Chapter 0 translated

chapters/ru/_toctree.yml

@@ -0,0 +1,173 @@
+- title: 0. Установка
+  sections:
+  - local: chapter0/1
+    title: Введение
+
+- title: 1. Transformer models
+  sections:
+  - local: chapter1/1
+    title: Introduction
+  - local: chapter1/2
+    title: Natural Language Processing
+  - local: chapter1/3
+    title: Transformers, what can they do?
+  - local: chapter1/4
+    title: How do Transformers work?
+  - local: chapter1/5
+    title: Encoder models
+  - local: chapter1/6
+    title: Decoder models
+  - local: chapter1/7
+    title: Sequence-to-sequence models
+  - local: chapter1/8
+    title: Bias and limitations
+  - local: chapter1/9
+    title: Summary
+  - local: chapter1/10
+    title: End-of-chapter quiz
+    quiz: 1
+
+- title: 2. Using 🤗 Transformers
+  sections:
+  - local: chapter2/1
+    title: Introduction
+  - local: chapter2/2
+    title: Behind the pipeline
+  - local: chapter2/3
+    title: Models
+  - local: chapter2/4
+    title: Tokenizers
+  - local: chapter2/5
+    title: Handling multiple sequences
+  - local: chapter2/6
+    title: Putting it all together
+  - local: chapter2/7
+    title: Basic usage completed!
+  - local: chapter2/8
+    title: End-of-chapter quiz
+    quiz: 2
+
+- title: 3. Fine-tuning a pretrained model
+  sections:
+  - local: chapter3/1
+    title: Introduction
+  - local: chapter3/2
+    title: Processing the data
+  - local: chapter3/3
+    title: Fine-tuning a model with the Trainer API or Keras
+    local_fw: { pt: chapter3/3, tf: chapter3/3_tf }
+  - local: chapter3/4
+    title: A full training
+  - local: chapter3/5
+    title: Fine-tuning, Check!
+  - local: chapter3/6
+    title: End-of-chapter quiz
+    quiz: 3
+
+- title: 4. Sharing models and tokenizers
+  sections:
+  - local: chapter4/1
+    title: The Hugging Face Hub
+  - local: chapter4/2
+    title: Using pretrained models
+  - local: chapter4/3
+    title: Sharing pretrained models
+  - local: chapter4/4
+    title: Building a model card
+  - local: chapter4/5
+    title: Part 1 completed!
+  - local: chapter4/6
+    title: End-of-chapter quiz
+    quiz: 4
+
+- title: 5. The 🤗 Datasets library
+  sections:
+  - local: chapter5/1
+    title: Introduction
+  - local: chapter5/2
+    title: What if my dataset isn't on the Hub?
+  - local: chapter5/3
+    title: Time to slice and dice
+  - local: chapter5/4
+    title: Big data? 🤗 Datasets to the rescue!
+  - local: chapter5/5
+    title: Creating your own dataset
+  - local: chapter5/6
+    title: Semantic search with FAISS
+  - local: chapter5/7
+    title: 🤗 Datasets, check!
+  - local: chapter5/8
+    title: End-of-chapter quiz
+    quiz: 5
+
+- title: 6. The 🤗 Tokenizers library
+  sections:
+  - local: chapter6/1
+    title: Introduction
+  - local: chapter6/2
+    title: Training a new tokenizer from an old one
+  - local: chapter6/3
+    title: Fast tokenizers' special powers
+  - local: chapter6/3b
+    title: Fast tokenizers in the QA pipeline
+  - local: chapter6/4
+    title: Normalization and pre-tokenization
+  - local: chapter6/5
+    title: Byte-Pair Encoding tokenization
+  - local: chapter6/6
+    title: WordPiece tokenization
+  - local: chapter6/7
+    title: Unigram tokenization
+  - local: chapter6/8
+    title: Building a tokenizer, block by block
+  - local: chapter6/9
+    title: Tokenizers, check!
+  - local: chapter6/10
+    title: End-of-chapter quiz
+    quiz: 6
+
+- title: 7. Main NLP tasks
+  sections:
+  - local: chapter7/1
+    title: Introduction
+  - local: chapter7/2
+    title: Token classification
+  - local: chapter7/3
+    title: Fine-tuning a masked language model
+  - local: chapter7/4
+    title: Translation
+  - local: chapter7/5
+    title: Summarization
+  - local: chapter7/6
+    title: Training a causal language model from scratch
+  - local: chapter7/7
+    title: Question answering
+  - local: chapter7/8
+    title: Mastering NLP
+  - local: chapter7/9
+    title: End-of-chapter quiz
+    quiz: 7
+
+- title: 8. How to ask for help
+  sections:
+  - local: chapter8/1
+    title: Introduction
+  - local: chapter8/2
+    title: What to do when you get an error
+  - local: chapter8/3
+    title: Asking for help on the forums
+  - local: chapter8/4
+    title: Debugging the training pipeline
+    local_fw: { pt: chapter8/4, tf: chapter8/4_tf }
+  - local: chapter8/5
+    title: How to write a good issue
+  - local: chapter8/6
+    title: Part 2 completed!
+  - local: chapter8/7
+    title: End-of-chapter quiz
+    quiz: 8
+
+- title: Hugging Face Course Event
+  sections:
+  - local: event/1
+    title: Part 2 Release Event

