Je vais créer des résumés de texte, des classifications ou des analyses de sentiment
Ingénieur AIML et Data Scientist
À propos de ce service
Vous avez besoin d'extraire du sens à partir de grands volumes de texte ? Je construis des pipelines NLP prêts pour la production en utilisant des modèles transformer de pointe (T5, BERT, DistilBERT) pour le résumé, l'analyse de sentiment, la classification de texte, et plus encore.
J'ai ajusté un modèle T5 sur des données de résumé de dialogue et je l'ai déployé en tant qu'API REST FastAPI en direct avec une interface web complète comprenant la tokenisation, le décodage par recherche de faisceau, et une reprise automatique GPU/CPU. Je ferai de même pour votre cas d'utilisation.
Ce que je fournis
- Modèle transformer ajusté ou pré-entraîné pour votre tâche NLP spécifique
- Pipeline d'inférence complet : tokenisation, troncature, décodage
- Point de terminaison REST FastAPI pour que votre application puisse envoyer du texte et recevoir une réponse
- Optionnel : interface web simple (HTML/CSS) pour démontrer le modèle
- Reprise GPU (CUDA/MPS) et CPU pour un déploiement multi-plateforme
- Code documenté + instructions de déploiement
Exigences du client
- Quelle tâche NLP ? (résumé, sentiment, classification, Q&A, autre)
- Exemple de texte d'entrée ou dataset (minimum 1020 exemples pour l'ajustement)
- Avez-vous besoin d'un point de terminaison API, d'un script Python ou d'une interface web ?
- Dans quelle langue est votre texte ? (Anglais, autre ?)
- Avez-vous des données d'entraînement étiquetées pour l'ajustement ou utilisez-vous uniquement un modèle pré-entraîné ?
Langage de programmation:
Python
•
SQL
•
Java
APIs:
Google Cloud Vision API
Outils:
Jupyter Notebook
•
opencv
•
Excel
•
Colab
Frameworks:
Scikit-learn
•
SimpleCV
•
PyTorch
•
Panda
FAQ
Traduction automatique
Quels modèles transformer utilisez-vous ?
T5 et variantes BERT pour la plupart des tâches. Je choisis le meilleur modèle pour votre cas d'utilisation et votre budget.
Ai-je besoin d'un GPU pour exécuter le résultat ?
Non — j'intègre une reprise CPU. Cela fonctionne sur n'importe quelle machine, un peu plus lent sans GPU.
