Dieses Buch bietet eine praxisorientierte Anleitung zur Verwendung von Transformer-Modellen für die Verarbeitung natürlicher Sprache (NLP) mit Fokus auf das leistungsstarke Ökosystem von Hugging Face. Es behandelt Schlüsselkonzepte des Deep Learning, der Modelloptimierung und des Deployments anhand praktischer Beispiele in Python. Die Autoren führen die Leser durch die Implementierung modernster NLP-Anwendungen mit Bibliotheken wie Transformers, PyTorch und TensorFlow.

Warum Sie dieses Buch lesen sollten

• Lernen Sie die Grundlagen von Transformer-Architekturen kennen, einschließlich BERT, GPT und T5.
• Sammeln Sie praktische Erfahrungen mit den Tools von Hugging Face zum Trainieren und Feinabstimmen von Modellen.
• Erkunden Sie reale NLP-Aufgaben wie Textklassifizierung, Fragebeantwortung und maschinelle Übersetzung.
• Modelloptimierung, Leistungsoptimierung und Bereitstellungsstrategien verstehen.
• Geeignet sowohl für Anfänger als auch für erfahrene Anwender im Bereich maschinelles Lernen.

Über die Autoren

Lewis Tunstall ist ein Ingenieur für maschinelles Lernen mit Spezialisierung auf NLP und Transformer-basierte Modelle. Er beteiligt sich an Open-Source-KI-Projekten und arbeitet an realen NLP-Anwendungen.

Leandro Von Werra ist Datenwissenschaftler und Forscher im Bereich maschinelles Lernen bei Hugging Face und konzentriert sich auf groß angelegte Sprachmodelle und Modelloptimierung.

Thomas Wolf ist Mitbegründer und wissenschaftlicher Leiter von Hugging Face, einem führenden Unternehmen im Bereich NLP und Transformer-basierter KI-Modelle. Er ist ein wichtiger Entwickler der Open-Source-Bibliothek Transformers und ein Experte für Deep-Learning-Forschung.