Spanish Chapter 3: sections 1 & 2 by fordaz · Pull Request #162 · huggingface/course

fordaz · 2022-05-06T00:40:26Z

Related to #38

lewtun

Thank you for working on the Spanish translation @fordaz 🚀 !

To build the website, we'll need to add these section the _toctree.yml file, e.g.

- title: 3. Ajuste de un modelo preentrenado # I'm not 100% sure if we should keep "Fine-tuning" in English 🤔
  sections:
  - local: chapter3/1
    title: Introducción
  - local: chapter3/2
    title: Procesamiento de los datos

Once you've added that we can test it works on the website :)

lgesuellip · 2022-05-06T11:42:22Z

Hi,

I have been working in these sections so, If it is ok with you, I could review that and check if we have any differences.

Thanks,

fordaz · 2022-05-06T15:19:54Z

@lewtun thanks for pointing this out, I'll update the _toctree.yml as well.
Regarding the translation of Fine-tuning, I considered both "Ajustar" y "Entonar", but I can see how preserving the original term in English might be better in this case. I can use that and see how other reviewers see it.

fordaz · 2022-05-06T15:21:47Z

@lgesuellip I'd be glad to collaborate with you. Please check and compare this with your translation, and feel free to suggest updates/improvements in the PR. Thanks !

lewtun · 2022-05-06T15:23:06Z

Regarding the translation of Fine-tuning, I considered both "Ajustar" y "Entonar", but I can see how preserving the original term in English might be better in this case. I can use that and see how other reviewers see it.

Using the English term for these technical words sounds good to me!

fordaz · 2022-05-06T15:36:19Z

@lewtun I noticed few things:

Translations of chapter 1 (sections 1,3,4,8) are using "Ajustar". It might be nice to have a consistent translations of these terms.
The Spanglish of statements like this "Como usar la API de alto nivel del entrenador para fine-tune un modelo." did not feel right, just a personal impression.

At this point, I'm open to ideas, but personally I'm leaning towards using "Ajustar". I'm also using an extra hint in the toc "Ajuste (fine-tuning) de un modelo preentrenado" so folks have a reference of what "ajustar" means.

lewtun · 2022-05-06T15:41:32Z

At this point, I'm open to ideas, but personally I'm leaning towards using "Ajustar".

Hehe, yes translation is hard 😅. Since we already have "ajustar" in the previous chapters, let's keep that format for now. I like your idea to include the English phrase, so one idea would be to create a glossary chapter that provides a vocabulary table - this is what has been done in e.g. the Persian and German translations: https://github.com/huggingface/course/blob/main/chapters/de/glossary/1.mdx

Similarly one could have a TRANSLATING.txt file that provides a guide to other translators. Again the Persian team have created a template that was adapted to the German case here: https://github.com/huggingface/course/blob/main/chapters/de/TRANSLATING.txt

No need to handle these issues in this PR - just an idea for the future if you have time / interest :)

fordaz · 2022-05-06T15:44:32Z

@lewtun I was actually thinking about a glossary, I really like the idea of both files, this will help the translators to be consistent. I'll work on it on a separate PR. Thanks for your input.

HuggingFaceDocBuilderDev · 2022-05-06T15:58:29Z

The documentation is not available anymore as the PR was closed or merged.

…ning

fordaz · 2022-05-10T02:33:42Z

Hi @lewtun, I have a first version of es/TRANSLATING.txt and es/glossary/1.mdx (an adaptation of the German files). Do you suggest to add them as part of this PR or a separate one ? Thanks.

lgesuellip · 2022-05-09T12:23:37Z

+
+# Introducción
+
+En el [Capítulo 2](/course/chapter2) exploramos como usar los tokenizadores y modelos preentrenados para hacer predicciones. Pero qué tal si deseas ajustar un modelo preentrenado con tu propio conjunto de datos ?


En el Capítulo 2 exploramos como usar los tokenizadores y modelos preentrenados para realizar predicciones.

I think "realizar" fits better.

lgesuellip · 2022-05-09T12:24:15Z

+{#if fw === 'pt'}
+* Como preparar un conjunto de datos grande desde el Hub.
+* Como usar la API de alto nivel del entrenador para ajustar un modelo.
+* Como usar un lazo personalizado de entrenamiento.


When I talk about loop I always use the word "bucle".

lgesuellip · 2022-05-09T12:25:22Z

+* Como preparar un conjunto de datos grande desde el Hub.
+* Como usar la API de alto nivel del entrenador para ajustar un modelo.
+* Como usar un lazo personalizado de entrenamiento.
+* Como aprovechar la libreria acelerada 🤗 para fácilmente ejecutar el lazo personalizado de entrenamiento en cualquier configuración distribuida.


I would keep the name of the library in English (Accelerate library).

good point. I'll update it as la Accelerate library 🤗 .

lgesuellip · 2022-05-10T01:42:31Z

+{/if}
+
+{#if fw === 'pt'}
+Continuando con el ejemplo del [capítulo anterior](/course/chapter2), aquí mostramos como podríamos entrenar un clasificador secuencial en un lote en PyTorch:


Looking at the original text, I think the meaning is different.

