Hugging Face Transformers¶

Hugging Face Transformers adalah pustaka yang menyediakan akses mudah ke ribuan model pre-trained untuk Natural Language Processing (NLP). Dengan Transformers, Anda dapat menjalankan berbagai tugas NLP hanya dengan beberapa baris kode.

Mengapa Transformers?¶

Mutakhir (state-of-the-art) - Model terbaik untuk berbagai tugas NLP
Pre-trained - Model sudah dilatih pada data besar, tinggal pakai
Mudah digunakan - API pipeline yang sangat sederhana
Model Hub - Ribuan model dari komunitas global
Multibahasa - Banyak model mendukung berbagai bahasa

Instalasi¶

python -m pip install "transformers[torch]"

Atau jika menggunakan uv:

uv add transformers torch

Catatan

Contoh di materi ini menggunakan backend PyTorch. Model diunduh otomatis saat pertama digunakan dan disimpan di cache lokal (~/.cache/huggingface/).

Daftar Materi¶

Transformers Dasar

Contoh Cepat¶

from transformers import pipeline

# Buat pipeline untuk analisis sentimen
classifier = pipeline(
    "sentiment-analysis",
    model="distilbert-base-uncased-finetuned-sst-2-english",
)

# Gunakan pipeline
result = classifier("I love learning about AI!")
print(result)
# [{'label': 'POSITIVE', 'score': 0.9998}]

Contoh NER¶

from transformers import pipeline

ner = pipeline("ner", aggregation_strategy="simple")

text = "Apple Inc. was founded by Steve Jobs in California."
entities = ner(text)

for entity in entities:
    print(f"{entity['word']:20} → {entity['entity_group']}")

Output:

Apple Inc.           → ORG
Steve Jobs           → PER
California           → LOC

Perbandingan spaCy vs Transformers¶

Aspek	spaCy	Transformers
Kecepatan	Sangat cepat	Lebih lambat
Akurasi	Baik	Mutakhir (state-of-the-art)
Ukuran model	Kecil (MB)	Besar (100MB-GB)
GPU	Opsional	Disarankan
Kasus penggunaan	Produksi, real-time	Akurasi maksimal

Langkah Selanjutnya¶

Lanjutkan ke Transformers Dasar untuk mempelajari konsep dasar dan berbagai pipeline yang tersedia.