# 🤗 Transformers 노트북

여기에는 Hugging Face에서 제공하는 공식 notebook 목록을 확인할 수 있습니다.

또한, 커뮤니티에서 만든 흥미로운 콘텐츠도 여기에 나열하고 싶습니다. 🤗 Transformers를 활용한 노트북을 작성하셨고 여기에 소개되기를 원하신다면, Pull Request를 열어 Community notebooks 섹션에 포함되도록 해 주세요.

## Hugging Face의 노트북 🤗

### 문서 노트북

Colab에서 문서의 모든 페이지를 노트북으로 열 수 있습니다(해당 페이지에 버튼이 있습니다). 필요하신 경우, 여기에도 목록으로 정리되어 있습니다:

| 노트북     |      설명      |   |   |   |
|:----------|:-------------|:-------------|:------------|------:|
| [라이브러리 빠른 투어](https://github.com/huggingface/notebooks/blob/main/transformers_doc/en/quicktour.ipynb)  | Transformers의 다양한 API 소개 |[![Open in Colab](https://colab.research.google.com/assets/colab-badge.svg)](https://colab.research.google.com/github/huggingface/notebooks/blob/main/transformers_doc/en/quicktour.ipynb)| [![Open in AWS Studio](https://studiolab.sagemaker.aws/studiolab.svg)](https://studiolab.sagemaker.aws/import/github/huggingface/notebooks/blob/main/en/transformers_doc/quicktour.ipynb)| |
| [작업 요약](https://github.com/huggingface/notebooks/blob/main/transformers_doc/en/task_summary.ipynb)  | Transformers 라이브러리의 모델을 작업별로 실행하는 방법 |[![Open in Colab](https://colab.research.google.com/assets/colab-badge.svg)](https://colab.research.google.com/github/huggingface/notebooks/blob/main/transformers_doc/en/task_summary.ipynb)| [![Open in AWS Studio](https://studiolab.sagemaker.aws/studiolab.svg)](https://studiolab.sagemaker.aws/import/github/huggingface/notebooks/blob/main/transformers_doc/en/task_summary.ipynb)| |
| [데이터 전처리](https://github.com/huggingface/notebooks/blob/main/transformers_doc/en/preprocessing.ipynb)  | 토크나이저를 사용하여 데이터를 전처리하는 방법 |[![Open in Colab](https://colab.research.google.com/assets/colab-badge.svg)](https://colab.research.google.com/github/huggingface/notebooks/blob/main/transformers_doc/en/preprocessing.ipynb) | [![Open in AWS Studio](https://studiolab.sagemaker.aws/studiolab.svg)](https://studiolab.sagemaker.aws/import/github/huggingface/notebooks/blob/main/transformers_doc/en/preprocessing.ipynb)||
| [사전 학습된 모델의 파인튜닝](https://github.com/huggingface/notebooks/blob/main/transformers_doc/en/training.ipynb)  | Trainer를 사용하여 사전 학습된 모델을 파인튜닝하는 방법 |[![Open in Colab](https://colab.research.google.com/assets/colab-badge.svg)](https://colab.research.google.com/github/huggingface/notebooks/blob/main/transformers_doc/en/training.ipynb)| [![Open in AWS Studio](https://studiolab.sagemaker.aws/studiolab.svg)](https://studiolab.sagemaker.aws/import/github/huggingface/notebooks/blob/main/transformers_doc/en/training.ipynb)|[![Open in AMD Dev Cloud](https://oneclickamd.ai/static/amd.svg?v=2)](https://oneclickamd.ai/github/huggingface/notebooks/blob/main/transformers_doc/en/training.ipynb)|
| [토크나이저 요약](https://github.com/huggingface/notebooks/blob/main/transformers_doc/en/tokenizer_summary.ipynb)  | 토크나이저 알고리즘 간의 차이 |[![Open in Colab](https://colab.research.google.com/assets/colab-badge.svg)](https://colab.research.google.com/github/huggingface/notebooks/blob/main/transformers_doc/en/tokenizer_summary.ipynb)| [![Open in AWS Studio](https://studiolab.sagemaker.aws/studiolab.svg)](https://studiolab.sagemaker.aws/import/github/huggingface/notebooks/blob/main/transformers_doc/en/tokenizer_summary.ipynb)|[![Open in AMD Dev Cloud](https://oneclickamd.ai/static/amd.svg?v=2)](https://oneclickamd.ai/github/huggingface/notebooks/blob/main/transformers_doc/en/tokenizer_summary.ipynb )|
| [다국어 모델](https://github.com/huggingface/notebooks/blob/main/transformers_doc/en/multilingual.ipynb)  | 라이브러리의 다국어 모델 사용 방법 |[![Open in Colab](https://colab.research.google.com/assets/colab-badge.svg)](https://colab.research.google.com/github/huggingface/notebooks/blob/main/transformers_doc/en/multilingual.ipynb)| [![Open in AWS Studio](https://studiolab.sagemaker.aws/studiolab.svg)](https://studiolab.sagemaker.aws/import/github/huggingface/notebooks/blob/main/transformers_doc/en/multilingual.ipynb)|[![Open in AMD Dev Cloud](https://oneclickamd.ai/static/amd.svg?v=2)](https://oneclickamd.ai/github/huggingface/notebooks/blob/main/transformers_doc/en/multilingual.ipynb)|