English: Continuing with the example from the previous chapter, here is how we would train a sequence classifier on one batch in PyTorch:
Spanish: Continuando con el ejemplo del capitulo anterior, aquí mostraremos como podríamos entrenar un clasificador de oraciones/sentencias en PyTorch.

Good catch !!

lgesuellip · 2022-05-10T01:43:57Z

+```
+{/if}
+
+Por supuesto, entrenando el modelo con solo dos oraciones no va a producir muy buenos resultados. Para obtener mejores resultados, debes preparar un conjunto de datos mas grande.


Por supuesto que, entrenando el modelo con solo dos oraciones no va a producir muy buenos resultados. Para obtener mejores resultados, debes preparar un conjunto de datos más grande.

lgesuellip · 2022-05-10T02:07:21Z

+
+Como puedes ver, obtenemos un objeto `DatasetDict` que contiene los conjuntos de datos de entrenamiento, de validación y de pruebas. Cada uno de estos contiene varias columnas (`sentence1`, `sentence2`, `label`, and `idx`) y un número variable de filas, que son el número de elementos en cada conjunto (asi, que hay 3,668 pares de oraciones en el conjunto de entrenamiento, 408 en el de validación, y 1,725 en el pruebas)
+
+Este comando descarga y memoriza el conjunto de datos, por defecto en *~/.cache/huggingface/dataset*. Recuerda del Capítulo 2 que puedes personalizar tu carpeta mediante la configuración de la variable de ambiente `HF_HOME`.


variable de entorno is more common, I think ...

lgesuellip · 2022-05-10T02:09:14Z

+
+Este comando descarga y memoriza el conjunto de datos, por defecto en *~/.cache/huggingface/dataset*. Recuerda del Capítulo 2 que puedes personalizar tu carpeta mediante la configuración de la variable de ambiente `HF_HOME`.
+
+Podemos acceder cada par de oraciones en nuestro objeto `raw_datasets` usando indexación, como con un diccionario.


Podemos acceder a cada par ...

lgesuellip · 2022-05-10T02:12:03Z

+ 'sentence2': 'Referring to him as only " the witness " , Amrozi accused his brother of deliberately distorting his evidence .'}
+```
+
+Podemos ver que las etiquetas ya son números enteros, así que no es necesario hacer ningún preprocesamiento. Para saber cual valor corresponde con cual etiqueta, podemos inspeccionar el campo `features` de nuestro `raw_train_dataset`. Esto indicara el tipo de cada column:


Esto indicara el tipo de dato de cada columna:

lgesuellip · 2022-05-10T02:14:16Z

+ 'sentence2': 'Referring to him as only " the witness " , Amrozi accused his brother of deliberately distorting his evidence .'}
+```
+
+Podemos ver que las etiquetas ya son números enteros, así que no es necesario hacer ningún preprocesamiento. Para saber cual valor corresponde con cual etiqueta, podemos inspeccionar el campo `features` de nuestro `raw_train_dataset`. Esto indicara el tipo de cada column:


To be more precise: atributo features

lgesuellip · 2022-05-10T02:15:19Z

+ 'idx': Value(dtype='int32', id=None)}
+```
+
+Internamente, `label` es de tipo `ClassLabel`, y la asociación de valores enteros y sus etiquetas esta almacenado en la carpeta *names*. `0` corresponde con `not_equivalent`, y `1` corresponde con `equivalent`.


es del tipo de dato

lgesuellip · 2022-05-10T12:04:03Z

+<Youtube id="P-rZWqcB6CE"/>
+{/if}
+
+Para preprocesar el conjunto de datos, necesitamos convertir el texto en números que puedan ser entendidos por el modelo. Como viste en el [capítulo anterior](/course/chapter2), esto se hace con el toquenizador. Podemos darle al tokenizador una oración o una lista de oraciones, así podemos tokenizar directamente todas las primeras oraciones y todas segundas oraciones de cada par de la siquiente manera:


Para preprocesar el conjunto de datos, necesitamos convertir el texto en números que puedan ser entendidos por el modelo. Como viste en el capítulo anterior, esto se hace con el tokenizador. Podemos darle al tokenizador una oración o una lista de oraciones, así podemos tokenizar directamente todas las primeras y las segundas oraciones de cada par de la siguiente manera.

