💪🏽 训练#

🎛️ 使用 ArgillaTrainer 微调 SetFit 模型

MLOps 步骤：训练
NLP 任务：文本分类
库：SetFit
技术：少样本

🔫 使用 SetFit 进行零样本和少样本分类

MLOps 步骤：标注，训练
NLP 任务：文本分类
库：setfit, sentence transformers
技术：少样本

🕸️ 使用 Unstructured 和 Transformers 训练摘要模型

MLOps 步骤：标注，训练
NLP 任务：文本生成
库：unstructured, transformers
技术：基础

🤯 使用 SetFit 和 Argilla 构建自定义情感分类器

MLOps 步骤：训练
NLP 任务：文本分类 (情感)
库：setfit
技术：少样本

👂 使用 small-text 进行文本分类的主动学习

MLOps 步骤：训练
NLP 任务：文本分类
库：small-text
技术：主动学习

✨ 使用 classy-classification 进行快速主动学习

MLOps 步骤：训练
NLP 任务：文本分类
库：classy-classification
技术：少样本，主动学习

🤯 使用 SetFit 和自定义数据集进行少样本分类

MLOps 步骤：标注，训练
NLP 任务：文本分类
库：setfit
技术：少样本

🧱 使用句子嵌入扩展弱监督工作流

MLOps 步骤：标注，训练
NLP 任务：文本分类
库：Argilla, sentence-transformers
技术：弱监督

🧐 使用 cleanlab 查找标签错误

MLOps 步骤：训练，监控
NLP 任务：文本分类
库：cleanlab
技术：可解释性

🏷️ 标注你的数据以使用 Hugging Face 微调分类器

MLOps 步骤：标注，训练
NLP 任务：文本分类 (情感)
库：transformers
技术：基础

🐭 使用 skweak 进行弱监督 NER

MLOps 步骤：标注，训练
NLP 任务：Token 分类 (NER)
库：Argilla, skweak
技术：弱监督

🗂 多标签文本分类任务中的弱监督

MLOps 步骤：标注，训练
NLP 任务：文本分类 (多标签)
库：Argilla, scikit-multilearn
技术：弱监督

🔁 使用 modAL 进行主动学习

MLOps 步骤：训练
NLP 任务：文本分类
库：modAL
技术：主动学习