Buckets:
دیتاسِت خود را در آرژیلا بارگذاری کنید[[load-your-dataset-to-argilla]]
<CourseFloatingBanner chapter={10} classNames="absolute z-10 right-0 top-0" notebooks={[ {label: "Google Colab", value: "https://colab.research.google.com/github/huggingface/notebooks/blob/master/course/en/chapter10/section3.ipynb"}, {label: "Aws Studio", value: "https://studiolab.sagemaker.aws/import/github/huggingface/notebooks/blob/master/course/en/chapter10/section3.ipynb"}, ]} />
بسته به وظیفهی NLP و کاربرد یا مسئلهی خاصی که روی آن کار میکنید، دادهها و وظیفهی حاشیهگذاری شما شکل متفاوتی خواهند داشت. در این بخش از دوره، از دیتاسِتی شامل خبرها برای انجام دو وظیفه استفاده میکنیم: دستهبندی متن بر اساس موضوع هر متن و دستهبندی توکِن برای شناسایی موجودیتهای نامگذاریشده.
Xet Storage Details
- Size:
- 6.66 kB
- Xet hash:
- e4d2954ffce92296756f2fb136b9ea8b42ace49ccb98cc1d9151ce5a148ae368
Xet efficiently stores files, intelligently splitting them into unique chunks and accelerating uploads and downloads. More info.