Mastering NLP with Hugging Face

Obra especializada de nivel avanzado escrita por Paulo H. Leocadio y publicada por BPB en 2026, centrada en la convergencia de modelos generativos, transformers y aprendizaje por refuerzo profundo dentro del ecosistema de Hugging Face en Python. Está pensada para ingenieros de inteligencia artificial, científicos de datos e investigadores con experiencia previa en deep learning, matemáticas aplicadas y PyTorch que desean ir más allá de los flujos analíticos convencionales de procesamiento del lenguaje natural.

El contenido aborda en profundidad la biblioteca Diffusers de Hugging Face adaptada a tareas lingüísticas, junto con las bibliotecas Transformers, Datasets y Accelerate. Enseña a implementar clasificación de texto mediante modelos de difusión, etiquetado de secuencias como Named Entity Recognition (NER) y etiquetado morfosintáctico (POS tagging), pipelines personalizados y schedulers de difusión, técnicas de transfer learning, métodos avanzados de inferencia y la integración de algoritmos de reinforcement learning como Deep Q-Networks (DQN con juegos de Atari), Asynchronous Advantage Actor-Critic (A3C con Gym-Retro) y la arquitectura AlphaZero.

A lo largo de sus capítulos se construyen clasificadores de texto y etiquetadores basados en difusión, pipelines de inferencia para producción y agentes autónomos de toma de decisiones entrenados en entornos de simulación y juegos. Su mayor valor reside en ofrecer una perspectiva poco habitual y vanguardista al cruzar difusión y aprendizaje por refuerzo en tareas de PLN; sin embargo, no es un libro introductorio, ya que pasa por alto los conceptos básicos del aprendizaje supervisado y da por sentado un dominio firme de PyTorch y arquitecturas neuronales.