Telugu translation for Chapter 3

chapters/te/_toctree.yml

@@ -26,4 +26,22 @@
       title: సారాంశం
     - local: chapter1/11
       title: పరీక్ష
-      quiz: 1
+      quiz: 1
+
+- title: 3. ముందుగా శిక్షణ పొందిన నమూనాను ఫైన్-ట్యూన్ చేయడం
+  sections:
+    - local: chapter3/1
+      title: పరిచయం
+    - local: chapter3/2
+      title: డేటాను ప్రాసెస్ చేయడం
+    - local: chapter3/3
+      title: Trainer API‌తో నమూనాను ఫైన్-ట్యూన్ చేయడం
+    - local: chapter3/4
+      title: పూర్తి ట్రైనింగ్ లూప్
+    - local: chapter3/5
+      title: లెర్నింగ్ కర్వ్‌లను అర్థం చేసుకోవడం
+    - local: chapter3/6
+      title: ఫైన్-ట్యూనింగ్, పూర్తైంది!
+    - local: chapter3/7
+      title: అధ్యాయం ముగింపు క్విజ్
+      quiz: 3

chapters/te/chapter3/1.mdx

@@ -0,0 +1,36 @@
+<FrameworkSwitchCourse {fw} />
+
+# పరిచయం[[introduction]]
+
+<CourseFloatingBanner
+ chapter={3}
+ classNames="absolute z-10 right-0 top-0"
+/>
+
+అధ్యాయం 2లో మనం టోకెనైజర్లు మరియు ముందే శిక్షణ పొందిన మోడళ్లను ఉపయోగించి ప్రిడిక్షన్లు ఎలా చేయాలో చూశాం. అయితే ఒక నిర్దిష్ట కార్యాన్ని పరిష్కరించడానికి ముందే శిక్షణ పొందిన మోడల్‌ను ఫైన్-ట్యూన్ చేయాలంటే? ఇదే ఈ అధ్యాయం యొక్క విషయం! మీరు నేర్చుకునే అంశాలు ఇవి:
+
+* Hugging Face Hub నుండి పెద్ద డేటాసెట్‌ను తాజా 🤗 Datasets ఫీచర్లతో ఎలా సిద్ధం చేసుకోవాలి
+* అధిక స్థాయి `Trainer` API ఉపయోగించి ఆధునిక ఉత్తమ పద్ధతులతో మోడల్‌ను ఎలా ఫైన్-ట్యూన్ చేయాలి
+* ఆప్టిమైజేషన్ టెక్నిక్‌లతో కస్టమ్ ట్రైనింగ్ లూప్‌ను ఎలా అమలు చేయాలి
+* ఏ రకమైన సెటప్‌లో అయినా డిస్ట్రిబ్యూటెడ్ ట్రైనింగ్ నిర్వహించడానికి 🤗 Accelerate లైబ్రరీని ఎలా ఉపయోగించాలి
+* ప్రస్తుతం ప్రాచుర్యంలో ఉన్న ఫైన్-ట్యూనింగ్ ఉత్తమ పద్ధతులను ఎలా అనుసరించాలి
+
+> [!TIP]
+> 📚 ప్రారంభించే ముందు 🤗 Datasets డాక్యుమెంటేషన్‌ను ఒకసారి చూడటం మంచిది: [https://huggingface.co/docs/datasets/](https://huggingface.co/docs/datasets/)
+
+ఈ అధ్యాయం, 🤗 Transformers‌తో పాటు Hugging Face యొక్క ఇతర ఉపయోగకరమైన లైబ్రరీలకు కూడా పరిచయం ఇస్తుంది! 🤗 Datasets, 🤗 Tokenizers, 🤗 Accelerate మరియు 🤗 Evaluate లాంటి లైబ్రరీలు కలిసి మోడల్ శిక్షణను మరింత సమర్థవంతం చేస్తాయి.
+
+ఈ అధ్యాయంలోని ప్రతి ముఖ్య విభాగం ఒక కొత్త నైపుణ్యాన్ని నేర్పుతుంది:
+
+* **సెక్షన్ 2**: ఆధునిక డేటా ప్రీప్రాసెసింగ్ మరియు సమర్థవంతమైన డేటాసెట్ నిర్వహణ
+* **సెక్షన్ 3**: Trainer API యొక్క శక్తివంతమైన ఫీచర్లలో నైపుణ్యం
+* **సెక్షన్ 4**: కస్టమ్ ట్రైనింగ్ లూప్ అమలు మరియు Accelerate ద్వారా డిస్ట్రిబ్యూటెడ్ ట్రైనింగ్
+
+ఈ అధ్యాయం పూర్తయ్యే సమయానికి, మీరు హై-లెవల్ APIలు మరియు కస్టమ్ ట్రైనింగ్ లూప్‌లను ఉపయోగించి మీ స్వంత డేటాసెట్‌లపై మోడళ్లను ఫైన్-ట్యూన్ చేయగలుగుతారు, అలాగే ప్రస్తుత ఉత్తమ పద్ధతులను అనుసరించగలుగుతారు.
+
+> [!TIP]
+> 🎯 ఈ అధ్యాయం ముగిసే సమయానికి మీరు BERT మోడల్‌ను టెక్స్ట్ క్లాసిఫికేషన్ కోసం ఫైన్-ట్యూన్ చేసి ఉంటారు మరియు ఈ పద్ధతులను మీ స్వంత డేటాసెట్‌లు మరియు పనులకు ఎలా అన్వయించాలో అర్థం చేసుకుంటారు.
+
+ఈ అధ్యాయం పూర్తిగా **PyTorch** ఆధారంగా ఉంటుంది — ఇది ఆధునిక డీప్ లెర్నింగ్ పరిశోధన మరియు ప్రొడక్షన్‌లో ప్రామాణిక ఫ్రేమ్‌వర్క్‌గా మారింది. Hugging Face ఎకోసిస్టమ్‌లోని తాజా APIలు మరియు ఉత్తమ పద్ధతులను మనం ఉపయోగిస్తాం.
+
+మీరు శిక్షణ పొందిన మీ మోడల్‌ను Hugging Face Hubలో అప్‌లోడ్ చేయాలంటే, మీకు ఒక Hugging Face ఖాతా అవసరం: [ఖాతా సృష్టించండి](https://huggingface.co/join)