translated chapter 0

chapters/th/_toctree.yml

@@ -0,0 +1,173 @@
+- title: 0. ติดตั้งโปรแกรม
+ sections:
+ - local: chapter0/1
+ title: บทนำ
+
+- title: 1. Transformer models
+ sections:
+ - local: chapter1/1
+ title: Introduction
+ - local: chapter1/2
+ title: Natural Language Processing
+ - local: chapter1/3
+ title: Transformers, what can they do?
+ - local: chapter1/4
+ title: How do Transformers work?
+ - local: chapter1/5
+ title: Encoder models
+ - local: chapter1/6
+ title: Decoder models
+ - local: chapter1/7
+ title: Sequence-to-sequence models
+ - local: chapter1/8
+ title: Bias and limitations
+ - local: chapter1/9
+ title: Summary
+ - local: chapter1/10
+ title: End-of-chapter quiz
+ quiz: 1
+
+- title: 2. Using 🤗 Transformers
+ sections:
+ - local: chapter2/1
+ title: Introduction
+ - local: chapter2/2
+ title: Behind the pipeline
+ - local: chapter2/3
+ title: Models
+ - local: chapter2/4
+ title: Tokenizers
+ - local: chapter2/5
+ title: Handling multiple sequences
+ - local: chapter2/6
+ title: Putting it all together
+ - local: chapter2/7
+ title: Basic usage completed!
+ - local: chapter2/8
+ title: End-of-chapter quiz
+ quiz: 2
+
+- title: 3. Fine-tuning a pretrained model
+ sections:
+ - local: chapter3/1
+ title: Introduction
+ - local: chapter3/2
+ title: Processing the data
+ - local: chapter3/3
+ title: Fine-tuning a model with the Trainer API or Keras
+ local_fw: { pt: chapter3/3, tf: chapter3/3_tf }
+ - local: chapter3/4
+ title: A full training
+ - local: chapter3/5
+ title: Fine-tuning, Check!
+ - local: chapter3/6
+ title: End-of-chapter quiz
+ quiz: 3
+
+- title: 4. Sharing models and tokenizers
+ sections:
+ - local: chapter4/1
+ title: The Hugging Face Hub
+ - local: chapter4/2
+ title: Using pretrained models
+ - local: chapter4/3
+ title: Sharing pretrained models
+ - local: chapter4/4
+ title: Building a model card
+ - local: chapter4/5
+ title: Part 1 completed!
+ - local: chapter4/6
+ title: End-of-chapter quiz
+ quiz: 4
+
+- title: 5. The 🤗 Datasets library
+ sections:
+ - local: chapter5/1
+ title: Introduction
+ - local: chapter5/2
+ title: What if my dataset isn't on the Hub?
+ - local: chapter5/3
+ title: Time to slice and dice
+ - local: chapter5/4
+ title: Big data? 🤗 Datasets to the rescue!
+ - local: chapter5/5
+ title: Creating your own dataset
+ - local: chapter5/6
+ title: Semantic search with FAISS
+ - local: chapter5/7
+ title: 🤗 Datasets, check!
+ - local: chapter5/8
+ title: End-of-chapter quiz
+ quiz: 5
+
+- title: 6. The 🤗 Tokenizers library
+ sections:
+ - local: chapter6/1
+ title: Introduction
+ - local: chapter6/2
+ title: Training a new tokenizer from an old one
+ - local: chapter6/3
+ title: Fast tokenizers' special powers
+ - local: chapter6/3b
+ title: Fast tokenizers in the QA pipeline
+ - local: chapter6/4
+ title: Normalization and pre-tokenization
+ - local: chapter6/5
+ title: Byte-Pair Encoding tokenization
+ - local: chapter6/6
+ title: WordPiece tokenization
+ - local: chapter6/7
+ title: Unigram tokenization
+ - local: chapter6/8
+ title: Building a tokenizer, block by block
+ - local: chapter6/9
+ title: Tokenizers, check!
+ - local: chapter6/10
+ title: End-of-chapter quiz
+ quiz: 6
+
+- title: 7. Main NLP tasks
+ sections:
+ - local: chapter7/1
+ title: Introduction
+ - local: chapter7/2
+ title: Token classification
+ - local: chapter7/3
+ title: Fine-tuning a masked language model
+ - local: chapter7/4
+ title: Translation
+ - local: chapter7/5
+ title: Summarization
+ - local: chapter7/6
+ title: Training a causal language model from scratch
+ - local: chapter7/7
+ title: Question answering
+ - local: chapter7/8
+ title: Mastering NLP
+ - local: chapter7/9
+ title: End-of-chapter quiz
+ quiz: 7
+
+- title: 8. How to ask for help
+ sections:
+ - local: chapter8/1
+ title: Introduction
+ - local: chapter8/2
+ title: What to do when you get an error
+ - local: chapter8/3
+ title: Asking for help on the forums
+ - local: chapter8/4
+ title: Debugging the training pipeline
+ local_fw: { pt: chapter8/4, tf: chapter8/4_tf }
+ - local: chapter8/5
+ title: How to write a good issue
+ - local: chapter8/6
+ title: Part 2 completed!
