آموزش
سفیر دانشجو در Hugging Face: راهنمایی برای هوش مصنوعی و یادگیری ماشین
Hugging Face با برنامه سفیر دانشجو خود فرصت آموزشی، پژوهشی و شبکه‌سازی را برای جوانان علاقه‌مند به هوش مصنوعی و یادگیری ماشین فراهم کرده است.
کسب‌وکار
هوش مصنوعی در SaaS: چالش‌ها، فرصت‌ها و راهکارهای کلیدی به‌روز
در این بخش از سرگذشت مدیران مشاوره مشروط، در مورد تأثیر هوش مصنوعی بر SaaS، چالش‌های کلیدی، اشتباه‌های رایج در ادغام ML، و چشم‌انداز آینده بحث می‌شود.
مدل‌ها
لوئیس تانستال: از فیزیک نظریه تا رهبر در هوش مصنوعی و ترنسفورمر
لوئیس تانستال، متخصص ترنسفورمر، درباره‌ی مقیاس‌پذیری مدل‌های بزرگ، بهینه‌سازی تأخیر و نقش او در جامعه‌ی متن‌باز هوش مصنوعی توضیح به ویژه می‌دهد.
پژوهش
هوش مصنوعی مسئولانه – Margaret Mitchell دربارهٔ اخلاق، تعصب و تنوع در ML
Margaret Mitchell در 23 مارس 2022 دربارهٔ چکیدهٔ مسئولیت‌پرداخت در هوش مصنوعی و تأثیر تنوع در تیم‌های یادگیری ماشین صحبت می‌کند. مقاله شامل نکات اخلاقی، تعصب داده و راهکارهای پیشگیری است.
پژوهش
جنگ برف‌کیک: اولین محیط ML‑Agents برای یادگیری تقویتی در Unity
Hugging Face محیطی در Unity تحت نام Snowball Fight را معرفی کرده که با استفاده از ML‑Agents، امکان آزمایش مدل‌های یادگیری تقویتی در یک بازی ساده است.
پژوهش
هوش مصنوعی در عصر کد: چرا یادگیری ماشین به عنوان کد تبدیل شد
هوش مصنوعی در عصر کد: اهمیت متن‌باز، پیشرفت ترنسفورمر و تأثیراتشان بر کسب‌وکارها را بررسی می‌کنیم؛ این دیدار معماری و تحولات اخیر را به‌صورت جامع دربردارد.
محصولات
هوش مصنوعی به عمل: نمایش پروژه ML با Gradio در Spaces
در این مقاله، با گام به گام می‌گیرید چگونه می‌توانید مدل‌های یادگیری ماشین خود را در پلتفرم‌های Hugging Face Spaces به‌صورت تعاملی با Gradio آماده و به اشتراک بگذارید و به همهٔ جامعه علمی دنیای هوش مصنوعی دسترسی دهید.
مدل‌ها
تعریف قدرتمند هوش مصنوعی در Hugging Face Spaces با استریم‌لیت
در این مقاله به راهنمایی جامع برای میزبانی مدل‌ها و دیتاست‌ها در Hugging Face Spaces با استفاده از Streamlit می‌پردازیم. نکات کلیدی، کد نمونه و مفاهیم اساسی در چند خط توضیح داده می‌شود.
پژوهش
هوش مصنوعی در قالب Reptile: الگوریتم میکرو یادگیری ساده و مقیاس‌پذیر
Reptile یک الگوریتم مبتنی بر متا یادگیری است که با استفاده از گرادیان تصادفی و به‌روزرسانی پارامتر اولیه، عملکرد مشابه MAML را با کارایی بهبود یافته ارائه می‌دهد.