Accueil Projets course
course

course

par huggingface · GitHub

Le cours Hugging Face sur les Transformers

Voir sur GitHub
En termes simples

Suivez un cours gratuit pour apprendre à utiliser les Transformers pour des tâches de traitement du langage naturel.

⭐ Étoiles
🍴 Forks
🔥 Tendances
📜 Licence
Utilisation commerciale autorisée
📅 Créé
🔄 Dernier commit
🏷️ Catégorie
💻 Langue
MDX
Vous maintenez ce projet ?

Revendiquez sa page : indexée quel que soit son rang, traduite en six langues, et enrichie de vos propres mots.

Revendiquer cette page →
course — GitHub preview card
📈 Historique des étoiles
4.1k4.0k
2026-07-072026-07-29
📈 Suivez course

Recevez une alerte par e-mail à sa prochaine version ou quand il décolle — ne ratez plus rien.

Gratuit · sans carte · désinscription à tout moment
Recevoir des alertes e-mail →
📄 À propos

Le cours Hugging Face sur les Transformers

course compte 4.1k étoiles sur GitHub. Il a été forké 1.4k fois. course est écrit principalement en MDX. Il est développé activement depuis 2021. course est disponible sous licence Apache-2.0. Ses principaux thèmes sont : deep-learning, hacktoberfest, nlp, transformers.

Read the full guide
Frequently asked questions

Qu'est-ce que course ?

Le cours Hugging Face sur les Transformers

course est-il open source ?

course est un projet open source. Il est distribué sous licence Apache-2.0.

course est-il gratuit ?

Oui. course est gratuit et open source — vous pouvez l'utiliser, le modifier et l'héberger vous-même.

Sous quelle licence est course ?

course est disponible sous licence Apache-2.0.

Dans quel langage course est-il écrit ?

course est écrit principalement en MDX.

🏅 Mainteneur de ce projet ?
OpenSourceAI badge — course

Ajoutez ce badge en direct à votre README — vos étoiles GitHub et votre classement dans le répertoire, actualisés quotidiennement.

[![OpenSourceAI](https://opensourceai.tech/badge.php?tool=huggingface-course)](https://opensourceai.tech/project/huggingface-course.html)
Plus d'options de badge →
🧬 Partage son ADN avec

Mesuré à partir des topics GitHub communs aux deux projets, pondérés par leur rareté.