[PT] add 7 and 7.1

chapters/pt/_toctree.yml

@@ -56,3 +56,8 @@
     title: Hora de fatiar e dividir os dados
   - local: chapter5/4
     title: Big data? 🤗 Datasets ao resgate
+
+- title: 7. Principais tarefas NLP
+  sections:
+  - local: chapter7/1
+    title: Introdução

chapters/pt/chapter7/1.mdx

@@ -0,0 +1,33 @@
+<FrameworkSwitchCourse {fw} />
+
+# Introdução
+
+No [Capítulo 3](/course/chapter3), você viu como fazer o ajuste fino (fine-tune) de um modelo de classificação de texto. Neste capítulo, abordaremos as seguintes tarefas de NLP (também conhecido como PLN):
+
+- Classificação dos Tokens
+- Modelagem de linguagem mascarada (como BERT)
+- Sumarização 
+- Tradução
+- Modelagem de linguagem causal pré-treinamento (como GPT-2)
+- Responder perguntas
+
+{#if fw === 'pt'}
+
+Para fazer isso, terá de aproveitar tudo o que aprendeu sobre a API `Trainer` e a biblioteca 🤗 Accelerate no [Capítulo 3](/course/chapter3), a biblioteca 🤗 Datasets no [Capítulo 5](/course/chapter5), e a biblioteca 🤗 Tokenizers no [Capítulo 6](/course/chapter6). Também vamos fazer o upload dos nossos resultados para o Model Hub, assim como fizemos no [Capítulo 4](/course/chapter4), então realmente esse é o capítulo onde tudo se junta!
+
+Cada seção pode ser lida de forma independente e irá mostrar como treinar um modelo com a API `Trainer` ou com o seu próprio laço de treinamento, utilizando 🤗 Accelerate. Sinta-se à vontade para pular qualquer parte e se concentrar na que mais lhe interessa: a API `Trainer` é excelente para o ajuste fino ou para treinar o seu modelo sem se preocupar com o que se passa nos bastidores, enquanto que o laço de treinamento com `Accelerate` permite personalizar qualquer parte que queira com mais facilidade.
+
+{:else}
+
+Para fazer isso, terá de aproveitar tudo o que aprendeu sobre o treinamento de modelo com a API Keras no [Capítulo 3](/course/chapter3), a biblioteca 🤗 Datasets no [Capítulo 5](/course/chapter5), e a biblioteca 🤗 Tokenizers no [Capítulo 6](/course/chapter6). Também vamos fazer o upload dos nossos resultados para o Model Hub, assim como fizemos no [Capítulo 4](/course/chapter4), então realmente esse é o capítulo onde tudo se junta!
+
+Cada seção pode ser lida de forma independente.
+
+{/if}
+
+
+<Tip>
+
+Se ler as seções em sequência, notará que elas têm bastante código e texto em comum. Essa repetição é intencional para que possa mergulhar (ou voltar mais tarde) em qualquer tarefa que lhe interesse e encontrar um exemplo completo.
+
+</Tip>