### PyTorch 예제

#### 자연어 처리[[pytorch-nlp]]

| 노트북     |      설명      |   |   |   |
|:----------|:-------------|:-------------|:-------------|------:|
| [토크나이저 학습](https://github.com/huggingface/notebooks/blob/main/examples/tokenizer_training.ipynb)  | 나만의 토크나이저를 학습하고 사용하는 방법  |[![Open in Colab](https://colab.research.google.com/assets/colab-badge.svg)](https://colab.research.google.com/github/huggingface/notebooks/blob/main/examples/tokenizer_training.ipynb)| [![Open in AWS Studio](https://studiolab.sagemaker.aws/studiolab.svg)](https://studiolab.sagemaker.aws/import/github/huggingface/notebooks/blob/main/examples/tokenizer_training.ipynb)|[![Open in AMD Dev Cloud](https://oneclickamd.ai/static/amd.svg?v=2)](https://oneclickamd.ai/github/huggingface/notebooks/blob/main/examples/tokenizer_training.ipynb)|
| [언어 모델 학습](https://github.com/huggingface/notebooks/blob/main/examples/language_modeling_from_scratch.ipynb)   | transformers를 쉽게 시작하는 방법  |[![Open in Colab](https://colab.research.google.com/assets/colab-badge.svg)](https://colab.research.google.com/github/huggingface/notebooks/blob/main/examples/language_modeling_from_scratch.ipynb)| [![Open in AWS Studio](https://studiolab.sagemaker.aws/studiolab.svg)](https://studiolab.sagemaker.aws/import/github/huggingface/notebooks/blob/main/examples/language_modeling_from_scratch.ipynb)|[![Open in AMD Dev Cloud](https://oneclickamd.ai/static/amd.svg?v=2)](https://oneclickamd.ai/github/huggingface/notebooks/blob/main/examples/language_modeling_from_scratch.ipynb)|
| [텍스트 분류로 모델을 파인튜닝하는 방법](https://github.com/huggingface/notebooks/blob/main/examples/text_classification.ipynb)| GLUE 작업에서 데이터를 전처리하고 사전 학습된 모델을 미세 조정하는 방법을 보여 줍니다. | [![Open in Colab](https://colab.research.google.com/assets/colab-badge.svg)](https://colab.research.google.com/github/huggingface/notebooks/blob/main/examples/text_classification.ipynb)| [![Open in AWS Studio](https://studiolab.sagemaker.aws/studiolab.svg)](https://studiolab.sagemaker.aws/import/github/huggingface/notebooks/blob/main/examples/text_classification.ipynb)| |
| [언어 모델링으로 모델을 파인튜닝하는 방법](https://github.com/huggingface/notebooks/blob/main/examples/language_modeling.ipynb)| 데이터를 전처리하고, causal 또는 masked LM 작업에서 사전 학습된 모델을 fine-tune하는 방법을 보여 줍니다. | [![Open in Colab](https://colab.research.google.com/assets/colab-badge.svg)](https://colab.research.google.com/github/huggingface/notebooks/blob/main/examples/language_modeling.ipynb)| [![Open in AWS Studio](https://studiolab.sagemaker.aws/studiolab.svg)](https://studiolab.sagemaker.aws/import/github/huggingface/notebooks/blob/main/examples/language_modeling.ipynb)| [![Open in AMD Dev Cloud](https://oneclickamd.ai/static/amd.svg?v=2)](https://oneclickamd.ai/github/huggingface/notebooks/blob/main/examples/language_modeling.ipynb)|
| [토큰 분류를 위해 모델을 파인튜닝하는 방법](https://github.com/huggingface/notebooks/blob/main/examples/token_classification.ipynb)| 데이터를 전처리하고 토큰 분류 작업(NER, PoS)에서 사전 학습된 모델을 파인튜닝하는 방법을 보여 줍니다. | [![Open in Colab](https://colab.research.google.com/assets/colab-badge.svg)](https://colab.research.google.com/github/huggingface/notebooks/blob/main/examples/token_classification.ipynb)| [![Open in AWS Studio](https://studiolab.sagemaker.aws/studiolab.svg)](https://studiolab.sagemaker.aws/import/github/huggingface/notebooks/blob/main/examples/token_classification.ipynb)|[![Open in AMD Dev Cloud](https://oneclickamd.ai/static/amd.svg?v=2)](https://oneclickamd.ai/github/huggingface/notebooks/blob/main/examples/token_classification.ipynb)|
