:45
-
7.
Jeton d'accès facial à l'embrassement (clé API) et comment créer
5:21
-
8.
Téléchargez un ensemble de données sur Hugging Face
3:11
-
9.
Téléchargez un modèle de Hugging Face
2:38
-
10.
Analyse des sentiments à l'aide d'un visage qui embrasse
6:31
-
11.
Classification de texte à l'aide de Hugging Face
5:43
-
12.
Des résumés de texte à l'aide de Hugging Face
3:48
-
13.
Texte à texte (traduire) en utilisant Hugging Face
3:41
-
14.
Répondre aux questions en utilisant Hugging Face
2:36
-
15.
Du texte à l'image à l'aide d'un visage qui embrasse
4:10
-
16.
Du texte à la vidéo à l'aide d'embrasser des visages
6:00
-
-
- --
- Niveau débutant
- Niveau intermédiaire
- Niveau avancé
- Tous niveaux
Généré par la communauté
Le niveau est déterminé par l'opinion majoritaire des apprenants qui ont évalué ce cours. La recommandation de l'enseignant est affichée jusqu'à ce qu'au moins 5 réponses d'apprenants soient collectées.
9
apprenants
--
À propos de ce cours
Bienvenue dans le cours Hugging Visage. Hugging Face est une entreprise et une communauté open-source qui se concentre sur le traitement du langage naturel (NLP) et l’intelligence artificielle (IA). Elle est surtout connue pour sa bibliothèque de transformers, qui fournit des outils et des modèles préformés pour un large éventail de tâches NLP, telles que la classification de texte, l'analyse des sentiments, la traduction automatique et bien plus encore.
Visage étreint : caractéristiques
Voici quelques-unes des caractéristiques de Hugging Face :
- Transformers Library : une bibliothèque complète qui comprend des milliers de modèles préformés, comme BERT, GPT, T5 et autres, qui peuvent être affinés pour des tâches spécifiques.
- Model Hub : une plateforme où les utilisateurs peuvent partager et télécharger des modèles préformés, des jeux de données et d'autres ressources.
- Bibliothèque d'ensembles de données : fournit un accès facile à une grande variété de jeux de données pour les tâches NLP.
- Spaces : une plateforme pour héberger et partager des démonstrations et des applications d'apprentissage automatique.
- API d'inférence : permet aux utilisateurs de déployer et d'utiliser facilement des modèles dans des environnements de production.
- Communauté et collaboration : Hugging Face favorise une communauté solide de chercheurs, de développeurs et de passionnés qui contribuent à l'écosystème.
Leçons du cours
✔️ Aperçu des visages qui étreignent
- Visage étreint : introduction et caractéristiques
- Visage étreint - Cas d'utilisation
✔️ Les bras ouverts - Bibliothèques
- Bibliothèque de transformers en caresses
- Bibliothèque de jeux de données de visages étirés
- Tokenizers Library of Hugging Face
✔️ Visage en train d'embrasser - Jeton d'accès (clé API)
- Jeton d'accès facial à l'embrassement (clé API) et comment créer
✔️ Travailler avec des ensembles de données et des modèles
- Téléchargez un ensemble de données sur Hugging Face
- Téléchargez un modèle de Hugging Face
✔️ Utiliser des modèles préformés avec des visages embrassants
- Analyse des sentiments à l'aide d'un visage qui embrasse
- Classification de texte à l'aide de Hugging Face
- Des résumés de texte à l'aide de Hugging Face
- Texte à texte (traduire) en utilisant Hugging Face
- Répondre aux questions en utilisant Hugging Face
- Du texte à l'image à l'aide d'un visage qui embrasse
- Synthèse texte-vidéo à l'aide de Hugging Face
- Ceux qui veulent commencer leur parcours dans le domaine de l'IA
- Passionnés d'IA débutants
- Apprenez à utiliser les modèles préformés sur Hugging Face
- Ceux qui génèrent des images à partir d'une invite de texte
- Ceux qui veulent générer des vidéos à partir d'une invite de texte
- Apprenez à traduire du texte à l'aide de modèles préformés
- Analyser les sentiments à l'aide d'un modèle préformé
Ce que vous apprendrez
- Apprendre à embrasser le visage en partant de zéro
- Comprendre les cas d'utilisation du carnet face
- Comprendre les modèles préformés sur Hugging Face
- Apprenez à connaître les ensembles de données sur Hugging Face
- Apprendre à travailler avec la bibliothèque de Transformers
- Apprendre à travailler avec la bibliothèque de jeux de données
- Apprendre à travailler avec la bibliothèque Tokenizers
- Résumé de texte avec des visages qui s'embrassent
- Traduire du texte avec des yeux embrassés
- Texte à image avec un visage embrassé
- Du texte à la vidéo avec un visage embrassant
- Répondre aux questions en s'embrassant le visage
- Résumé de texte avec des visages qui s'embrassent
Rencontrez votre enseignant·e
Hello, I'm Amit,
I'm the founder of an edtech company and a trainer based in India. I have over 10 years of experience in creating courses for students, engineers, and professionals in varied technologies, including Python, AI, Power BI, Tableau, Java, SQL, MongoDB, etc.
We are also into B2B and sell our video and text courses to top EdTechs on today's trending technologies. Over 50k learners have enrolled in our courses across all of these edtechs, including SkillShare. I left a job offer from one of the leading product-based companies and three government jobs to follow my entrepreneurial dream.
I believe in keeping things simple, and the same is reflected in my courses. I love making concepts easier for my audience.
Voir le profil complet
Projet de cours pratique
Bienvenue dans ce cours sur les traits de visage étendus !
Tout d'abord, rendez-vous sur Google Colab et suivez le cours.
Mettez en œuvre ce que vous apprenez. Mettez tous les codes que vous apprenez en pratique et mettez-les en œuvre au fur et à mesure que vous progressez dans le cours.
Remarque : Les carnets Google Colab (.ipynb) que nous avons utilisés dans le cours sont joints
Effectuez les tâches suivantes :
- Ouvrez Text2Image_Amit.ipynb sur Google Colab, mentionnez le message suivant dans le code et générez une image : Un astronaute avec la lune en arrière-plan
- Ouvrez Text2Video_Amit.ipynb sur Google Colab, mentionnez l'invite suivante dans le code et générez une vidéo : Une planète imaginaire avec un astronaute en train de marcher.
Une fois que vous aurez terminé, publiez les captures d'écran du résultat dans la galerie des projets de cours.
Notes attribuées au cours
Pourquoi s'inscrire à Skillshare ?
Suivez des cours Skillshare Original primés
Chaque cours comprend de courtes leçons et des travaux pratiques
Votre abonnement soutient les enseignants Skillshare