subtitles/fr/tasks_05_🤗-tasks-translation.srt

1
00:00:04,569 --> 00:00:07,529
Bienvenue dans la série d'Hugging Face sur les tâches ! 

2
00:00:07,529 --> 00:00:11,840
Dans cette vidéo, nous allons jeter un œil à la tâche de traduction.

3
00:00:11,840 --> 00:00:19,420
La traduction est la tâche de traduire un texte d'une langue à une autre.

4
00:00:19,420 --> 00:00:24,420
Ces modèles prennent un texte dans la langue source et génèrent la traduction de ce texte dans

5
00:00:24,420 --> 00:00:28,609
la langue cible.

6
00:00:28,609 --> 00:00:31,619
La tâche est évaluée sur le score BLEU.

7
00:00:31,619 --> 00:00:38,430
Le score varie de 0 à 1, où 1 signifie que la traduction correspond parfaitement et 0 ne

8
00:00:38,430 --> 00:00:40,110
correspond pas du tout.

9
00:00:40,110 --> 00:00:45,320
BLEU est calculé sur les tokens successifs appelés n-grammes.

10
00:00:45,320 --> 00:00:51,629
« unigram » fait référence à un seul token tandis que bi-gramme fait référence à des paires de tokens et n-grammes fait référence à

11
00:00:51,629 --> 00:00:56,219
n tokens successifs.

12
00:00:56,219 --> 00:01:01,859
Les jeux de données de traduction automatique contiennent des paires de texte dans une langue et la traduction du

13
00:01:01,859 --> 00:01:05,910
texte dans une autre langue.

14
00:01:05,910 --> 00:01:11,290
Ces modèles peuvent vous aider à créer des agents conversationnels dans différentes langues.

15
00:01:11,290 --> 00:01:16,110
Une option consiste à traduire les données d'entraînement utilisées pour le chatbot et à entraîner un

16
00:01:16,110 --> 00:01:19,970
chatbot séparé.

17
00:01:19,970 --> 00:01:24,950
Vous pouvez mettre un modèle de traduction de la langue de votre utilisateur vers la langue dans laquelle votre chatbot

18
00:01:24,950 --> 00:01:31,360
est entraîné, traduire les entrées de l'utilisateur et effectuer une classification d'intention, prendre la sortie

19
00:01:31,360 --> 00:01:39,399
du chatbot et la traduire de la langue dans laquelle votre chatbot a été entraîné vers la

20
00:01:39,399 --> 00:01:40,850
langue de l'utilisateur.

21
00:01:40,850 --> 00:01:49,720
Pour plus d'informations sur la tâche de traduction, consultez le cours d'Hugging Face.