| [질문 답변을 위한 모델 파인튜닝 방법](https://github.com/huggingface/notebooks/blob/main/examples/question_answering.ipynb)| SQUAD에서 사전 학습된 모델을 fine-tune하기 위해 데이터를 전처리하는 방법을 보여 줍니다. | [![Open in Colab](https://colab.research.google.com/assets/colab-badge.svg)](https://colab.research.google.com/github/huggingface/notebooks/blob/main/examples/question_answering.ipynb)| [![Open in AWS Studio](https://studiolab.sagemaker.aws/studiolab.svg)](https://studiolab.sagemaker.aws/import/github/huggingface/notebooks/blob/main/examples/question_answering.ipynb)|[![Open in AMD Dev Cloud](https://oneclickamd.ai/static/amd.svg?v=2)](https://oneclickamd.ai/github/huggingface/notebooks/blob/main/examples/question_answering.ipynb)|
| [다중 선택 문제로 모델을 파인튜닝하는 방법](https://github.com/huggingface/notebooks/blob/main/examples/multiple_choice.ipynb)| SWAG에서 사전 학습된 모델을 데이터 전처리 및 미세 조정하는 방법을 보여 줍니다. | [![Open in Colab](https://colab.research.google.com/assets/colab-badge.svg)](https://colab.research.google.com/github/huggingface/notebooks/blob/main/examples/multiple_choice.ipynb)| [![Open in AWS Studio](https://studiolab.sagemaker.aws/studiolab.svg)](https://studiolab.sagemaker.aws/import/github/huggingface/notebooks/blob/main/examples/multiple_choice.ipynb)|[![Open in AMD Dev Cloud](https://oneclickamd.ai/static/amd.svg?v=2)](https://oneclickamd.ai/github/huggingface/notebooks/blob/main/examples/multiple_choice.ipynb)|
| [번역 작업에 대한 모델 파인튜닝 방법](https://github.com/huggingface/notebooks/blob/main/examples/translation.ipynb)| WMT에서 데이터를 전처리하고 사전 학습된 모델을 미세 조정하는 방법을 보여 줍니다. | [![Open in Colab](https://colab.research.google.com/assets/colab-badge.svg)](https://colab.research.google.com/github/huggingface/notebooks/blob/main/examples/translation.ipynb)| [![Open in AWS Studio](https://studiolab.sagemaker.aws/studiolab.svg)](https://studiolab.sagemaker.aws/import/github/huggingface/notebooks/blob/main/examples/translation.ipynb)|[![Open in AMD Dev Cloud](https://oneclickamd.ai/static/amd.svg?v=2)](https://oneclickamd.ai/github/huggingface/notebooks/blob/main/examples/translation.ipynb)|
| [요약 작업으로 모델을 파인튜닝하는 방법](https://github.com/huggingface/notebooks/blob/main/examples/summarization.ipynb)| XSUM에서 데이터를 전처리하고 사전 학습된 모델을 미세 조정하는 방법을 보여 줍니다. | [![Open in Colab](https://colab.research.google.com/assets/colab-badge.svg)](https://colab.research.google.com/github/huggingface/notebooks/blob/main/examples/summarization.ipynb)| [![Open in AWS Studio](https://studiolab.sagemaker.aws/studiolab.svg)](https://studiolab.sagemaker.aws/import/github/huggingface/notebooks/blob/main/examples/summarization.ipynb)| |
| [언어 모델을 처음부터 학습하는 방법](https://github.com/huggingface/blog/blob/main/notebooks/01_how_to_train.ipynb)| 커스텀 데이터로 Transformer 모델을 효과적으로 학습하는 모든 단계 | [![Open in Colab](https://colab.research.google.com/assets/colab-badge.svg)](https://colab.research.google.com/github/huggingface/blog/blob/main/notebooks/01_how_to_train.ipynb)| [![Open in AWS Studio](https://studiolab.sagemaker.aws/studiolab.svg)](https://studiolab.sagemaker.aws/import/github/huggingface/blog/blob/main/notebooks/01_how_to_train.ipynb)| |
| [텍스트 생성 방법](https://github.com/huggingface/blog/blob/main/notebooks/02_how_to_generate.ipynb)| transformers에서 언어 생성을 위해 다양한 디코딩 방법을 사용하는 방법 | [![Open in Colab](https://colab.research.google.com/assets/colab-badge.svg)](https://colab.research.google.com/github/huggingface/blog/blob/main/notebooks/02_how_to_generate.ipynb)| [![Open in AWS Studio](https://studiolab.sagemaker.aws/studiolab.svg)](https://studiolab.sagemaker.aws/import/github/huggingface/blog/blob/main/notebooks/02_how_to_generate.ipynb)| |
| [Reformer](https://github.com/huggingface/blog/blob/main/notebooks/03_reformer.ipynb)| Reformer가 언어 모델링의 한계를 어떻게 확장하는가 | [![Open in Colab](https://colab.research.google.com/assets/colab-badge.svg)](https://colab.research.google.com/github/patrickvonplaten/blog/blob/main/notebooks/03_reformer.ipynb)| [![Open in AWS Studio](https://studiolab.sagemaker.aws/studiolab.svg)](https://studiolab.sagemaker.aws/import/github/patrickvonplaten/blog/blob/main/notebooks/03_reformer.ipynb)| |

