Hugging Face NLP コースが LLM コースへ移行

Hugging Face は、長年提供してきた NLP コースを LLM コース にリブランドし、Large Language Models へのシフトをより適切に反映し、推論モデルやファインチューニングといった高度なトピックを統合します。この更新により、hf.co/learn の教育リソースは急速な AI のブレークスルーに合わせて最新の状態を保ちつつ、基本的な NLP タスクのサポートを継続します。

LLM と推論モデル研究の統合

LLM コースは、従来の自然言語処理を超えて、最先端の研究と実装を取り入れます。新しい章では、Deepseek R1 のような推論モデルの開発や LLM のファインチューニングに特化して取り上げます。

教材をアクセスしやすく、コミュニティ主導にするため、Hugging Face はフレームワークに依存しないアプローチへ移行しています。transformers ライブラリは主要なリファレンスとして残りますが、コースは以下のようなさまざまな補完ツールやライブラリも統合しています。

• LlamaIndex と LangChain はオーケストレーションと検索のために使用します。
• Unsloth は最適化されたファインチューニングのために使用します。
• Marimo はインタラクティブなノートブックのために使用します。
• Maxime Labonne のようなコミュニティ専門家からの貢献。

クラシック NLP 基盤の保存

LLM へのシフトにもかかわらず、Hugging Face はクラシックな NLP タスクをカバーする既存の教材を維持・近代化します。ラボは、LLM がすべてのアプリケーションに必須ではなく、よりシンプルでローカルに実行でき、解釈可能なタスクが学生にとって依然として非常に価値があることを強調しています。

これらのクラシック章の今後の更新には、以下が含まれます。

• Sentence Transformers は埋め込みと類似性タスクのために使用します。
• ModernBert は効率的なエンコーダベースのアーキテクチャのために使用します。
• Zero Shot classification のアプローチを更新します。

教育フォーマットとコミュニティエンゲージメント

コースは、信頼性の高い長期的なテキスト教材とコーディング演習を優先します。ただし、Hugging Face はインタラクティブな演習を導入し、同期学習が最も効果的な高エンゲージメントトピック向けにライブセッションを開催します。

コミュニティメンバーは、Hugging Face Hub の公式組織をフォローし、インタラクティブユニットの提案やライブセッションの企画、開発プロセスへの参加などでコースに貢献できます。