Buckets:
| # مقدمهای بر آرژیلا[[introduction-to-argilla]] | |
| <CourseFloatingBanner | |
| chapter={10} | |
| classNames="absolute z-10 right-0 top-0" | |
| /> | |
| در فصل ۵ یاد گرفتید چگونه با کتابخانهی 🤗 Datasets یک دیتاسِت بسازید و در فصل ۶ بررسی کردید چگونه مدلها را برای برخی وظایف رایج NLP کوک کنید. در این فصل یاد میگیرید چگونه از [Argilla](https://argilla.io) برای **حاشیهگذاری و پالایش دیتاسِتها** استفاده کنید؛ دیتاسِتهایی که میتوانید برای تعلیم و ارزیابی مدلهایتان به کار ببرید. | |
| کلید تعلیم مدلهایی که عملکرد خوبی دارند، دادههای باکیفیت است. گرچه در هاب دیتاسِتهای خوبی وجود دارد که میتوانید برای تعلیم و ارزیابی مدلهایتان از آنها استفاده کنید، شاید این دیتاسِتها برای کاربرد یا مسئلهی خاص شما مناسب نباشند. در این وضعیت، ممکن است بخواهید دیتاسِت خودتان را بسازید و پالایش کنید. آرژیلا کمک میکند این کار را بهطور کارآمد انجام دهید. | |
| با Argilla میتوانید: | |
| - دادههای بدون ساختار را به **دادههای ساختاریافته** تبدیل کنید تا در وظایف NLP به کار روند. | |
| - دیتاسِتی را پالایش کنید و آن را از دیتاسِتی کمکیفیت به **دیتاسِتی باکیفیت** تبدیل کنید. | |
| - **بازخورد انسانی** برای مدلهای زبانی بزرگ و مدلهای چندوجهی گردآوری کنید. | |
| - متخصصان را برای همکاری در Argilla دعوت کنید یا حاشیهگذاریها را بهصورت جمعسپاری گردآوری کنید! | |
| در این فصل با برخی از این موارد آشنا میشوید: | |
| - چگونه نمونهی Argilla خودتان را راهاندازی کنید. | |
| - چگونه دیتاسِتی را بارگذاری و بر اساس برخی وظایف رایج NLP پیکربندی کنید. | |
| - چگونه از رابط کاربری Argilla برای حاشیهگذاری دیتاسِت استفاده کنید. | |
| - چگونه از دیتاسِت پالایششدهی خود استفاده و آن را به هاب صادر کنید. | |
Xet Storage Details
- Size:
- 2.62 kB
- Xet hash:
- b09e2fc97ada36ff6fee5bd26e8e0b2aa7996ff23cbff4cc0e099410fc76791f
·
Xet efficiently stores files, intelligently splitting them into unique chunks and accelerating uploads and downloads. More info.