Good catch !

lgesuellip · 2022-05-10T12:08:11Z

+```
+
+Sin embargo, no podemos simplemente pasar dos secuencias al modelo y obtener una predicción indicando si estas son parafrases o no. Necesitamos manipular las dos secuencias como un par y aplicar el preprocesamiento apropiado.
+Afortunadamente, el tonenizador también puede tomar un par de secuencias y preparalo de la manera como nuestro modelo BERT lo espera:


I wrote: Afortunadamente, el tokenizador puede recibir también un par de oraciones y preparar las misma de una forma que nuestro modelo BERT espera.

fordaz · 2022-05-10T15:55:34Z

Great feedback @lgesuellip ! Thanks a lot !

lgesuellip · 2022-05-10T22:09:25Z

Excellent work @forda, the translation looks fluently and nice to read 📖✨

lewtun reviewed May 6, 2022

View reviewed changes

fordaz added 3 commits May 9, 2022 19:29

Translate to Spanish huggingface#38: chapter3/1 chapter3/2

29206e0

Translate to Spanish huggingface#38: chapter3/1 cleanup

b83bbfa

Include ch3/1 & ch3/2 in _toctree.yml. Update translation for fine-tu…

85c0fd8

…ning

lgesuellip suggested changes May 10, 2022

View reviewed changes

ES ch3/1 & ch3/2: review feedback

32071a3

fordaz force-pushed the main branch from 44fdb18 to 32071a3 Compare May 10, 2022 15:53


		# Introducción

		En el [Capítulo 2](/course/chapter2) exploramos como usar los tokenizadores y modelos preentrenados para hacer predicciones. Pero qué tal si deseas ajustar un modelo preentrenado con tu propio conjunto de datos ?


		Como puedes ver, obtenemos un objeto `DatasetDict` que contiene los conjuntos de datos de entrenamiento, de validación y de pruebas. Cada uno de estos contiene varias columnas (`sentence1`, `sentence2`, `label`, and `idx`) y un número variable de filas, que son el número de elementos en cada conjunto (asi, que hay 3,668 pares de oraciones en el conjunto de entrenamiento, 408 en el de validación, y 1,725 en el pruebas)

		Este comando descarga y memoriza el conjunto de datos, por defecto en ~/.cache/huggingface/dataset. Recuerda del Capítulo 2 que puedes personalizar tu carpeta mediante la configuración de la variable de ambiente `HF_HOME`.


		Este comando descarga y memoriza el conjunto de datos, por defecto en ~/.cache/huggingface/dataset. Recuerda del Capítulo 2 que puedes personalizar tu carpeta mediante la configuración de la variable de ambiente `HF_HOME`.

		Podemos acceder cada par de oraciones en nuestro objeto `raw_datasets` usando indexación, como con un diccionario.

Uh oh!

Conversation

fordaz commented May 6, 2022 • edited by lewtun Loading Uh oh! There was an error while loading. Please reload this page.

Uh oh!

Uh oh!

lewtun left a comment • edited Loading Uh oh! There was an error while loading. Please reload this page.

Uh oh!

Choose a reason for hiding this comment

Uh oh!

lgesuellip commented May 6, 2022

Uh oh!

fordaz commented May 6, 2022

Uh oh!

fordaz commented May 6, 2022

Uh oh!

lewtun commented May 6, 2022

Uh oh!

fordaz commented May 6, 2022

Uh oh!

lewtun commented May 6, 2022

Uh oh!

fordaz commented May 6, 2022

Uh oh!

HuggingFaceDocBuilderDev commented May 6, 2022 • edited Loading Uh oh! There was an error while loading. Please reload this page.

Uh oh!

Uh oh!

fordaz commented May 10, 2022

Uh oh!

Choose a reason for hiding this comment

Uh oh!

Choose a reason for hiding this comment

Uh oh!

Choose a reason for hiding this comment

Uh oh!

Choose a reason for hiding this comment

Uh oh!

Choose a reason for hiding this comment

Uh oh!

Choose a reason for hiding this comment

Uh oh!

lgesuellip May 10, 2022 • edited Loading Uh oh! There was an error while loading. Please reload this page.

Uh oh!

Choose a reason for hiding this comment

Uh oh!

Choose a reason for hiding this comment

Uh oh!

Choose a reason for hiding this comment

Uh oh!

Choose a reason for hiding this comment

Uh oh!

Choose a reason for hiding this comment

Uh oh!

Choose a reason for hiding this comment

Uh oh!

Choose a reason for hiding this comment

Uh oh!

Choose a reason for hiding this comment

Uh oh!

Choose a reason for hiding this comment

Uh oh!

Choose a reason for hiding this comment

Uh oh!

Choose a reason for hiding this comment

Uh oh!

Choose a reason for hiding this comment

Uh oh!

Choose a reason for hiding this comment

Uh oh!

Choose a reason for hiding this comment

Uh oh!

Choose a reason for hiding this comment

Uh oh!

Choose a reason for hiding this comment

Uh oh!

Choose a reason for hiding this comment

Uh oh!

Choose a reason for hiding this comment

Uh oh!

fordaz commented May 10, 2022

Uh oh!

fordaz commented May 6, 2022 •

edited by lewtun

Loading

lewtun left a comment •

edited

Loading

HuggingFaceDocBuilderDev commented May 6, 2022 •

edited

Loading

lgesuellip May 10, 2022 •

edited

Loading