اخبار
همکاری دیتابریکس و هاگینگ فیس: آموزش مدلهای هوش مصنوعی تا ۴۰٪ سریعتر
دیتابریکس با افزودن پشتیبانی درجهیک اسپارک به هاگینگ فیس، آموزش و تنظیم مدلهای زبانی هوش مصنوعی را تا ۴۰ درصد سریعتر کرده و کد آن را متنباز منتشر میکند.
آموزش
وبلاگ جدید هوش مصنوعی برای چینیها: همکاریمان در دنیای علمی
هَوکفِیفِی با راهاندازی وبلاگ مخصوص فارسیزبانان چینی، مجموعهای از مقالات، دورهها و منابع آموزشی را برای جامعه هوش مصنوعی چینی در دسترس قرار داد و امکان همکاری و یادگیری مشترک را تسهیل میکند.
پژوهش
هوش مصنوعی خصوصی: چگونه Substra با فدراسیون یادگیری را پیشبرد
Substra ابزار نوآورانهای برای ساخت هوش مصنوعی حریم خصوصی است که با همکاری Hugging Face از فدراسیون یادگیری بهره میبرد، آزادی پژوهشهای پزشکی را فراهم میکند.
کسبوکار
هوش مصنوعی در کسب‑وکار: همکارۍ Snorkel‑AI و Hugging Face برای مدل های ریشه ای
بهوسیله همکاری در زمینه مدلهای ریشهای، Snorkel AI و Hugging Face راهکارهای نوینی برای شرکتهای بزرگ پیشنهاد میکنند؛ چالشها، مزایا و راهکارهای انطباق.
کسبوکار
Fetch با هوش مصنوعی، تولید رسیدها را ۳۰٪ سریعتر کرد
شرکت Fetch با همکاری Hugging Face و AWS، ابزارهای هوش مصنوعی خود را پیادهسازی کرد و زمان توسعه را بهطور قابلملاحظه ۳۰٪ کاهش داد؛ تعهدی برای دسترسیپذیری و ارتقاء تجربه کاربر است.
کسبوکار
همراهی هوش مصنوعی: همکاریت جدید هِفینگ فِیس و آمازون برای دسترسی آسان
همکاری هِفینگ فِیس و آمازون وبسرویس برای توسعه و شفافسازی مدلهای هوش مصنوعی؛ اطمینان از دسترسی سریع، مقرونبهصرفه و قانونی برای توسعهدهندگان.
پژوهش
هوش مصنوعی در نتایج: هابینگ فیس و arXiv در نمایشدعمکدهای متنبهعکس
همکاری Hugging Face و arXiv برای نمایشدموهای مبتنی بر مدلهای متنبهعکس را معرفی میکند؛ کاربران میتوانند با یک کلیک به دموهای نمونه دسترسی پیدا کنند و سریعاً تعامل کنند.
مدلها
همکاری هوش مصنوعی: اجرای Stable Diffusion با JAX/Flax بر روی TPU
در این مقاله به بررسی راهاندازی نسخهای از مدل Stable Diffusion با JAX/Flax، استفاده از TPU برای تعلیق سریع و نکات عملی برای توسعهدهندگان عزیز میپردازیم.
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.