You can deploy this model and start earning money today!

Jooooy23/
UTS

safetensors

bert

Views

No views yet

🎓 UTS Pemrosesan Bahasa Alami (NLP) - Sharing Model

📝 Deskripsi Model

Repositori ini berisi model BERT (Bidirectional Encoder Representations from Transformers), khususnya varian bert-base-uncased, yang telah diunggah sebagai bagian dari tugas Ujian Tengah Semester (UTS) mata kuliah Pemrosesan Bahasa Alami.

Model ini disiapkan untuk mendemonstrasikan integrasi antara pelatihan model di Google Colab dan ekosistem Hugging Face Hub menggunakan metode API.

🎯 Tujuan Repositori

Tujuan utama dari repositori ini adalah untuk memenuhi persyaratan UTS dengan menunjukkan kemampuan praktis dalam:

Membangun Model dan Tokenizer menggunakan library transformers.
Mengautentikasi akses aman ke Hugging Face Hub menggunakan Token.
Mengunggah (Sharing) Model Weights, Konfigurasi, dan Tokenizer secara lengkap menggunakan fungsi push_to_hub melalui API.

🛠️ Cara Penggunaan

Anda dapat memuat model dan tokenizer ini secara langsung menggunakan library transformers:

python

from transformers import AutoModelForSequenceClassification, AutoTokenizer

# Nama repositori
repo_id = "Jooooy23/UTS"

# Memuat model
model = AutoModelForSequenceClassification.from_pretrained(repo_id)

# Memuat tokenizer (Kamus Bahasa)
tokenizer = AutoTokenizer.from_pretrained(repo_id)

print("Model dan Tokenizer berhasil dimuat dari Jooooy23/UTS!")
🧑‍💻 Penulis
Nama: Joy Eaudia

Institusi: Universitas Pelita Harapan (UPH)

Mata Kuliah: Pemrosesan Bahasa Alami / Deep Learning

Catatan: Model ini diunggah untuk tujuan demonstrasi akademis dan belum melalui tahap fine-tuning pada dataset spesifik.


---

### **C. Cara Menjelaskan Bagian Ini di Video (Narasi Skor 4)**

Saat kamu menunjukkan Model Card yang sudah rapi ini di video, gunakan narasi ini untuk menekankan pentingnya dokumentasi:

> "Langkah terakhir yang tidak kalah pentingnya adalah mengisi **Model Card** atau `README.md`. Model Card adalah wajah dari model kita. Di repositori `Jooooy23/UTS` ini, saya telah melengkapi dokumentasi dengan informasi yang jelas, mulai dari deskripsi model, tujuan unggahan untuk UTS di UPH, lisensi Apache-2.0, hingga contoh kode penggunaan yang praktis. Dengan adanya Model Card yang lengkap ini, saya memastikan bahwa model saya dapat dipahami dan digunakan kembali oleh komunitas secara terbuka dan bertanggung jawab, memenuhi prinsip kolaborasi riset yang baik."

---

### **Visual Checklist di Video:**
* **Screenshot Sebelum:** Tunjukkan repositori yang masih kosong halaman depannya.
* **Screenshot Sesudah:** Tunjukkan repositori yang sudah ada teks Markdown rapi (hasil *copy-paste* di atas).
* **Widget:** Tunjukkan kotak **"Hosted inference API"** di sisi kanan, lalu ketik kalimat contoh ("Saya senang belajar Deep Learning") dan klik "Compute". Ini bukti kalau Model Card kamu sudah terhubung dengan fungsionalitas web.

**Gimana Joy? Semua bahan dari cara 1, 2, 3, Tokenizer, hingga Model Card sudah lengkap 1