#### 컴퓨터 비전[[pytorch-cv]]

| 노트북                                                                                                                                                                   | 설명                                                                                                            |                                                                                                                                                                                                            |   |   |
|:---------------------------------------------------------------------------------------------------------------------------------------------------------------------------|:-----------------------------------------------------------------------------------------------------------------------|:-----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|:------|------:|
| [이미지 분류로 모델을 미세 조정하는 방법 (Torchvision)](https://github.com/huggingface/notebooks/blob/main/examples/image_classification.ipynb)                   | Torchvision을 사용하여 데이터를 전처리하는 방법과 Image Classification에서 사전 학습된 Vision 모델을 미세 조정하는 방법을 보여 줍니다    | [![Open in Colab](https://colab.research.google.com/assets/colab-badge.svg)](https://colab.research.google.com/github/huggingface/notebooks/blob/main/examples/image_classification.ipynb)                 | [![Open in AWS Studio](https://studiolab.sagemaker.aws/studiolab.svg)](https://studiolab.sagemaker.aws/import/github/huggingface/notebooks/blob/main/examples/image_classification.ipynb)| [![Open in AMD Dev Cloud](https://oneclickamd.ai/static/amd.svg?v=2)](https://oneclickamd.ai/github/huggingface/notebooks/blob/main/examples/image_classification.ipynb)|
| [이미지 분류로 모델을 파인튜닝하는 방법 (Albumentations)](https://github.com/huggingface/notebooks/blob/main/examples/image_classification_albumentations.ipynb) | Albumentations를 사용하여 데이터를 전처리하고, 사전 학습된 Vision 모델을 Image Classification에 대해 fine-tune하는 방법을 보여 줍니다 | [![Open in Colab](https://colab.research.google.com/assets/colab-badge.svg)](https://colab.research.google.com/github/huggingface/notebooks/blob/main/examples/image_classification_albumentations.ipynb)  | [![Open in AWS Studio](https://studiolab.sagemaker.aws/studiolab.svg)](https://studiolab.sagemaker.aws/import/github/huggingface/notebooks/blob/main/examples/image_classification_albumentations.ipynb)| |
| [이미지 분류로 모델을 미세 조정하는 방법 (Kornia)](https://github.com/huggingface/notebooks/blob/main/examples/image_classification_kornia.ipynb)                 | Kornia를 사용하여 데이터를 전처리하고 사전 학습된 Vision 모델을 Image Classification에 대해 fine-tune하는 방법을 보여 줍니다         | [![Open in Colab](https://colab.research.google.com/assets/colab-badge.svg)](https://colab.research.google.com/github/huggingface/notebooks/blob/main/examples/image_classification_kornia.ipynb)          | [![Open in AWS Studio](https://studiolab.sagemaker.aws/studiolab.svg)](https://studiolab.sagemaker.aws/import/github/huggingface/notebooks/blob/main/examples/image_classification_kornia.ipynb)| |
