W10 20251119  LLMS HOMEWORK

學號: 096013   NAME: CP HUANG

一、HUGGINGFACE SIGN UP

二、https://huggingface.co/learn/llm-course/chapter1/1

三、Colab  Transformers, what can they do?

四、sentiment-analysis

五、zero-shot-classification

六、 text-generation

七、 NER

八、question-answering

九、summarization

十、translation

十一、Image classification

七、fill-mask

心得:

3.1 什麼是 Hugging Face？

Hugging Face 是一間專注於機器學習、特別是 NLP 領域的公司與社群，提供開源工具、模型、資料集與平台服務。 維基百科+1

它的 Transformers 套件讓使用者可以輕鬆載入大量預訓練模型、進行微調與推論。 Microsoft Learn+1

Hugging Face 也經營 Hub ：模型庫、資料集庫、demo 應用空間，非常適合教學、研究與實務專案使用。 維基百科

簡而言之，Hugging Face 就像是 NLP/LLM 生態系統中的「工具箱＋模型庫＋社群平台」。

3.2 什麼是 Natural Language Processing（NLP）？

NLP（自然語言處理）是一門讓電腦理解、解釋、產生人類語言（文字或語音）的技術領域。課程中說明：「NLP 是更廣義的領域，涵蓋讓電腦理解、解釋、產生人類語言」。 Hugging Face

常見任務包括：情感分析、命名實體識別、機器翻譯、摘要生成等。 Hugging Face+1

在實務上，NLP 會涉及文字前處理（分詞、標記化）、詞嵌入（word embedding）、語言模型、下游任務微調等流程。

從教育與實作角度來看，NLP 是我們進入 LLM 與 Transformer 之前，打好基礎的一環。

3.3 什麼是 Large Language Models（LLMs）？

LLM 即「大型語言模型」（Large Language Model），是 NLP 領域中透過大量資料、巨量參數訓練而成的語言模型。課程說明：「LLMs 是 NLP 模型的一個強大子集，特徵為其巨大的規模、大量訓練數據、並且可在極少任務特定訓練下，執行多種語言任務。」 Hugging Face+1

例如：GPT‑3、Llama 系列模型皆為典型 LLM。課程中亦指出。 Hugging Face

LLM 的一些特性：

預訓練（pre-training）階段：在無標注的大量語言資料上進行訓練。

指令調整／微調（instruction tuning / fine-tuning）：針對特定任務進行訓練，使模型更符合人類指令。 Hugging Face+1

在教育實作中，LLM 意味著我們可以利用現成模型進行語言生成、對話系統、知識問答等，而不必從頭訓練整個模型。

從我的教學角度：LLM 是「下一階段」的工具，當學生已理解 NLP 與 Transformer 架構後，就能進入 LLM 應用與微調。