WEBVTT 00:00.740 --> 00:05.720 いやはや、 いやはや、 長い一日だったが、 おめでとう。 00:05.750 --> 00:16.310 私たちは、 トレーニングに使用するデータのサンプルとなるよう、 細心の注意を払ってデータセットを作成しました。 00:16.340 --> 00:23.450 そして最後に、 私たちはもちろんそれをハグする顔のデータセット、 つまりトレーニング部分とテスト部分を持つデータセットディクトにし、 00:23.450 --> 00:28.310 ハグする顔ハブにアップロードした。 00:28.310 --> 00:31.880 JupyterLabで私がしてきた様々なことに慣れ親しみながら、 00:31.880 --> 00:46.820 この説明をすべて読み終えたなら、 この後のセッションで使える自分のデータセットがハブの中にあることになります。 00:46.820 --> 00:50.060 ここまで来られたことを祝福したい。 00:50.270 --> 01:03.560 Llmsを使った商業的なビジネス問題を解決するための5つのステップ戦略の理解、 01:03.560 --> 01:20.180 3つの異なる最適化テクニックの比較、 データセットのキュレーションの詳細などです。 01:20.630 --> 01:25.550 というわけで、 次回はベースラインモデルについて。 01:25.550 --> 01:29.210 我々は伝統的な機械学習ソリューションを作るつもりだ。 01:29.210 --> 01:36.320 そして、 伝統的なテクニックと先進的なテクニックを適用し、 何が良い結果をもたらすかを見極めるつもりだ。 01:36.320 --> 01:38.120 そして、 私はそれを楽しみにしている。 01:38.120 --> 01:39.440 そこでまた会おう