关注博主不迷路，每日推送AI前沿内容！
本课程将从初学者到专家教授，它是完全免费和开源的！课程完全免费、没有任何广告、非常适合初学者，由 Hugging Face 出品的 4 门 AI 学习课程，课程均是基于 Hugging Face 生态进行教学，除了深度强化学习课程外，其他 3 门课程均有中文。课程链接如下：
https://huggingface.co/learn
一、深度强化学习（Deep RL Course）
深度强化学习的理论学习以及实践，并学会使用知名的深度强化学习库。
这是课程大纲：
-
单元1. 深度强化学习介绍；
-
单元2. Q学习介绍
-
单元3. 使用Atari游戏的深度Q学习
-
单元4. 使用PyTorch的策略梯度
-
单元5. Unity ML-Agents介绍
-
单元6. 使用机器人环境的演员-评论家方法
-
单元7. 多智能体和人工智能对抗介绍
-
单元8. 强化学习高级主题
在本课程中，您将：
-
📖 研究深度强化学习的理论和实践。
-
🧑💻 学习使用著名的深度强化学习库，例如Stable Baselines3、RL Baselines3 Zoo、Sample Factory和CleanRL。
-
🤖在独特的环境中训练，例如SnowballFight、Huggy the Doggo 🐶、VizDoom (Doom) 以及经典环境，例如Space Invaders、PyBullet等。
二、自然语言处理（NLP Course）
将了解并熟悉 Transformer 相关知识，学会解决最常见的 NLP 问题，最后学习如何构建和分享模型。
-
第 1 章到第 4 章介绍了 🤗 Transformers 库的主要概念。在本部分课程结束时，您将熟悉 Transformer 模型的工作原理，并了解如何使用Hugging Face Hub中的模型，在数据集上对其进行微调，并在 Hub 上分享您的结果！
-
第 5 章到第 8 章在深入研究经典 NLP 任务之前介绍了 🤗 数据集和 🤗 标记器的基础知识。学完本部分后，您将能够自己解决最常见的 NLP 问题。
-
第 9 章到第 12 章超越了 NLP，并探讨了如何使用 Transformer 模型来处理语音处理和计算机视觉中的任务。在此过程中，您将学习如何构建和共享模型的演示，并针对生产环境优化它们。在本部分结束时，您将准备好将 🤗 Transformer 应用于（几乎）任何机器学习问题！
三、音频课程（Audio Course）
**学会如何使用 Transformer 解决各种各样与音频有关的任务，如语音识别、音频分类、或是文字生成语音等。**在本课程中，我们将探讨如何将变压器应用于音频数据。您将学习如何使用它们来解决一系列与音频相关的任务。无论您是对语音识别、音频分类还是从文本生成语音感兴趣，变压器和本课程都能满足您的需求。
该课程分为几个单元，深入涵盖各种主题：
-
第 1 单元：了解处理音频数据的细节，包括音频处理技术和数据准备。
-
第 2 单元：了解音频应用程序并学习如何使用 🤗 Transformers 管道执行不同的任务，例如音频分类和语音识别。
-
第 3 单元：探索音频转换器架构，了解它们有何不同以及它们最适合执行哪些任务。
-
第 4 单元：学习如何构建自己的音乐流派分类器。
-
第 5 单元：深入研究语音识别并建立模型来转录会议录音。
-
第 6 单元：学习如何从文本生成语音。
-
第 7 单元：学习如何使用 Transformer 构建真实世界的音频应用程序。
四、开源AI指南
**学会如何利用开源工具和模型来开发 AI 应用，以及解决各种机器学习问题的实际方案。**最近添加：
-
实施语义缓存以改进 RAG 系统
-
使用 LlamaIndex 构建 RAG 电子书“图书馆员”
-
稳定扩散插值
-
使用 Gemma、MongoDB 和开源模型构建 RAG 系统
-
使用 PEFT 库进行快速调整
-
使用 TGI 的消息 API 从 OpenAI 迁移到 Open LLM
-
通过推理端点自动嵌入 TEI
-
使用 Hugging Face Zephyr 和 LangChain 解决 GitHub 问题的简单 RAG
-
使用转换器、数据集和 FAISS 嵌入多模态数据以进行相似性搜索
-
在单个 GPU 上对自定义代码进行代码 LLM 微调
-
使用综合数据和法学硕士法官进行 RAG 评估
-
使用 LangChain 的 HuggingFace 文档上的高级 RAG
-
使用 Cleanlab 检测文本数据集中的问题
所有资料 ⚡️ ，朋友们如果有需要全套 《LLM大模型入门+进阶学习资源包》，扫码获取~
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
