교육은 Hugging Face 의 AI 민주화를 위한 사명에 항상 핵심을 이루었습니다. 우리는 hf.co/learn 을 대폭 업그레이드함으로써 그 사명을 더욱 강화하고 있습니다! 지난 3 년간 NLP 코스는 오픈소스 AI 커뮤니티의 필수 자원이었으며, 이제 갱신이 필요한 때입니다. 우리는 모든 흥미로운 AI 발전 (매 주마다 돌파구가 등장하는 것은 결코 쉽지 않습니다!) 을 따라가기 위해 업데이트하고 확장합니다.

실험적인 smol-course 와 대규모 agents course 를 통해 10 만 명의 학생이 새로운, 재미있는 방식으로 AI 에이전트를 배우는 데 참여하면서 우리는 그 흥분을 느꼈습니다.

지난 몇 개월 동안 우리는 "NLP" 코스를 새로운 장으로 확장했습니다. 이其中包括 LLM 미세 조정 (fine-tuning) 과 Deepseek R1 같은 추론 모델 구축 등. 이러한 최신 장들은 'NLP'의 범주에 맞지 않으므로, 더 관련성 있고 현대적인 제목을 찾아 The LLM course 로 정했습니다.

우리는 분류, 명사 인식 (named entity-recognition), 검색과 같은 고전 NLP 작업에 초점을 맞춘 기존 자료를 유지할 것입니다. 이러한 주제는 다음 이유로 중요합니다:

• 모든 것을 위해 LLM 이 필요하지 않습니다!
• 학생들은 여전히 로컬에서 실행되고 해석하기 쉬운 이러한 간단한 작업으로부터 혜택을 받습니다.

사실, 앞으로 몇 개월 동안 우리는 문장 변환기 (Sentence Transformers), Zero Shot 분류 업데이트, ModernBert 를 포함한 접근법을 추가하여 이러한 고전 장을 업데이트하고 현대화할 것입니다.

네. 우리는 최첨단 연구 결과를 더 넓은 대중에게 접근 가능하게 하고 transformers, Spaces, Hugging Face Hub 와 같은 도구와 호환되는 새로운 장을 추가하는 데 집중하고 있습니다. 예를 들어, 미세 조정 (fine-tuning), 추론 (inference), 검색과 같은 주제에 대한 장을 추가할 것입니다.

우리는 새로운 장이 Hugging Face 라이브러리에만 초점을 맞추는 것이 아니라 오픈소스이고 커뮤니티에 더 가깝게 만들어야 한다고 생각합니다. transformers 라이브러리는 LLM 모델링 코드 의 표준 참조가 되었지만, 모델은 다양한 프레임워크에서 소비되고 미세 조정되며 채택됩니다. 이는 훌륭합니다! 예를 들어, LLM 미세 조정 (fine-tuning) 에 대한 제 11 장이나 추론 모델에 대한 제 12 장에서는 Hugging Face 라이브러리를 보완하는 라이브러리 및 도구와 협력했습니다. 이는 다음과 같습니다:

앞으로 몇 개월 동안 우리는 더 많은 저자, 유지 관리자, 회사와의 협력을 확대할 계획입니다. 우리는 학생들이 사용하는 최고의 도구를 다루는 자료를 만들고 싶습니다!

네. 학생들에게 유용할 때에만 집중합니다. 우리는 장기적으로 유용한 신뢰할 수 있는 서면 자료와 코딩 연습에 집중할 것입니다. 하지만 학생이 동기화 방식으로 참여하는 인기 있는 주제에서는 인터랙티브 연습을 구축하고 라이브 세션을 개최할 것입니다.

강의에 참여하려면 Hub 에서 조직을 팔로우하고, 참여하거나 인터랙티브 단위를 제안하거나 라이브 세션을 제안하기 위해 토론을 시작하세요.