Issue#64: Thai Translation of Chapter 7.

chapters/th/_toctree.yml

@@ -104,4 +104,26 @@
  title: เรียนจบเรื่อง tokenizer แล้ว!
  - local: chapter6/10
  title: คำถามท้ายบท
- quiz: 6
+ quiz: 6
+
+- title: 7. หน้าที่หลักของ NLP
+ sections:
+ - local: chapter7/1
+ title: บทนำ
+ - local: chapter7/2
+ title: การจำแนกประเภทคำ (Token classification)
+ - local: chapter7/3
+ title: การปรับแต่งโมเดลภาษา (Fine-tuning a masked language model)
+ - local: chapter7/4
+ title: การแปลความหมาย
+ - local: chapter7/5
+ title: การสรุปความหมาย (Summarization)
+ - local: chapter7/6
+ title: การเทร็นภาษาเชิงสาเหตุตั้งแต่เริ่มต้น (Training a causal language model from scratch)
+ - local: chapter7/7
+ title: การตอบคำถาม (Question answering)
+ - local: chapter7/8
+ title: การเชี่ยวชาญใน NLP
+ - local: chapter7/9
+ title: คำถามท้ายบท
+ quiz: 7

chapters/th/chapter7/1.mdx

@@ -0,0 +1,38 @@
+<FrameworkSwitchCourse {fw} />
+
+# บทนำ[[บทนำ]]
+
+<CourseFloatingBanner
+ chapter={7}
+ classNames="absolute z-10 right-0 top-0"
+/>
+
+ใน [บทที่ 3](/course/th/chapter3), คุณได้เห็นวิธีการปรับแต่งโมเดลสำหรับการจัดหมวดหมู่ข้อความแล้ว ในบทนี้ เราจะพูดถึงหน้าที่ NLP โดยทั่วไป ดังนี้:
+
+- การจำแนกประเภทคำ (Token classification)
+- การปรับแต่งโมเดลภาษา (Masked language modeling) เช่น BERT
+- การสรุปความหมาย (Summarization)
+- การแปลความหมาย (Translation)
+- โมเดลภาษาเชิงสาเหตุ (Causal language modeling pretraining) เช่น GPT-2
+- การตอบคำถาม (Question answering)
+
+{#if fw === 'pt'}
+
+ในการดำเนินการนี้ คุณจะต้องใช้ประโยชน์จากทุกสิ่งที่คุณได้เรียนรู้เกี่ยวกับ `Trainer` API และ 🤗 Accelerate ไลบรารี่ใน [บทที่ 3](/course/th/chapter3) ไลบรารี 🤗 ชุดข้อมูลใน [บทที่ 5](/course/th/chapter5 ) และไลบรารี 🤗 Tokenizers ใน [บทที่ 6](/course/th/chapter6) นอกจากนี้เรายังจะอัปโหลดผลลัพธ์ของเราไปยัง Model Hub เช่นเดียวกับที่เราทำใน [บทที่ 4](/course/th/chapter4) ดังนั้นนี่คือบทที่ทุกอย่างมารวมกันจริงๆ!
+
+แต่ละส่วนสามารถอ่านแยกกันได้ และจะแสดงวิธีฝึกโมเดลด้วย `Trainer` API หรือด้วยลูปการฝึกของคุณเอง โดยใช้ 🤗 Accelerate คุณสามารถข้ามส่วนใดส่วนหนึ่งและมุ่งความสนใจไปที่ส่วนที่คุณสนใจมากที่สุดได้เลย: `Trainer` API นั้นยอดเยี่ยมสำหรับการปรับแต่ง (fine-tuning) หรือฝึกฝน (training) โมเดลของคุณโดยไม่ต้องกังวลกับสิ่งที่เกิดขึ้นเบื้องหลัง ในขณะที่ลูปการฝึกฝนด้วย `Accelerate` จะช่วยให้คุณปรับแต่งส่วนใด ๆ ที่คุณต้องการได้ง่ายขึ้น
+
+{:else}
+
+ในการดำเนินการนี้ คุณจะต้องใช้ประโยชน์จากทุกสิ่งที่คุณได้เรียนรู้เกี่ยวกับโมเดลการฝึกอบรมด้วย Keras API ใน [บทที่ 3](/course/th/chapter3) ไลบรารี 🤗 ชุดข้อมูลใน [บทที่ 5](/course/th/chapter5) และ 🤗 ไลบรารี Tokenizers ใน [บทที่ 6](/course/th/chapter6) นอกจากนี้เรายังจะอัปโหลดผลลัพธ์ของเราไปยัง Model Hub เช่นเดียวกับที่เราทำใน [บทที่ 4](/course/th/chapter4) ดังนั้นนี่คือบทที่ทุกอย่างมารวมกันจริงๆ!
+
+แต่ละส่วนสามารถอ่านได้อย่างอิสระ
+
+{/if}
+
+
+<Tip>
+
+หากคุณอ่านส่วนต่างๆ ตามลำดับ คุณจะสังเกตเห็นว่ามีโค้ดและข้อความค่อนข้างเหมือนกัน การทำซ้ำนี้ มีเจตนาเพื่อให้คุณสามารถเข้าไปทำงานใดๆ ที่คุณสนใจ (หรือกลับมาใหม่ทีหลัง) และค้นหาตัวอย่างการทำงานที่สมบูรณ์ได้
+
+</Tip>