chapters/ru/chapter0/1.mdx

@@ -0,0 +1,109 @@
+# Введение
+
+Добро пожаловать на курс от Hugging Face! Это введение поможет настроить рабочее окружение. Если вы только начинаете курс, мы рекомендуем сначала заглянуть в [Главу 1](/course/chapter1), затем вернуться и настроить среду, чтобы попробовать запустить код самостоятельно. 
+
+Все библиотеки, которые мы будем использовать в этом курсе доступны как Python-пакеты, мы покажем, как установить окружение и необходимые библиотеки. 
+
+Мы рассмотрим два пути настройки виртуального окружения: с использованием Google Colab и виртуального окружения Python. Можно выбрать любой из вариантов исходя из собственных предпочтений. Если вы начинающий, то лучше начать с Google Colab. 
+
+Если вы пользуетесь операционной системой Windows, то мы рекомендуем сразу начать использование Google Colab, т.к. мы не будем рассматривать эту операционную систему в качестве платформы для работы. Если вы используете Linux или MacOS, то можно воспользоваться любым из описанных здесь подходов. 
+
+Для прохождения курса вам понадобится аккаунт на Hugging Face, бесплатно можно зарегистрироваться здесь: [создать учетную запись](https://huggingface.co/join).
+
+## Использование Colab
+
+Использование Colab – самый простой вариант: просто загрузите блокнот в браузере и приступайте к работе! 
+
+Если вы не знакомы с Google Colab, то мы рекомендуем начать с изучения [Введения](https://colab.research.google.com/notebooks/intro.ipynb). Colab позволяет использовать более мощную аппартную базу (GPU - видеокарты, TPU - тензорные процессоры) и он бесплатен для небольших нагрузок. 
+
+Как только вы освоитесь в Colab, создайте новый блокнот:
+
+<div class="flex justify-center">
+<img src="https://huggingface.co/datasets/huggingface-course/documentation-images/resolve/main/en/chapter0/new_colab.png" alt="An empty colab notebook" width="80%"/>
+</div>
+
+Следующий шаг - установка библиотек, которые мы будем использовать в курсе. В качестве менеджера пакетов будет использоваться `pip`. Для запуска системной команды в ячейке блокнота необходимо в самом начале дописать символ `!`. Библиотеку  🤗 Transformers можно установить так: 
+
+```
+!pip install transformers
+```
+
+Вы можете удостовериться, что библиотека установилась, просто сделав ее импорт: 
+
+```
+import transformers
+```
+
+<div class="flex justify-center">
+<img src="https://huggingface.co/datasets/huggingface-course/documentation-images/resolve/main/en/chapter0/install.gif" alt="A gif showing the result of the two commands above: installation and import" width="80%"/>
+</div>
+
+Это установка самой базовой версии 🤗 Transformers. В частности, никаких библиотек машинного обучения (как PyTorch или TensorFloat) установлено не будет. Так как мы будем использовать множество различных возможностей библиотеки 🤗 Transformers, мы рекомендуем установить версию для разработчиков, в составе которой сразу инсталлируются все необходимые зависимости:  
+
+```
+!pip install transformers[sentencepiece]
+```
+
+Это займет определенное время, но сразу после установки вы будете готовы двигаться дальше!
+
+## Использование виртуального окружения Python
+
+Если вы хотите использовать виртуальное окружение Python, сначала необходимо установить Python. Мы рекомендуем использовать [эти инструкции](https://realpython.com/installing-python/) для установки. 
+
+После установки Python у вас появится возможность запускать Python-команды в терминале. Прежде чем переходить дальше, запустите в терминале команду `python --version`. В результате должна быть распечатана версия Python, доступная для работы. 
+
+Когда вы запускаете Python-команду в терминале (например, `python --version`), эту команду обрабатывает _оснвной_ Python-интерпретатор вашей системы. Мы не рекомендуем устанавливать в его окружение дополнительные библиотеки, лучше для каждого проекта создавать виртуальные окружения. Каждый проект будет обладать собственными зависимостями и пакетами, если проекты будут в разных окружениях, то вам меньше придется следить за совместимостью бибилиотек. 
+
+В Python такой подход можно реализовать с помощью разных библиотек, а подробнее об окружениях можно почитать [тут](https://docs.python.org/3/tutorial/venv.html). Каждое окружение будет содержать в себе необходимую версию языка и набор библиотек. Все эти окружения изолированы друг от друга. Среди самых популярных инструментов для работы с виртуальными окружениями можно отметить [`venv`](https://docs.python.org/3/library/venv.html#module-venv).
+
+Для начала создайте папку в домашней директории, в которой будут храниться ваши файлы курса (ее можно назвать произвольным именем, например: *transformers-course*): 
+
+```
+mkdir ~/transformers-course
+cd ~/transformers-course
+```
+Находясь в директории *transformers-course*, создайте виртуальное окружение с использованием `venv`: 
+
+```
+python -m venv .env
+```
+
+Теперь в папке должна появиться директория с именем *.env*: 
+
+```
+ls -a
+```
+
+```out
+.      ..    .env
+```
+
+Переключаться между окружениями можно с помощью команд `activate` и `deactivate`: 
+
+```
+# Активировать виртуальное окружение
+source .env/bin/activate
+
+# Деактивировать окржуение
+source .env/bin/deactivate
+```
+
+Вы можете убедиться, что окружение активировано с помощью команды `which python`: если ее результат указывает на виртуальное окружение, значит, вы успешно активировали его!
+
+```
+which python
+```
+
+```out
+/home/<user>/transformers-course/.env/bin/python
+```
+
+### Установка зависимостей
+
+Как и в предыдущем разделе, посвященном Google Colab, вам необходимо установить библиотеку 🤗 Transformers(желательно, версию для разработчиков) с помощью менеджера `pip`: 
+
+```
+pip install "transformers[sentencepiece]"
+```
+
+Теперь все установлено! Двигаемся дальше!