| [OWL-ViT를 사용한 제로샷 객체 감지 수행 방법](https://github.com/huggingface/notebooks/blob/main/examples/zeroshot_object_detection_with_owlvit.ipynb)          | 텍스트 쿼리를 사용하여 이미지에서 제로샷 객체 감지를 수행하는 방법을 보여 줍니다                                             | [![Open in Colab](https://colab.research.google.com/assets/colab-badge.svg)](https://colab.research.google.com/github/huggingface/notebooks/blob/main/examples/zeroshot_object_detection_with_owlvit.ipynb)| [![Open in AWS Studio](https://studiolab.sagemaker.aws/studiolab.svg)](https://studiolab.sagemaker.aws/import/github/huggingface/notebooks/blob/main/examples/zeroshot_object_detection_with_owlvit.ipynb)| |
| [이미지 캡셔닝 모델 파인튜닝 방법](https://github.com/huggingface/notebooks/blob/main/examples/image_captioning_blip.ipynb)                                      | 커스텀 데이터셋에서 이미지 캡셔닝을 위해 BLIP을 파인튜닝하는 방법                                                    | [![Open in Colab](https://colab.research.google.com/assets/colab-badge.svg)](https://colab.research.google.com/github/huggingface/notebooks/blob/main/examples/image_captioning_blip.ipynb)                | [![Open in AWS Studio](https://studiolab.sagemaker.aws/studiolab.svg)](https://studiolab.sagemaker.aws/import/github/huggingface/notebooks/blob/main/examples/image_captioning_blip.ipynb)| |
| [Transformers로 이미지 유사도 시스템 구축하기](https://github.com/huggingface/notebooks/blob/main/examples/image_similarity.ipynb)                            | 이미지 유사도 시스템을 구축하는 방법을 보여 줍니다                                                                           | [![Open in Colab](https://colab.research.google.com/assets/colab-badge.svg)](https://colab.research.google.com/github/huggingface/notebooks/blob/main/examples/image_similarity.ipynb)                     | [![Open in AWS Studio](https://studiolab.sagemaker.aws/studiolab.svg)](https://studiolab.sagemaker.aws/import/github/huggingface/notebooks/blob/main/examples/image_similarity.ipynb)| |
| [의미 분할에서 SegFormer 모델 파인튜닝 방법](https://github.com/huggingface/notebooks/blob/main/examples/semantic_segmentation.ipynb)                     | 데이터 전처리 방법과 Semantic Segmentation에서 사전 학습된 SegFormer 모델을 fine-tune하는 방법을 보여 줍니다                    | [![Open in Colab](https://colab.research.google.com/assets/colab-badge.svg)](https://colab.research.google.com/github/huggingface/notebooks/blob/main/examples/semantic_segmentation.ipynb)                | [![Open in AWS Studio](https://studiolab.sagemaker.aws/studiolab.svg)](https://studiolab.sagemaker.aws/import/github/huggingface/notebooks/blob/main/examples/semantic_segmentation.ipynb)| |
| [VideoMAE 모델을 비디오 분류로 미세 조정하는 방법](https://github.com/huggingface/notebooks/blob/main/examples/video_classification.ipynb)          | 데이터 전처리 방법과 Video Classification에서 사전 학습된 VideoMAE 모델을 fine-tune하는 방법을 보여 줍니다                      | [![Open in Colab](https://colab.research.google.com/assets/colab-badge.svg)](https://colab.research.google.com/github/huggingface/notebooks/blob/main/examples/video_classification.ipynb)                | [![Open in AWS Studio](https://studiolab.sagemaker.aws/studiolab.svg)](https://studiolab.sagemaker.aws/import/github/huggingface/notebooks/blob/main/examples/video_classification.ipynb)| |