+ - local: chapter8/7
+ title: End-of-chapter quiz
+ quiz: 8
+
+- title: Hugging Face Course Event
+ sections:
+ - local: event/1
+ title: Part 2 Release Event

chapters/th/chapter0/1.mdx

@@ -0,0 +1,112 @@
+# บทนำ
+
+ยินดีต้อนรับเข้าสู่คอร์ส Hugging Face! ในส่วนเริ่มต้นนี้จะพาคุณติดตั้งโปรแกรมหรือสิ่งแวดล้อมในการทำงาน(หรือเรียกว่า working environment) หากคุณเพิ่งเริ่มคอร์สนี้ เราแนะนำให้คุณไปดู [บทที่ 1](/course/chapter1) ก่อน จากนั้นค่อยกลับมาติดตั้ง environtment เพื่อทดลองโค้ดด้วยตัวเอง
+
+คลังชุดคำสั่ง (หรือเรียกว่า library) ต่าง ๆ ที่ใช้ในคอร์สนี้สามารถใช้เป็นชุดคำสั่งสำเร็จในภาษา Python (หรือเรียกว่า Python package) ได้ทั้งหมด ดังนั้น ในส่วนนี้เราจะแสดงวิธีการติดตั้ง Python environment และลง library ที่จำเป็นทั้งหมด
+
+ในส่วนนี้เราจะแสดงวิธีการติดตั้ง working environment อยู่ทั้งหมดสองวิธี ได้แก่ การใช้ Colab notebook และ การใช้สิ่งแวดล้อมจำลองใน Python (หรือเรียกว่า Python virtual environment) คุณสามารถใช้วิธีใดก็ได้ที่ถนัด สำหรับผู้เริ่มต้นแล้ว เราแนะนำให้ใช้ Colab notebook
+
+อย่างไรก็ตาม ในที่นี้จะไม่ได้แสดงวิธีการติดตั้งสำหรับระบบปฏิบัติการ Windows หากคุณใช้ Windows แนะนำให้ทำตามวิธีการลงด้วย Colab notebook หากคุณใช้ Linux หรือ macOS คุณสามารถทำตามวิธีใดก็ได้
+
+หากคุณจะทำตามตัวอย่างในคอร์สนี้ คุณจำเป็นต้องมีบัญชี Hugging Face หากยังไม่มีบัญชี คุณสามารถ [สร้างบัญชีใหม่ที่นี่](https://huggingface.co/join)
+
+
+## การใช้งาน Colab notebook (หรือเรียกว่า Google Colab)
+
+การติดตั้งโดยใช้ Colab notebook เป็นวิธีการติดตั้งที่ง่ายที่สุด เพียงแค่คุณเปิดเว็บบราวเซอร์ เช่น Google Chrome, Microsoft Edge, Mozilla Firefox, Brave, หรือ Safari ก็สามารถใช้งานได้เลย
+
+หากคุณยังไม่เคยใช้ Colab เราแนะนำให้คุณเริ่มต้นจาก [แนะนำการใช้งาน Colab](https://colab.research.google.com/notebooks/intro.ipynb) โดย Colab อนุญาตให้คุณใช้ฮาร์ดแวร์เพิ่มความเร็ว เช่น GPU หรือ TPU ได้ฟรีสำหรับงานเล็ก ๆ
+
+เมื่อคุณคุ้นเคยกับการใช้งาน Colab แล้ว มาสร้าง notebook ใหม่กัน ผลจะออกมาหน้าตาเหมือนด้านล่าง:
+
+<div class="flex justify-center">
+<img src="https://huggingface.co/datasets/huggingface-course/documentation-images/resolve/main/en/chapter0/new_colab.png" alt="An empty colab notebook" width="80%"/>
+</div>
+
+ขั้นตอนต่อไป คือ การติดตั้ง library ที่ต้องใช้งานในคอร์สนี้ โดยเราจะใช้คำสั่ง `pip` ซึ่งเป็นตัวจัดการ package ใน Python เพื่อใช้ในการติดตั้ง โดยใน notebook นั้น คุณสามารถใช้งานคำสั่งระบบได้ด้วยการใส่ตัวอักษร `!` ด้านหน้าคำสั่งได้ ดังนั้นคุณสามารถติดตั้ง library 🤗 Transformers ด้วยคำสั่งดังต่อไปนี้:
+
+```
+!pip install transformers
+```
+
+คุณสามารถตรวจสอบว่าได้ติดตั้ง package เรียบร้อยแล้วหรือไม่ด้วยการ import เข้าไปใน Python ด้วยคำสั่งดังต่อไปนี้:
+
+```
+import transformers
+```
+
+<div class="flex justify-center">
+<img src="https://huggingface.co/datasets/huggingface-course/documentation-images/resolve/main/en/chapter0/install.gif" alt="A gif showing the result of the two commands above: installation and import" width="80%"/>
+</div>
+
+ขั้นตอนนี้เป็นการติดตั้ง 🤗 Transformers แบบเวอร์ชั่นเล็กไปก่อน แต่ยังไม่ได้ติดตั้ง framework ใด ๆ ที่เกี่ยวข้องกับ machine learning เช่น PyTorch หรือ TensorFlow เนื่องจากเราต้องใช้ feature ต่าง ๆ ของ library เราจึงแนะนำให้ติดตั้งเวอร์ชันพัฒนาซึ่งมาพร้อมกับ library อื่น ๆ ที่จำเป็น(หรือเรียกว่า dependency) เพื่อให้ครอบคลุมการใช้งานทั้งหมด ด้วยคำสั่งดังต่อไปนี้
+
+```
+!pip install transformers[sentencepiece]
+```
+
+ขั้นตอนนี้จะใช้เวลานานนิดหน่อย แต่เมื่อจบแล้วก็ถือเป็นอันเสร็จสิ้น คุณพร้อมจะเริ่มใช้งานโค้ดต่าง ๆ ในคอร์สนี้ได้แล้ว!
