Translation chapter 7 #938
Merged
Conversation
This file contains hidden or bidirectional Unicode text that may be interpreted or compiled differently than what appears below. To review, open the file in an editor that reveals hidden Unicode characters.
Learn more about bidirectional Unicode characters
|
The docs for this PR live here. All of your documentation changes will be reflected on that endpoint. The docs are available until 30 days after the last update. |
stevhliu
approved these changes
May 28, 2025
…nslation of chapter5
…lation of chapter6
grumpycatyo-collab
approved these changes
Jun 3, 2025
chapters/rum/_toctree.yml
Outdated
| - local: chapter7/2 | ||
| title: Clasificarea tokenilor | ||
| - local: chapter7/3 | ||
| title: Fine-tuningul la un model de limbaj mascat |
There was a problem hiding this comment.
Suggested change
| title: Fine-tuningul la un model de limbaj mascat | |
| title: Fine-tuningul unui model de limbaj mascat |
chapters/rum/chapter7/1.mdx
Outdated
| - Masked language modeling (precum BERT) | ||
| - Sumarizare | ||
| - Traducere | ||
| - Preantrenare pentru causal language modeling (precum GPT-2) |
There was a problem hiding this comment.
Suggested change
| - Preantrenare pentru causal language modeling (precum GPT-2) | |
| - Preantrenare pentru `causal language modeling` (precum GPT-2) |
chapters/rum/chapter7/1.mdx
Outdated
| - Sumarizare | ||
| - Traducere | ||
| - Preantrenare pentru causal language modeling (precum GPT-2) | ||
| - Răspunderea la întrebări |
There was a problem hiding this comment.
Suggested change
| - Răspunderea la întrebări | |
| - Răspunsul la întrebări |
chapters/rum/chapter7/2.mdx
Outdated
|
|
||
| ### Datasetul CoNLL-2003 [[the-conll-2003-dataset]] | ||
|
|
||
| Pentru a încărca dataetul CoNLL-2003, folosim metoda `load_dataset()` din biblioteca 🤗 Datasets: |
There was a problem hiding this comment.
Suggested change
| Pentru a încărca dataetul CoNLL-2003, folosim metoda `load_dataset()` din biblioteca 🤗 Datasets: | |
| Pentru a încărca datasetul CoNLL-2003, folosim metoda `load_dataset()` din biblioteca 🤗 Datasets: |
chapters/rum/chapter7/9.mdx
Outdated
| <Question | ||
| choices={[ | ||
| { | ||
| text: "Tokenizatorul adaugă tokeni speciali și nu avem labeluri pentru ele.", |
There was a problem hiding this comment.
Suggested change
| text: "Tokenizatorul adaugă tokeni speciali și nu avem labeluri pentru ele.", | |
| text: "Tokenizerul adaugă tokeni speciali și nu avem labeluri pentru ele.", |
chapters/rum/chapter7/5.mdx
Outdated
| {/if} | ||
|
|
||
|
|
||
| În această secțiune vom analiza modul în care modelele Transformer pot fi utilizate pentru a condensa documente lungi în rezumate, o sarcină cunoscută sub numele de _text summarization_. Aceasta este una dintre cele mai dificile sarcini NLP, deoarece necesită o gamă largă de abilități, cum ar fi înțelegerea pasajelor lungi și generarea unui text coerent care integrează principalele subiecte dintr-un document. Cu toate acestea, atunci când este bine realizată, rezumarea textului este un instrument puternic care poate accelera diverse procese de business prin scutirea experților într-u anumit domeniu de a citi documente lungi în detaliu. |
There was a problem hiding this comment.
Suggested change
| În această secțiune vom analiza modul în care modelele Transformer pot fi utilizate pentru a condensa documente lungi în rezumate, o sarcină cunoscută sub numele de _text summarization_. Aceasta este una dintre cele mai dificile sarcini NLP, deoarece necesită o gamă largă de abilități, cum ar fi înțelegerea pasajelor lungi și generarea unui text coerent care integrează principalele subiecte dintr-un document. Cu toate acestea, atunci când este bine realizată, rezumarea textului este un instrument puternic care poate accelera diverse procese de business prin scutirea experților într-u anumit domeniu de a citi documente lungi în detaliu. | |
| În această secțiune vom analiza modul în care modelele Transformer pot fi utilizate pentru a condensa documente lungi în rezumate, o sarcină cunoscută sub numele de _text summarization_. Aceasta este una dintre cele mai dificile sarcini NLP, deoarece necesită o gamă largă de abilități, cum ar fi înțelegerea pasajelor lungi și generarea unui text coerent care integrează principalele subiecte dintr-un document. Cu toate acestea, atunci când este bine realizată, rezumarea textului este un instrument puternic care poate accelera diverse procese de business prin scutirea experților într-un anumit domeniu de a citi documente lungi în detaliu. |
chapters/rum/chapter7/5.mdx
Outdated
| Name: product_category, dtype: int64 | ||
| ``` | ||
|
|
||
| Cele mai populare produse din datasetul în limba engleză sunt despre articole de uz casnic, îmbrăcăminte și electronice fără fir. Cu toate acestea, pentru a rămâne la Amazontheme, să ne concentrăm pe rezumatul recenziilor de cărți - la urma urmei, acesta este motivul pentru care compania a fost fondată! Putem vedea două categorii de produse care se potrivesc (`book` și `digital_ebook_purchase`), deci să filtrăm dataseturile în ambele limbi doar pentru aceste produse. După cum am văzut în [Capitolul 5](/course/chapter5), funcția `Dataset.filter()` ne permite să tăiem un datasetfoarte eficient, deci putem defini o funcție simplă pentru a face acest lucru: |
There was a problem hiding this comment.