#### 오디오[[pytorch-audio]]

| 노트북     |      설명      |   |   |
|:----------|:-------------|:-------------|------:|
| [영어 음성 인식 모델 파인튜닝 방법](https://github.com/huggingface/notebooks/blob/main/examples/speech_recognition.ipynb)| TIMIT에서 사전 학습된 Speech 모델을 전처리하고 미세 조정하는 방법을 보여 줍니다 | [![Open in Colab](https://colab.research.google.com/assets/colab-badge.svg)](https://colab.research.google.com/github/huggingface/notebooks/blob/main/examples/speech_recognition.ipynb)| [![Open in AWS Studio](https://studiolab.sagemaker.aws/studiolab.svg)](https://studiolab.sagemaker.aws/import/github/huggingface/notebooks/blob/main/examples/speech_recognition.ipynb)|
| [어떤 언어로든 음성 인식 모델을 파인튜닝하는 방법](https://github.com/huggingface/notebooks/blob/main/examples/multi_lingual_speech_recognition.ipynb)| Common Voice에서 다국어 사전 학습 음성 모델을 전처리하고 미세 조정하는 방법을 보여 줍니다 | [![Open in Colab](https://colab.research.google.com/assets/colab-badge.svg)](https://colab.research.google.com/github/huggingface/notebooks/blob/main/examples/multi_lingual_speech_recognition.ipynb)| [![Open in AWS Studio](https://studiolab.sagemaker.aws/studiolab.svg)](https://studiolab.sagemaker.aws/import/github/huggingface/notebooks/blob/main/examples/multi_lingual_speech_recognition.ipynb)|
| [오디오 분류를 위해 모델을 파인튜닝하는 방법](https://github.com/huggingface/notebooks/blob/main/examples/audio_classification.ipynb)| 데이터 전처리 방법과 Keyword Spotting을 위해 사전 학습된 Speech 모델을 fine-tune하는 방법을 보여 줍니다 | [![Open in Colab](https://colab.research.google.com/assets/colab-badge.svg)](https://colab.research.google.com/github/huggingface/notebooks/blob/main/examples/audio_classification.ipynb)| [![Open in AWS Studio](https://studiolab.sagemaker.aws/studiolab.svg)](https://studiolab.sagemaker.aws/import/github/huggingface/notebooks/blob/main/examples/audio_classification.ipynb)|

