"NLP en ES 🤗" es la comunidad de hispanohablantes de la iniciativa "Languages at Hugging Face".
Nuestra misión es crear y compartir recursos que posibiliten y aceleren el avance del NLP en Español. Es un objetivo muy amplio que se puede traducir en:
- Crear bases de datos o añadir las ya existentes a la librería Datasets de Hugging Face
- Entrenar/fine-tune modelos utilizando dichas bases de datos y añadirlos al Model Hub de Hugging Face
- Crear tutoriales explicando cómo hacer uso de estos recursos o traducir tutoriales ya existentes
- Compartir eventos, artículos y proyectos interesantes para la comunidad (Slack)
- Organizar charlas donde discutir el estado del arte del NLP en español
- Organizar webinars en los que dar visibilidad a los proyectos que están llevando a cabo nuestros miembros
- Organizar workshops con los que mostrar a toda la comunidad hispanohablante del mundo de la IA cómo hacer uso de estos nuevos recursos
Ahora mismo hay 7 datasets monolingües en español.
Cómo contribuir a la librería 🤗 Datasets:
- Completar la documentación de las bases de datos ya existentes
- Añadir una base de datos a la librería
- Crear una nueva base de datos
El README de cada base de datos se llama Dataset Card y contiene información referente al uso, la estructura, la creación, la licencia y la citación de dicha base de datos.
Todas las Dataset Cards siguen una misma plantilla y cuanto más completas estén, mejor (e.g. Dataset Card for ELI5). Si encuentras información que todavía no está incluida en la Dataset Card de cualquier base de datos, crea una Merge Request con tu aportación.
Si quieres añadir una base de datos a la librería de HF, solo tienes que:
- Añadir una nueva fila a la hoja de cálculo* con la información de dicha base de datos y poner tu nombre en la columna "Contribuyente"
- Seguir las instrucciones detalladas en este documento
Si quieres sugerir la adición de una base de datos a la librería añade una nueva fila en la hoja de cálculo* y deja la columna "Contribuyente" en blanco para que otra persona pueda trabajar en ello.
*El enlace a la hoja de cálculo está en la descripción del canal #datasets del grupo de Slack.
Si tienes una idea para crear una nueva base de datos de NLP en español estás en el sitio adecuado:
- Comparte tu idea en el canal #tutoriales de la comunidad de Slack
- Reúne un equipo para hacerla realidad
- Añádela a la librería de Hugging Face
Ahora mismo hay 259 modelos en español.
Cómo añadir tu modelo al 🤗 Model Hub:
- Entrena/fine-tune tu modelo (echa un vistazo a los datasets en español)
- Sigue las instrucciones de esta página para compartir tu modelo y subirlo al Hub
Recuerda detallar bien la Model Card, puedes utilizar esta plantilla.
Si tienes más dudas echa un vistazo a Model Hub docs.
Tanto si quieres crear un tutorial desde cero como si quieres traducir uno:
- Comparte tu idea en el canal #tutoriales de la comunidad de Slack
- Reúne un equipo para hacerla realidad
- Crea un repositorio con el nombre del nuevo tutorial
- Crea un README.md con la información del tutorial
- ¡Y a trabajar!