Quiz de fin de chapitre

Ce chapitre a couvert un grand nombre de notions ! Ne vous inquiétez pas si vous n’avez pas compris tous les détails, les chapitres suivants vous aideront à comprendre comment les choses fonctionnent concrètement.

Mais avant d’aller plus loin, prenons un instant pour voir ce que vous avez appris dans ce chapitre !

1. Explorez le Hub et cherchez le modèle roberta-large-mnli . Quelle tâche accomplit-il ?

2. Que renvoie le code suivant ?

from transformers import pipeline

ner = pipeline("ner", grouped_entities=True)
ner(
    "My name is Sylvain and I work at Hugging Face in Brooklyn."
)  # Je m'appelle Sylvain et je travaille à Hugging Face à Brooklyn.

3. Que remplace « … » dans ce code ?

from transformers import pipeline

filler = pipeline("fill-mask", model="bert-base-cased")
result = filler("...")

4. Pourquoi ce code ne fonctionne-t-il pas ?

from transformers import pipeline

classifier = pipeline("zero-shot-classification")
result = classifier(
    "This is a course about the Transformers library"
)  # C'est un cours sur la bibliothèque Transformers

5. Que signifie « apprentissage par transfert » ?

6. Vrai ou faux ? Un modèle de langage n’a généralement pas besoin d’étiquettes pour son pré-entraînement.

7. Sélectionnez la phrase qui décrit le mieux les termes « modèle », « architecture » et « poids ».

8. Parmi ces types de modèles, quel est le plus approprié pour générer du texte à partir d’une instruction ( prompt ) ?

9. Parmi ces types de modèles, quel est le plus approprié pour le résumé de texte ?

10. Quel type de modèle utiliseriez-vous pour classifier des entrées de texte en fonction de certains labels ?

11. De quelle source possible peut être le biais observé dans un modèle ?