+
+
+## การใช้งานสิ่งแวดล้อมจำลองใน Python (หรือเรียกว่า Python virtual environment)
+
+หากคุณถนัดการใช้งาน Python virtual environment มากกว่า ขั้นตอนแรกที่ต้องทำคือการติดตั้ง Python ลงบนเครื่องของคุณ เราแนะนำให้ทำตาม [ขั้นตอนนี้](https://realpython.com/installing-python/)
+
+เมื่อคุณติดตั้ง Python เสร็จเรียบร้อย คุณสามารถรันคำสั่ง Python ที่ terminal ของคุณได้ โดยใช้คำสั่งดังต่อไปนี้: `python --version` หากคำสั่งนี้แสดงผลออกมาเป็น version ของ Python แสดงว่าระบบได้ติดตั้ง Python ลงบนเครื่องของคุณเรียบร้อยแล้วจริง ๆ
+
+เมื่อคุณใช้คำสั่ง Python ที่ terminal เช่น `python --version` ตัวโปรแกรมจะไปเรียก Python "ชุดหลัก"จากระบบของคุณ เราไม่แนะนำให้คุณติดตั้ง package ใด ๆ ลงบน Python "ชุดหลัก" ดังกล่าว แต่ให้ใช้ในการสร้าง environment แยกออกมาในแต่ละการใช้งาน ดังนั้น แต่ละงานจะมี package และ dependency ของตนเอง ทำให้คุณไม่ต้องกังวลกับปัญหาใช้งานไม่ได้เพราะเวอร์ชันไม่ตรงเพราะไปชนกับการใช้งานอื่น ๆ
+
+สำหรับ Python แล้ว กระบวนการนี้สามารถทำได้โดยใช้ [*virtual environment*](https://docs.python.org/3/tutorial/venv.html) ซึ่งเป็นการเก็บ directory ทั้งหมดในการติดตั้ง package ที่ต้องการในเวอร์ชันที่เราใช้งาน การสร้าง virtual environment สามารถทำได้หลายวิธี แต่เราจะใช้ package อย่างเป็นทางการจาก Python ชื่อว่า [`venv`](https://docs.python.org/3/library/venv.html#module-venv).
+
+ขั้นแรกให้สร้าง directory สำหรับการใช้งาน เช่น หากคุณต้องการสร้าง directory ใหม่ ชื่อว่า *transformer-course* ที่ root ของ home directory สามารถใช้คำสั่งดังต่อไปนี้:
+
+```
+mkdir ~/transformers-course
+cd ~/transformers-course
+```
+
+ภายใน directory นี้ ให้สร้าง virtual environment โดยใช้โมดูล `venv` ด้วยคำสั่งดังต่อไปนี้:
+
+```
+python -m venv .env
+```
+
+คุณจะพบ directory ชื่อ *.env* ใน directory ที่เคยว่างเปล่าของคุณ ด้วยคำสั่งดังต่อไปนี้:
+
+```
+ls -a
+```
+
+```out
+. .. .env
+```
+
+คุณสามารถเข้าและออก virtual environment ได้ด้วยคำสั่ง `activate` และ `deactivate` ดังต่อไปนี้:
+
+```
+# Activate the virtual environment
+source .env/bin/activate
+
+# Deactivate the virtual environment
+source .env/bin/deactivate
+```
+
+คุณสามารถตรวจสอบได้ว่าอยู่ใน environment ใดได้ด้วยคำสั่ง `which python` ระบบจะแสดงผล environment ที่คุณกำลังใช้งานอยู่
+
+```
+which python
+```
+
+```out
+/home/<user>/transformers-course/.env/bin/python
+```
+
+### การติดตั้ง dependency
+
+ดังที่แสดงไว้ข้างต้นในส่วนของการใช้งาน Google Colab คุณจำเป็นต้องติดตั้ง package ต่าง ๆ เพื่อให้ใช้งานได้ โดยคุณสามารถติดตั้งเวอร์ชันพัฒนาของ 🤗 Transformers โดยใช้คำสั่ง `pip` ดังต่อไปนี้:
+
+```
+pip install "transformers[sentencepiece]"
+```
+
+จากนี้ก็เป็นอันเสร็จสิ้น คุณพร้อมสำหรับการเริ่มต้นแล้ว!