Programa e objetivos
Síntese da introdução e dos capítulos enumerados no índice oficial; não é uma transcrição de todas as lições.
Objetivos de aprendizagem
- Utilizar, adaptar e partilhar modelos de linguagem do Hugging Face Hub.
- Resolver tarefas de processamento de linguagem e publicar demonstrações de modelos.
Conteúdo programático
- Transformers: conceitos, arquiteturas, inferência, limitações e enviesamentos.
- Utilização de Transformers e ajuste de modelos pré-treinados.
- Partilha de modelos e tokenizadores no Hub.
- Bibliotecas Datasets e Tokenizers.
- Tarefas clássicas de processamento de linguagem e resolução de dificuldades.
- Criação e publicação de demonstrações.
- Curadoria de dados, ajuste de LLMs e construção de modelos de raciocínio.
Atividades práticas
- Código executável em notebooks Jupyter, Google Colab ou SageMaker Studio Lab.
- Ajuste de um modelo a um conjunto de dados e partilha de resultados no Hub.
Pré-requisitos
- Bom domínio de Python.
- Recomenda-se uma introdução anterior a aprendizagem profunda.
- PyTorch ou TensorFlow não são exigidos, embora a familiaridade ajude.
Consulta de 03/11/2026. Ver o programa na fonte oficial.
O que deve ter em conta.
A introdução declara acesso totalmente gratuito e sem anúncios.
O acesso ao conteúdo formativo é identificado como gratuito na fonte consultada. Ferramentas, créditos, exames ou certificados podem ter custos ou requisitos adicionais.
Acesso, custos e condições
- Conteúdo
- Gratuito
- Certificado
- Não indicado
- Exame
- Não indicado
- Laboratórios / ferramentas
- Não indicado
Fonte oficial
https://huggingface.co/learn/llm-course/chapter1/1
Informação verificada em 03/11/2026. Comunicar uma correção.