#### 생물학적 시퀀스[[pytorch-bio]]

| 노트북     | 설명                                                                             |   |   |
|:----------|:----------------------------------------------------------------------------------------|:-------------|------:|
| [사전 학습된 단백질 모델의 파인튜닝 방법](https://github.com/huggingface/notebooks/blob/main/examples/protein_language_modeling.ipynb) | 단백질을 토큰화하고 대규모 사전 학습된 단백질 "언어" 모델을 파인튜닝하는 방법을 확인하세요 | [![Open in Colab](https://colab.research.google.com/assets/colab-badge.svg)](https://colab.research.google.com/github/huggingface/notebooks/blob/main/examples/protein_language_modeling.ipynb) | [![Open in AWS Studio](https://studiolab.sagemaker.aws/studiolab.svg)](https://studiolab.sagemaker.aws/import/github/huggingface/notebooks/blob/main/examples/protein_language_modeling.ipynb) |
| [단백질 접힘 생성 방법](https://github.com/huggingface/notebooks/blob/main/examples/protein_folding.ipynb) | 단백질 서열에서 완전한 단백질 모델 및 PDB 파일까지의 생성 과정을 확인해 보세요                | [![Open in Colab](https://colab.research.google.com/assets/colab-badge.svg)](https://colab.research.google.com/github/huggingface/notebooks/blob/main/examples/protein_folding.ipynb) | [![Open in AWS Studio](https://studiolab.sagemaker.aws/studiolab.svg)](https://studiolab.sagemaker.aws/import/github/huggingface/notebooks/blob/main/examples/protein_folding.ipynb) |
| [Nucleotide Transformer 모델 파인튜닝 방법](https://github.com/huggingface/notebooks/blob/main/examples/nucleotide_transformer_dna_sequence_modelling.ipynb) | DNA를 토큰화하고 대규모 사전 학습된 DNA "언어" 모델을 파인튜닝하는 방법을 확인해 보세요 | [![Open in Colab](https://colab.research.google.com/assets/colab-badge.svg)](https://colab.research.google.com/github/huggingface/notebooks/blob/main/examples/nucleotide_transformer_dna_sequence_modelling.ipynb) | [![Open in AWS Studio](https://studiolab.sagemaker.aws/studiolab.svg)](https://studiolab.sagemaker.aws/import/github/huggingface/notebooks/blob/main/examples/nucleotide_transformer_dna_sequence_modelling.ipynb) |
| [LoRA를 사용하여 Nucleotide Transformer 모델 파인튜닝](https://github.com/huggingface/notebooks/blob/main/examples/nucleotide_transformer_dna_sequence_modelling_with_peft.ipynb) | 메모리 효율적인 방식으로 더 큰 DNA 모델을 학습 | [![Open in Colab](https://colab.research.google.com/assets/colab-badge.svg)](https://colab.research.google.com/github/huggingface/notebooks/blob/main/examples/nucleotide_transformer_dna_sequence_modelling_with_peft.ipynb) | [![Open in AWS Studio](https://studiolab.sagemaker.aws/studiolab.svg)](https://studiolab.sagemaker.aws/import/github/huggingface/notebooks/blob/main/examples/nucleotide_transformer_dna_sequence_modelling_with_peft.ipynb) |

#### 기타 모달리티[[pytorch-other]]

| 노트북     | 설명                                                                             |   |   |
|:----------|:----------------------------------------------------------------------------------------|:-------------|------:|
| [확률적 시계열 예측](https://github.com/huggingface/notebooks/blob/main/examples/time-series-transformers.ipynb) | 커스텀 데이터셋에서 Time Series Transformer를 학습하는 방법을 확인하세요                            | [![Open in Colab](https://colab.research.google.com/assets/colab-badge.svg)](https://colab.research.google.com/github/huggingface/notebooks/blob/main/examples/time-series-transformers.ipynb) | [![Open in AWS Studio](https://studiolab.sagemaker.aws/studiolab.svg)](https://studiolab.sagemaker.aws/import/github/huggingface/notebooks/blob/main/examples/time-series-transformers.ipynb) |

