Hugging Face ist ein zentraler Bestandteil vieler Arbeitsumgebungen für maschinelles Lernen und bildet einen gemeinsamen Anlaufpunkt für Modelle, Datasets und Libraries. In Forschung und Entwicklung dient die Plattform als Drehkreuz für den Austausch vortrainierter Modelle.

!Kursinhalt

!1. Plattform und Ökosystem
*Rolle von Modellen, Datasets und Spaces
*Hub-Logik und Versionierung
*Zusammenspiel mit Python-Bibliotheken

!2. Einsatz vortrainierter Modelle
*Transformers und Pipelines
*Feintuning auf eigene Datensätze
*Modell-Cards und deren Informationen

!3. Datasets und Trainingsgrundlagen
*Arbeit mit gehosteten Datensätzen
*Aufbereitung und Splits
*Umgang mit Lizenzfragen

!4. Inference und Bereitstellung
*Einsatz über API und lokale Pipelines
*Inference-Endpoints
*Monitoring und Qualitätsprüfung

!Berufliche Relevanz

*Schneller Zugriff auf vortrainierte Modelle
*Strukturierte Weiterentwicklung eigener Lösungen
*Fundierter Umgang mit Standards des ML-Ökosystems