اخبار
هوش مصنوعی: نسخه بهروز مدلهای Diffusion و رویداد زنده ۳۰ نوامبر
در این مقاله بهروزرسانیهای اخیر مدلهای Diffusion و برگزاری رویداد زنده Hugging Face در حوزهٔ هوش مصنوعی را برمیگردانیم. فهرست محاور، سخنرانان و امکانات آموزشی ارائه میشود.
پژوهش
هوش مصنوعی در تحول دیجیتال: دیدگاههای دستیار در قسمت چهارم
در این مقاله به بررسی تأثیرات مثبت هوش مصنوعی بر حوزههای تجارت الکترونیک، مهندسی، آموزش و SaaS میپردازیم و بر چالشها و چشماندازهای آینده تمرکز میکنیم.
مدلها
هوش مصنوعی در راهحلهای استنتاج: دیدگاههای Hugging Face و ادغام مدلها
این مقاله بهروز رسانیهای Hugging Face درباره راهحلهای استنتاج پیشرفته، ابزارها و قابلیتهای رایگان CPU، و ادغام مدلهای زبانی را بررسی میکند.
کسبوکار
هوش مصنوعی در اسناد: چگونه شرکتها با مدلهای متنباز، دادهپذیر میشوند
در این مقاله، به بررسی راهحلهای مبتنی بر هوش مصنوعی برای استخراج و ساختاردهی اطلاعات از اسناد سنتی میپردازیم. از مدلهای متنباز و تکنیکهای جدید ریزپردازشی تا چالشهای عملی شرکتها.
پژوهش
هوش مصنوعی و تحلیل احساسات بر روی داده رمزنگاریشده با Homomorphic
در این مقاله بهکاربرد تحلیل احساسی بر روی متنهای رمزنگاریشده با تکنیک Homomorphic Encryption میپردازیم و در ابزار Concrete‑ML راهحلی عملی ارائه میکنیم.
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.
پژوهش
هوش مصنوعی در Hugging Face: جایگزین جدید برای قیمتگذاری و امکانات اینکشاف
Hugging Face با معرفی طرح قیمتگذاری جدید، API درایج و امکانات فضاهای ابری را برای شرکتها بهروزرسانی کرده و به سوی هوش مصنوعی دموکراسیسازی پیش میرود.
پژوهش
هوش مصنوعی: با روش Contrastive Search، متنهای انسانی تولید کنیم
در این مقاله به بررسی روش Contrastive Search در تولید متن انسانی میپردازیم؛ کاربرد آن در مدلهای زبانی و دسترسی از طریق Hugging Face را به صورت کامل میفهمید.
پژوهش
بهروزرسانی در آموزش Stable Diffusion با Dreambooth: راهنمای هوش مصنوعی 2023
در این مقاله، راهنمایی جدید برای آموزش Stable Diffusion با Dreambooth در محیط Diffusers بررسی میشود؛ نکات بهینهسازی، نرخ یادگیری، و تکنیکهای جلوگیری از overfitting را پوشش میدهد.