#### 유틸리티 노트북[[pytorch-utility]]

| 노트북     |      설명      |   |   |
|:----------|:-------------|:-------------|------:|
| [모델을 ONNX로 내보내는 방법](https://github.com/huggingface/notebooks/blob/main/examples/onnx-export.ipynb)| ONNX를 통해 추론 워크로드를 내보내고 실행하는 방법을 강조합니다 | [![Open in Colab](https://colab.research.google.com/assets/colab-badge.svg)](https://colab.research.google.com/github/huggingface/notebooks/blob/main/examples/onnx-export.ipynb)| [![Open in AWS Studio](https://studiolab.sagemaker.aws/studiolab.svg)](https://studiolab.sagemaker.aws/import/github/huggingface/notebooks/blob/main/examples/onnx-export.ipynb)|

### Optimum 노트북

🤗  [Optimum](https://github.com/huggingface/optimum)은 🤗 Transformers의 확장으로, 대상 하드웨어에서 모델을 학습하고 실행할 때 최대 효율을 달성할 수 있도록 성능 최적화 도구 모음을 제공합니다.

| 노트북     |      설명      |   |   |
|:----------|:-------------|:-------------|------:|
| [ONNX Runtime를 사용하여 텍스트 분류 모델을 양자화하는 방법](https://github.com/huggingface/notebooks/blob/main/examples/text_classification_quantization_ort.ipynb)| [ONNX Runtime](https://github.com/microsoft/onnxruntime)를 사용하여 GLUE 작업의 모델에 정적 및 동적 양자화를 적용하는 방법을 보여 줍니다. | [![Open in Colab](https://colab.research.google.com/assets/colab-badge.svg)](https://colab.research.google.com/github/huggingface/notebooks/blob/main/examples/text_classification_quantization_ort.ipynb)| [![Open in AWS Studio](https://studiolab.sagemaker.aws/studiolab.svg)](https://studiolab.sagemaker.aws/import/github/huggingface/notebooks/blob/main/examples/text_classification_quantization_ort.ipynb)|
| [ONNX Runtime를 사용하여 텍스트 분류로 모델을 미세 조정하는 방법](https://github.com/huggingface/notebooks/blob/main/examples/text_classification_ort.ipynb)| [ONNX Runtime](https://github.com/microsoft/onnxruntime)를 사용하여 데이터를 전처리하고 GLUE 작업 중 하나에서 모델을 파인튜닝하는 방법을 보여 줍니다. | [![Open in Colab](https://colab.research.google.com/assets/colab-badge.svg)](https://colab.research.google.com/github/huggingface/notebooks/blob/main/examples/text_classification_ort.ipynb)| [![Open in AWS Studio](https://studiolab.sagemaker.aws/studiolab.svg)](https://studiolab.sagemaker.aws/import/github/huggingface/notebooks/blob/main/examples/text_classification_ort.ipynb)|
| [ONNX Runtime를 사용하여 요약 작업으로 모델을 미세 조정하는 방법](https://github.com/huggingface/notebooks/blob/main/examples/summarization_ort.ipynb)| XSUM에서 [ONNX Runtime](https://github.com/microsoft/onnxruntime)을 사용하여 데이터를 전처리하고 모델을 파인튜닝하는 방법을 보여줍니다. | [![Open in Colab](https://colab.research.google.com/assets/colab-badge.svg)](https://colab.research.google.com/github/huggingface/notebooks/blob/main/examples/summarization_ort.ipynb)| [![Open in AWS Studio](https://studiolab.sagemaker.aws/studiolab.svg)](https://studiolab.sagemaker.aws/import/github/huggingface/notebooks/blob/main/examples/summarization_ort.ipynb)|

## 커뮤니티 노트북

커뮤니티에서 개발한 추가 노트북은 [여기](https://hf.co/docs/transformers/community#community-notebooks)에서 확인할 수 있습니다.