Suggested change
| Cele mai populare produse din datasetul în limba engleză sunt despre articole de uz casnic, îmbrăcăminte și electronice fără fir. Cu toate acestea, pentru a rămâne la Amazontheme, să ne concentrăm pe rezumatul recenziilor de cărți - la urma urmei, acesta este motivul pentru care compania a fost fondată! Putem vedea două categorii de produse care se potrivesc (`book` și `digital_ebook_purchase`), deci să filtrăm dataseturile în ambele limbi doar pentru aceste produse. După cum am văzut în [Capitolul 5](/course/chapter5), funcția `Dataset.filter()` ne permite să tăiem un datasetfoarte eficient, deci putem defini o funcție simplă pentru a face acest lucru: | |
| Cele mai populare produse din datasetul în limba engleză sunt despre articole de uz casnic, îmbrăcăminte și electronice fără fir. Cu toate acestea, pentru a rămâne la Amazontheme, să ne concentrăm pe rezumatul recenziilor de cărți - la urma urmei, acesta este motivul pentru care compania a fost fondată! Putem vedea două categorii de produse care se potrivesc (`book` și `digital_ebook_purchase`), deci să filtrăm dataseturile în ambele limbi doar pentru aceste produse. După cum am văzut în [Capitolul 5](/course/chapter5), funcția `Dataset.filter()` ne permite să tăiem un dataset foarte eficient, deci putem defini o funcție simplă pentru a face acest lucru: |
chapters/rum/chapter7/7.mdx
Outdated
|
|
||
| <Youtube id="ajPx5LwJD-I"/> | ||
|
|
||
| Vom face fine-tuning unuimodel BERT pe [datasetul SQuAD] (https://rajpurkar.github.io/SQuAD-explorer/), care constă din întrebări adresate de mulțimea de lucrători pe un set de articole Wikipedia. Acest lucru ne va oferi un model capabil să calculeze predicții precum aceasta: |
There was a problem hiding this comment.
Suggested change
| Vom face fine-tuning unuimodel BERT pe [datasetul SQuAD] (https://rajpurkar.github.io/SQuAD-explorer/), care constă din întrebări adresate de mulțimea de lucrători pe un set de articole Wikipedia. Acest lucru ne va oferi un model capabil să calculeze predicții precum aceasta: | |
| Vom face fine-tuning unui-model BERT pe [datasetul SQuAD] (https://rajpurkar.github.io/SQuAD-explorer/), care constă din întrebări adresate de mulțimea de lucrători pe un set de articole Wikipedia. Acest lucru ne va oferi un model capabil să calculeze predicții precum aceasta: |
chapters/rum/chapter7/9.mdx
Outdated
| }, | ||
| { | ||
| text: "Tokenii adăugați nu au etichete, deci nu există nicio problemă.", | ||
| explain: "Incorect; avem nevoie de atâtea etichete câțo tokeni avem, altfel modelele noastre vor da erori." |
There was a problem hiding this comment.
Suggested change
| explain: "Incorect; avem nevoie de atâtea etichete câțo tokeni avem, altfel modelele noastre vor da erori." | |
| explain: "Incorect; avem nevoie de atâtea etichete câți tokeni avem, altfel modelele noastre vor da erori." |
chapters/rum/chapter7/9.mdx
Outdated
| explain: "Acesta ar putea fi un API pe care îl vom adăuga în viitor, dar nu este disponibil acum." | ||
| }, | ||
| { | ||
| text: "Inputurile și targturile trebuie preprocesate, în două apeluri separate către tokenizer.", |
There was a problem hiding this comment.
Suggested change
| text: "Inputurile și targturile trebuie preprocesate, în două apeluri separate către tokenizer.", | |
| text: "Inputurile și targeturile trebuie preprocesate, în două apeluri separate către tokenizer.", |
|
Resolve conflicts here as well! |
…in the romanian translation of chapter7
|
@stevhliu updated! |
Sign up for free
to join this conversation on GitHub.
Already have an account?
Sign in to comment
Add this suggestion to a batch that can be applied as a single commit.
This suggestion is invalid because no changes were made to the code.
Suggestions cannot be applied while the pull request is closed.
Suggestions cannot be applied while viewing a subset of changes.
Only one suggestion per line can be applied in a batch.
Add this suggestion to a batch that can be applied as a single commit.
Applying suggestions on deleted lines is not supported.
You must change the existing code in this line in order to create a valid suggestion.
Outdated suggestions cannot be applied.
This suggestion has been applied or marked resolved.
Suggestions cannot be applied from pending reviews.
Suggestions cannot be applied on multi-line comments.
Suggestions cannot be applied while the pull request is queued to merge.
Suggestion cannot be applied right now. Please check back later.
This is the romanian translation of chapter 7.
Ping @lewtun and @stevhliu for a review