Las tasks en machine learning
Clase 3 de 17 • Curso de Transfer Learning con Hugging Face
Contenido del curso
Gilberto Espinoza Maciel
student•
hace 3 años
Patricio Sánchez Fernández
student•
hace 3 años
Hiddekel Manriquez
student•
hace 2 años
Clase 3 de 17 • Curso de Transfer Learning con Hugging Face
Contenido del curso
Gilberto Espinoza Maciel
Patricio Sánchez Fernández
Hiddekel Manriquez
Carlos Enrique Vázquez Juárez
Juan R. Vergara M.
Patricio Sánchez Fernández
Sara María Mejia Sánchez
Patricio Sánchez Fernández
Rafael Alejandro Rioseco Espinoza
Omar Uriel Espejel Díaz
Omar Sanseviero
Eduardo Reyes
Omar Uriel Espejel Díaz
Juan Jose Sepulveda Calderon
FELIX DAVID CORDOVA GARCIA
Pablo Arango Bustamante
Diego Alejandro Lesmes
Omar Sanseviero
Edgar Elias Peña De La Torre
Erifranck Nunez
Cristian David Gonzalez Ramirez
Sebastian Cruz
Oscar Ancizar Salas Achipiz
Omar Sanseviero
MARIA TERESA PANIAGUA RIVERA
Carlos Murgas Carrillo
Juan R. Vergara M.
Vladimir Marcos Vega
Nelson Silvera
Victor Manuel Lagunas Franco
Hugging Face es una plataforma de aprendizaje automático que ofrece una amplia variedad de "Tasks" para tareas de procesamiento de lenguaje natural (NLP) y visión por computadora (CV). Aquí tienes algunas de las "Tasks" más destacadas:
📚 NLP: Tareas de Procesamiento de Lenguaje Natural
🖼️ CV: Tareas de Visión por Computadora
🎭 Conversación y Diálogo
🤝 Colaboración
📈 Analítica de Datos
🎮 Entretenimiento
🌐 Web y Contenido en Línea
🏢 Empresas y Productividad
🌿 Ciencia y Salud
🤖 Robótica e IoT
Hugging Face proporciona modelos preentrenados y herramientas para abordar una amplia gama de tareas en campos diversos, facilitando la creación de aplicaciones de IA avanzadas en múltiples dominios.
Sorprendente resumen, Gilberto. Felicitaciones.
... gracias, lo entendí todo¡
Se nota como al instructor le apasiona demasiado el tema, con las modulaciones de su tono de voz, lo transmite muy bien e incentiva a que uno explore más :D
Transmita pasión por el tema 😊
Sin duda, eso ocurre cuando el profesional AMA lo que HACE.
Tasks con múltiples modelos disponibles para todo tipo de necesidad, en diferentes lenguajes y con posibilidad de probarla directamente en el hub por medio del Hosted Inference API. Además nos brinda la posibilidad de ver ejemplos de cada una de ellas, pruebas con modelos recomendados, diferentes librerías para su uso, videos explicativos. Un universo de posibilidades por explorar 🌎🚀 Estoy realmente encantada de conocer este Hub 💚
Buen resumen, Sara.
Hola que tal? realmente alucinante todo esto que se muestra en esta clase. Me interesaría encontrar algún data set para lenguaje natural donde yo le de una descripción muy rebotica de algún producto y e la IA me retorne una descripción mejorada y quizás tratando de venderme ese producto, sera posible ?
Hola Rafael! Gracias por tu pregunta. Es una excelente aplicación de una task como text-generation. A mí conocimiento, no conozco un dataset como ese. Pero si está disponible, lo podrías encontrar filtrando los datasets de Hugging Face en text-generation: https://huggingface.co/datasets?task_categories=task_categories:text-generation&sort=downloads
Eso suena a una tarea de tipo text-generation o text2text-generation, en la cual el input es un texto y el output es otro texto. Aunque no encuentres un dataset en espanol para esto, deberia ser posible hacer fine-tuning (transfer learning) a un modelo que ya existe, como puede serlo GPT-2 o GPT-J, y con pocos ejemplos entrenarlo para tal tarea.
Otra opcion es hacer buen prompt para que el modelo lo haga directamente. Por ejemplo, Bloom es capaz de generar texto a partir de unos ejemplos. Tal vez vale la pena probar con eso antes de entrenar un modelo para empezar a jugar con la tarea https://huggingface.co/spaces/huggingface/bloom_demo
Con tantos modelos ya realizados, ¿ustedes qué creen que es el siguiente paso para los encargados de Machine Learning e IA, qué responsabilidades tendrán?
A mi parecer, debe ser atender sesgos en los modelos. Por ejemplo, la generación de texto puede dar lugar a textos que reflejan racismos o pensamientos de nuestra sociedad que no queremos reflejar en un modelo de ML. Otra cosa sería evaluar mejor la calidad de los modelos, para eso Hugging Face tiene la librería Evaluate: https://huggingface.co/docs/evaluate/index
Te comparto la imagen del Curso Profesional de Redes Neuronales con TensorFlow
Que sorprendente todo lo que se puede hacer ¡¡ Que increible
El task que creo que puede ayudarme, es el de reconocimiento de imágenes para detectar vehículos accidentados y extraer información de ellos. Trabajo en una empresa de administración de vehículos
uff 🤔 no es inmediato que Token Classification sea el task de Named Entity Recognition (NER)
Token Classification tambien puede ser Part of Speech (POS), pero el tipo de inputs y outputs es el mismo
Podría crear un modelo o encontrar uno para analizar mi proyecto de Python y poder hacer preguntas de mejora?
tengo una duda, se pueden combinar tasks ? es que basicamente andaba buscando algun modelo similar al image to image pero que recibiera 2 inputs y mi salida fuera una sola imagen, estoy interesado en hacer un proyecto personal y basicamente necesito estudiar muchas cosas y veo que en este punto me quede corto, o me tocaria revisar un curso mas profundo sobre deeplearning ?
hay varios modelos que no funcionan en la Inference API, de 20 que he intentado probar 17 dan error, no deja probar en la pagina de huggingface, alguna recomendacion? o tambien les pasa?
cual seria la task para reconocimiento de texto en ambientes naturales??
Uno de los task que probablemente usaría, sería el de Text classification. Sin embargo, me gustaría saber si existe algun modelo para clasificar nombres de establecimiento en categorías, por ejemplo: variables independientes(establecimiento: Comidas doña Pepa, descripción restaurante de comida ejecutiva), variable dependiente: categoría: Restaurantes. (La ventaja es que tengo una descripción de los establecimientos donde tendría palabras, clave asociadas a esa categoría como lo es restaurante)
Hola! Aqui tienes varias opciones
Si tienes unos cuantos ejemplos de entrenamiento, puedes hacer algo llamado few-shot learning, que es hacer fine-tuning con muy pocos ejemplos. Una buena herramienta para eso se llama SetFit sobre la cual puedes leer en https://github.com/huggingface/setfit y https://huggingface.co/blog/setfit
Cuantas herramientas a utilizar
¡Hola!
En estos momentos ando buscando un modelo para la task Image-to-Image. Anteriormente he generado unas imágenes de una persona y me gustaría generar imágenes a partir de esas ya generadas.
Muy interesante. Gracias.
Y lo mejor es que es una comunidad abierta, es ideal para los que estamos aprendiendo 📝🥇💪
estoy con el trabajo final de mi carrera, voy a ver si puedo sacar algunos modelos de la comunidad para aplicar el transfer PD: este temas es muy interesante, espero que sigan sacando cursos así
Wow, increible
este curso es increíble