📕📗 文本分类#

🎛️ 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 添加零样本建议

MLOps 步骤：标注
NLP 任务：文本分类
库：SetFit
技术：零样本

📸 批量标注多模态数据

MLOps 步骤：标注
NLP 任务：文本分类（图像）
库：Argilla，sentence-transformers
技术：语义搜索

🔫 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 Sentence Transformer 嵌入加速数据标注

MLOps 步骤：标注
NLP 任务：文本分类
库：Argilla，sentence-transformers
技术：语义搜索

监控推理预测 FastAPI

MLOps 步骤：部署，监控
NLP 任务：文本分类，Token 分类 (NER)
库：spaCy，FastAPI，transformers

💡 使用 GPT-3 和 Argilla 构建和测试零样本情感分类器

MLOps 步骤：标注
NLP 任务：文本分类
库：OpenAI
技术：少样本，可解释性

Argilla 与主动学习和一个免费 Colab GPU

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

🔁 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

📰 使用弱监督构建新闻分类器

MLOps 步骤：标注
NLP 任务：文本分类（新闻）
库：Argilla，snorkel，sklearn
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 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

🕵️‍♀️ 使用模型可解释性方法分析预测

MLOps 步骤：监控
NLP 任务：文本分类
库：shap，transformers-interpret
技术：可解释性

🧼 使用您的模型损失清理标签

MLOps 步骤：监控
NLP 任务：文本分类
库：Argilla，transformers
技术：可解释性

🧱 使用句子嵌入扩展弱监督工作流程

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

🤯 少样本分类与 SetFit 和自定义数据集

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

🤯 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

👂 文本分类的主动学习与 small-text

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 的快速主动学习

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

🏷️ 标注您的数据以使用 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 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

🥇 比较文本分类模型

MLOps 步骤：监控
NLP 任务：文本分类
库：Argilla，SetFit
技术：零样本分类