# คำถามท้ายบท

บทนี้พูดถึงพื้นฐานค่อนข้างเยอะมาก ไม่ต้องกังวลไปหากคุณไม่เข้าใจรายละเอียดทั้งหมด บทหน้าจะช่วยอธิบายว่าแต่ละอย่างทำงานกันเบื้องหลังอย่างไร

ตอนนี้มาทดสอบกันดีกว่าว่าคุณได้เรียนรู้อะไรมาบ้างในบทนี้!

### 1. เปิดหา checkpoint `roberta-large-mnli` ใน Hub โมเดลนี้ใช้ในงานอะไร

หน้าเพจ roberta-large-mnliอีกครั้ง"
		},
		{
			text: "การแยกแยะข้อความ",
			explain: "โมเดลนี้แยกแยะว่าประโยคสองประโยคนั้นเข้าข่ายกรณีใดดังต่อไปนี้ (หักล้างกัน, กลาง, ส่งเสริมกัน) หรือเรียกอีกชื่อหนึ่งว่าการอนุมาน",
			correct: true
		},
		{
			text: "การสร้างข้อความ",
			explain: "โปรดดูที่หน้าเพจ roberta-large-mnliอีกครั้ง"
		}
	]}
/>

### 2. โค้ดต่อไปนี้ให้ผลลัพธ์ว่าอย่างไร?

```py
from transformers import pipeline

ner = pipeline("ner", grouped_entities=True)
ner("My name is Sylvain and I work at Hugging Face in Brooklyn.")
```

sentiment-analysis"
		},
		{
			text: "ได้ผลออกมาเป็นข้อความที่ทำให้ประโยคสมบูรณ์",
			explain: "ข้อนี้ผิด — ผลลัพธ์นี้ได้จาก pipeline text-generation",
		},
		{
			text: "ได้ผลออกมาระบุว่าคำใดเป็นบุคคล, องค์กร, หรือสถานที่",
			explain: "หากตั้งค่าว่า grouped_entities=True จะสามารถรวมคำหลายคำที่ระบุสิ่งเดียวกันไว้ได้ เช่น \"Hugging Face\" ประกอบด้วยคำสองคำ แต่ระบุถึงสิ่งสิ่งเดียว",
			correct: true
		}
	]}
/>

### 3. เราควรแทนค่า ... ในโค้ดด้านล่างว่าอะไร?

```py
from transformers import pipeline

filler = pipeline("fill-mask", model="bert-base-cased")
result = filler("...")
```

 has been waiting for you.",
			explain: "ข้อนี้ผิด โปรดดูรายละเอียดของโมเดล bert-base-cased แล้วลองตรวจสอบว่าทำผิดตรงไหนไป"
		},
		{
			text: "This [MASK] has been waiting for you.",
			explain: "ถูกต้อง! โมเดลนี้ เว้นช่องว่างด้วยโทเคน [MASK]",
			correct: true
		},
		{
			text: "This man has been waiting for you.",
			explain: "ข้อนี้ผิด pipeline ระบุว่าทำงาน `fill-mask` ซึ่งก็คือการเติมคำในช่องว่าง แต่ไม่มีโทเคนใดระบุช่องว่างในประโยคเลย"
		}
	]}
/>

### 4. ทำไมโค้ดด้านล่างรันไม่ออก?

```py
from transformers import pipeline

classifier = pipeline("zero-shot-classification")
result = classifier("This is a course about the Transformers library")
```

candidate_labels=[...] เข้าไปด้วย",
			correct: true
		},
		{
			text: "pipeline นี้ต้องการประโยค input มากกว่าหนึ่งประโยค",
			explain: "ข้อนี้ผิด ถึงแม้ว่าความจริงแล้วจะสามารถใส่ประโยคหลายประโยคเป็น list เข้าไปเป็น input เพื่อรันได้(เหมือน pipeline อื่น ๆ)"
		},
		{
			text: "library 🤗 Transformers พังแบบงง ๆ เหมือนทุกทีน่ะแหละ",
			explain: "ขออนุญาตงดแสดงความคิดเห็นกับคนเลือกข้อนี้นะ"
		},
		{
			text: "pipeline นี้ต้องการประโยค input ที่ยาวกว่านี้ ประโยคนี้สั้นเกินไป",
			explain: "ข้อนี้ผิด และหากใส่ประโยคที่ยาวเกินไปใน pipeline นี้ก็จะโดนตัดให้สั้นลงอยู่ดี"
		}
	]}
/>

### 5. "transfer learning" (การเรียนรู้แบบส่งต่อ) หมายความว่าอย่างไร?

### 6. ประโยคต่อไปนี้ถูกหรือผิด? โมเดลบริบทภาษาเป็นการเทรนล่วงหน้าที่ไม่ต้องการ label ในการเทรน

self-supervise นั่นคือ label จะถูกสร้างขึ้นอัตโนมัติจาก input เอง (เช่นการทำนายคำต่อไปในข้อความ หรือเติมคำในช่องว่าง)",
			correct: true
		},
		{
			text: "ผิด",
			explain: "คำตอบนี้ผิด"
		}
	]}
/>

### 7. โปรดเลือกประโยคที่อธิบายคำว่า "model", "architecture" และ "weight" ได้อย่างถูกต้อง"

### 8. โมเดลใดต่อไปนี้เหมาะสมในการใช้สำหรับงานสร้างคำที่หายไปในประโยค?

### 9. โมเดลประเภทใดต่อไปนี้เหมาะสำหรับงานในการสรุปความ?

### 10. โมเดลประเภทใดต่อไปนี้เหมาะสำหรับงานในการแยกแยะประเภทประโยคตาม label ที่กำหนดให้?

### 11. อคติของโมเดลสามารถเกิดได้จากข้อใดต่อไปนี้ได้บ้าง?