21

¿Cómo acceder a los recursos más avanzados de machine learning con Hugging Face?

495Puntos

hace un año

Hugging Face es la comunidad y la plataforma donde puedes encontrar demos, modelos y datasets open-source para crear proyectos avanzados de inteligencia artificial. Puedes hacerlo de manera gratuita y de forma muy accesible a través de su Hub.

Pero antes de conocer cómo acceder a esta enorme biblioteca de recursos de machine learning, entremos en contexto de esta explosión masiva que se está viviendo sobre el tema.

hugging-face.png

Una historia de inclusión y open-source sobre Machine Learning

Nos encontramos en una primavera del machine learning. Mes a mes nuevos modelos y datasets son anunciados. Por ejemplo, en los últimos meses hemos visto el impacto de DALLE-2 creado por OpenAI e Imagen creado por Google, entre otros poderosos modelos de inteligencia artificial.

Como buena primavera también implica la capacidad de utilizar estos recursos que están siendo liberados. Por ejemplo, podrías usar el nuevo y más avanzado modelo de visión por computadora para un proyecto de clasificación de hojas de habichuelas donde identifiques a las enfermas y a las sanas.

Para llegar a ello necesitamos replicar y aplicar estos nuevos modelos y datasets. Hay mucho en juego, cada persona tiene un conocimiento particular y se necesita proveerles con las herramientas para que puedan emplear machine learning de punta. Se necesita que sea una primavera para todas las personas.

Las aplicaciones y soluciones que nos perderíamos, sin mayor adopción e inclusión del machine learning, representarían una pérdida para la humanidad. Por ejemplo, la comunidad de Somos NLP organizó una hackathon para crear modelos de procesamiento de lenguaje en español.

Entre los modelos resultantes puedes encontrar un traductor de español a náhuatl y otro de español a quechua, una aplicación que neutraliza el género de textos en español, un detector de sexismo, y una aplicación que ayuda al público general a entender textos de la Suprema Corte de Justicia de México.

spaces-hugging-face.png

Esos son solo algunos ejemplos de procesamiento de lenguaje natural en Español (aquí encuentras todos los proyectos de la hackathon). ¿Cuántas de estas aplicaciones, aterrizadas a sus respectivas regiones y necesidades, habrían sido generadas por personas en países hispanohablantes si no contarán con los recursos a su alcance? Probablemente muy pocas o ninguna.

Incluso, estas aplicaciones no existirían sin el machine learning open-source. Cada una de ellas utilizó modelos ya existentes y abiertos. Usaron una técnica llamada transferencia de conocimiento para afinar sus modelos a tareas específicas. Después crearon demos de sus modelos con herramientas abiertas como Gradio y Streamlit, para que todas las personas puedan probar sus creaciones desde sus navegadores web.

Estos son pasos hacia la inclusión y adopción en machine learning: usar, replicar, mejorar y mostrar. Cada quién con su experiencia y sus prioridades. Crean ML nativo en los países hispanohablantes y de otros idiomas más allá del Inglés. Atacan problemas que los habitantes conocen mejor que nadie y que empoderados con ML pueden buscar solucionar.

Aquí es donde Hugging Face y su hub lleno de recursos abiertos y accesibles entran en juego para que tú puedas crear este tipo de proyectos que resuelvan problemas en todo el mundo. Junto con Platzi queremos compartirte cómo utilizarlos y hacer esto.

Hugging Face y Platzi: aprende transfer learning de forma accesible

El Hub de Hugging Face alberga más de 70 mil modelos de ML, más de 7 mil datasets y más de 8 mil demos mejor conocidos como Spaces). Todo es open-source y con la misión de democratizar el machine learning justo. Cuenta con bibliotecas para utilizar y entrenar arquitecturas Transformer, para manejar datasets, para entrenar modelos con múltiples GPUs, para evaluar el desempeño de modelos y mucho más. Todo abierto y listo para que lo uses.

Platzi y Hugging Face hemos colaborado en la creación de cursos que permiten acercar a las personas hispanohablantes a la primavera del ML, gracias a todos los recursos de Hugging Face.

Buscamos que estudiantes como tú tengan las herramientas necesarias para crear sus propios modelos, demos y aplicaciones. Así, más personas podrán producir aplicaciones de machine learning que solucionen problemas de sexismo en textos, acerquen a hispanohablantes a lenguas indígenas, hagan más accesibles textos legales, entre otros casos de uso. Todo empleando la tecnología más avanzada disponible y de manera abierta.

En el Curso de Transfer Learning con Hugging Face aprenderás:

  • Cómo está estructurado el Hub.
  • Cómo encontrar modelos y datasets.
  • Qué son las tasks y cómo hacer inferencia con modelos estado del arte en tan solo tres líneas de código.
  • Qué son los Transformers y el aprendizaje por transferencia.
  • Cómo afinar modelos para NLP y visión por computadora.
  • Cómo compartir modelos con la comunidad de manera gratuita.

En el Curso de Introducción a Demos de Machine Learning con Hugging Face conocerás:

  • Qué son los Spaces y cómo encontrarlos en el Hub.
  • La relevancia de los demos de machine learning para la reproducibilidad.
  • Cómo crear tus primeros demos con Gradio y Streamlit.
  • Cómo alojar los demos en el Hub para mayor visibilidad.

Estamos con una enorme emoción por conocer los demos y modelos que vas a crear con la comunidad de Platzi y Hugging Face. Comienza a aprender cómo hacerlo con estos cursos.

¡Sé parte de esta revolución, de esta primavera de machine learning! 🧠☀️

Omar Uriel
Omar Uriel
espejelomar

495Puntos

hace un año

Todas sus entradas
Escribe tu comentario
+ 2
2
13121Puntos

Gracias a estos cursos conocí la comunidad de Hugging Face 😁

1
16572Puntos

Ufff no veo la hora de ir avanzando en la ruta para llegar a estos cursos!!