آموزش Vision Transformers بر روی Graphcore: آموزش سریع مدل های پزشکی با هوش مصنوعی در این مقاله بررسی می‌کنیم چطور می‌توان با استفاده از کتابخانهٔ Hugging Face Optimum و پردازندهٔ Graphcore IPU، مدل Vision Transformer را بر روی داده‌های رادیولوژیکی تنظیم کرد و سرعت و کارایی بالایی بدست آورد. ۲۷ مرداد ۱۴۰۱ ۲ دقیقه پژوهش هوش مصنوعی در هکینگ فیس: فلسفه TensorFlow و امکانات آینده هکینگ فیس با فلسفهٔ TensorFlow، مدل‌ها و توابع پیش‌فرض، امکانات هم‌زمانی با Keras، XLA، و نگرانی برای انتشار جامعهی آزاد، پیشرفت در هوش مصنوعی را سرعت می‌دهد. ۲۱ مرداد ۱۴۰۱ ۲ دقیقه محصولات Skops: فریم‌ورک جدید هاجینگ فیس برای میزبانی مدل‌های scikit-learn کتابخانه Skops را معرفی می‌کنیم؛ فریم‌ورک جدید هاجینگ فیس برای میزبانی مدل‌های scikit-learn که با قابلیت کاربری آسان، مستندسازی مدل، و هم‌کاری تیمی، می‌تواند نحوه‌ی استفاده از یادگیری ماشین را به‌طور کاملاً باز و قابل اطمینان تغییر دهد. ۲۱ مرداد ۱۴۰۱ ۲ دقیقه محصولات استقرار هوش مصنوعی: مدل Vision Transformer پیشرفته در Kubernetes این مقاله نحوه استقرار مدل Vision Transformer (ViT) با هوش مصنوعی در کلاستر Kubernetes و TensorFlow Serving را به‌صورت گام به گام توضیح می‌دهد. ۲۰ مرداد ۱۴۰۱ ۲ دقیقه محصولات OpenAI ابزار نوین فیلترینگ محتوا برای توسعه‌دهندگان و هوش مصنوعی OpenAI با ابزار Moderation Endpoint جدید، فیلترینگ محتوا را بهینه‌تر کرده و به‌صورت رایگان برای توسعه‌دهندگان در دسترس قرار داد. این سرویس، با استفاده از مدل‌های پیشرفته هوش مصنوعی، دقیق‌تر عمل می‌کند. ۱۹ مرداد ۱۴۰۱ ۲ دقیقه مدل‌ها هوش مصنوعی: چگونه مدل‌های Sentence Transformer را آموزش و بهینه‌سازی کنیم مقاله‌ای جامع درباره آموزش و بهینه‌سازی مدل‌های Sentence Transformer، نکات کلیدی، راهنمای عملی و روش‌های انتقال دانش مدل به محیط‌های تولیدی در حوزه هوش مصنوعی. ۱۹ مرداد ۱۴۰۱ ۲ دقیقه پژوهش هوش مصنوعی: نیستروفرمری که زمان و حافظه ترنسفورمرها را کاهش می‌دهد روش نیستروفرمری با بهره‌گیری از تکنیک نیسترو، خود‑توجه در ترنسفورمرها را به صورت خطی ساختن می‌کند؛ کارایی آن در NLP و CV موثر است. ۱۱ مرداد ۱۴۰۱ ۲ دقیقه پژوهش هوش مصنوعی: آموزش کارآمد مدل زبان برای پر کردن بخش متوسط متن خلاصه‌ای از چگونگی آموزش مدل‌های زبان گسترش یافته برای پرکردن بخش وسط متن با استفاده از روش‌های جدید و بهینه، چشم‌اندازهای امکان‌پذیر در حوزه هوش مصنوعی را می‌پیش‌بینی می‌کند. ۶ مرداد ۱۴۰۱ ۲ دقیقه پژوهش هوش مصنوعی با TensorFlow و XLA: تولید متن ۱۰۰ برابر سریعتر در این مقاله، روش تولید متن پیشرفته با ترکیب TensorFlow و XLA بررسی می‌شود؛ این تکنولوژی سرعت را تا ۱۰۰× افزایش داده و حتی از پایتورچ پیشی می‌گیرد، با امکان دسترسی وسیع و بهره‌برداری سریع‌تر مدل‌های زبانی. ۵ مرداد ۱۴۰۱ ۲ دقیقه پژوهش هوش مصنوعی: فریم‌ورک نوین تحلیل خطر در کد‌سازی با مدل‌های بزرگ زبان فریم‌ورک جدید تحلیل خطر برای مدلسازی کد توسط مدل‌های زبان بزرگ را معرفی می‌کند. این مطالعه به شناسایی ریسک‌های امنیتی و کیفیت کد خودکار می‌پردازد. ۳ مرداد ۱۴۰۱ ۲ دقیقه