لطفا جهت پرداخت (ورود به درگاه بانک) فیلترشکن خود را خاموش نمایید.
لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش خلاصه سازی متن با هوش مصنوعی با صورت در آغوش گرفته
AI Text Summarization with Hugging Face
نکته:
آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره:
جامعه هوش مصنوعی Hugging Face آرزوی پیشرفت و دموکراتیزه کردن هوش مصنوعی را از طریق منبع باز و علم باز دارد. در این دوره، Janani Ravi شما را با استفاده از این ابزار قدرتمند هوش مصنوعی برای خلاصه کردن متن راهنمایی می کند. نحوه کار خلاصه سازی متن استخراجی و همچنین نمایش های میانی آن را بیاموزید. معیارهای ارزیابی را کاوش کنید و نحوه پیمایش و دسترسی به اطلاعات در پلتفرم Hugging Face را بیابید. وارد شدن به Hugging Face، استفاده از کتابخانه sumy برای خلاصهسازی استخراجی و استفاده از خلاصهسازی متن انتزاعی با Hosted Inference API بروید. با مدلهای ترتیب به ترتیب، ترانسفورماتورها و نحوه استفاده از آنها در Hugging Face آشنا شوید. بهعلاوه، برای انجام خلاصهسازی واقعی، تنظیم دقیق مدل ترانسفورماتور و کاوش در چندین ترانسفورماتور Hugging Face، از خط لوله Hugging Face استفاده کنید.
این دوره توسط جانانی راوی ایجاد شده است. ما خوشحالیم که میزبان این آموزش در کتابخانه خود هستیم.
سرفصل ها و درس ها
معرفی
Introduction
خلاصه سازی متن با هوش مصنوعی با صورت در آغوش گرفته
AI Text Summarization with Hugging Face
1. درک خلاصه سازی متن استخراجی
1. Understanding Extractive Text Summarization
پیش نیازها
Prerequisites
خلاصه سازی متن استخراجی
Extractive text summarization
نمایش های میانی برای خلاصه سازی استخراجی
Intermediate representations for extractive summarization
معیارهای ارزیابی برای خلاصه ها
Evaluation metrics for summaries
2. انجام خلاصه سازی متن استخراجی با استفاده از صورت در آغوش گرفتن
2. Performing Extractive Text Summarization Using Hugging Face
کاوش در آغوش گرفتن صورت
Exploring Hugging Face
ثبت نام برای Hugging Face
Signing up for Hugging Face
کتابخانه خلاصه برای خلاصه سازی استخراجی
The sumy library for extractive summarization
خلاصه متن استخراجی در صورت در آغوش کشیدن
Extractive text summarization on Hugging Face
3. درک خلاصه سازی متن انتزاعی
3. Understanding Abstractive Text Summarization
خلاصه متن انتزاعی
Abstractive text summarization
خلاصه سازی انتزاعی با استفاده از Hosted Inference API on Hugging Face
Abstractive summarization using the Hosted Inference API on Hugging Face
لینکدین: شبکه اجتماعی حرفهای برای ارتباط و کارآفرینی
لینکدین به عنوان یکی از بزرگترین شبکههای اجتماعی حرفهای، به میلیونها افراد در سراسر جهان این امکان را میدهد تا ارتباط برقرار کنند، اطلاعات حرفهای خود را به اشتراک بگذارند و فرصتهای شغلی را کشف کنند. این شبکه اجتماعی به کاربران امکان میدهد تا رزومه حرفهای خود را آپدیت کنند، با همکاران، دوستان و همکاران آینده ارتباط برقرار کنند، به انجمنها و گروههای حرفهای ملحق شوند و از مقالات و مطالب مرتبط با حوزه کاری خود بهرهمند شوند.
لینکدین همچنین به کارفرمایان امکان میدهد تا به دنبال نیروهای با تجربه و مهارت مورد نیاز خود بگردند و ارتباط برقرار کنند. این شبکه حرفهای به عنوان یک پلتفرم کلیدی برای بهبود دسترسی به فرصتهای شغلی و گسترش شبکه حرفهای خود، نقش مهمی را ایفا میکند. از این رو، لینکدین به عنوان یکی از مهمترین ابزارهای کارآفرینی و توسعه حرفهای در دنیای امروز مورد توجه قرار دارد.
Janani Ravi یک معمار و مهندس داده خبره Google cloud است.
جنانی مدرک کارشناسی ارشد خود را در رشته مهندسی برق از دانشگاه استنفورد دریافت کرد و برای مایکروسافت، گوگل و فلیپ کارت کار کرده است. او یکی از بنیانگذاران Loonycorn است، یک استودیوی محتوا که بر ارائه محتوای با کیفیت بالا برای توسعه مهارت های فنی متمرکز است، جایی که او عشق خود را به فناوری با اشتیاق خود به تدریس ترکیب می کند.
نمایش نظرات