پژوهش
هوش مصنوعی در بزرگ‌سازی مدل: بهره‌برداری از DeepSpeed و Accelerate
در این مقاله به بررسی نحوه استفاده از کتابخانه Accelerate در درک مدل‌های بزرگ با DeepSpeed و جلوگیری از خطای حافظه پرداخته می‌شود. راهنمایی عملی و نکات کلیدی برای مهندسان هوش مصنوعی!
پژوهش
هوش مصنوعی: تولید embedding به بردارهای معنایی ساده
در این مقاله، قدم‌های اولیه برای ایجاد و استفاده از embeddings در هوش مصنوعی بررسی می‌شود؛ از دادهٔ ساخت، میزبانی رایگان در هاب، تا یافتن مشابه‌ترین اسناد.
پژوهش
هوش مصنوعی در عمل: چگونگی تبدیل ترانسفورمرها به ONNX با Optimum
با راهنمایی جامع از Hugging Face Optimum، این مقاله به بررسی چگونگی تبدیل مدل‌های ترانسفورمر به فرمت ONNX می‌پردازد؛ نکات کلیدی، مزایا و دستورات عملی را برای پیاده‌سازی سریع و بهینه در محیط‌های تولیدی معرفی می‌کند.
پژوهش
هوش مصنوعی: تکامل با مدل‌های عظیم و آینده‌ی نوین
مقاله‌ای جامع دربارهٔ نقش مدل‌های بزرگ در تحول هوش مصنوعی، عملکردشان و چشم‌اندازهای آینده، با تمرکز بر پیشرفت‌ها و چالش‌های تکنولوژیک.
پژوهش
هوش مصنوعی: ۱۰ نکته کلیدی برای دیپلوی مودهای زبان در سازمان‌ها
در این مقاله، بهترین روش‌های دیپلوی مدل زبان توسط OpenAI، Cohere و AI21 Labs را مرور می‌کنیم و نکاتی کاربردی برای تیم‌های فناوری فراهم می‌کنیم.
مدل‌ها
ساده‌سازی هوش مصنوعی در سلامت: Sempre Health و برنامه Expert Acceleration
در این مقاله به بررسی چگونگی استفاده از برنامه Expert Acceleration توسط استارتاپ Sempre Health برای تسریع در مسیر یادگیری ماشین می‌پردازیم و تأثیر آن بر کسبوکارهای سلامت را بررسی می‌کنیم.
پژوهش
هوش مصنوعی و یادگیری تقویتی: مقدمه‌ای بر Q‑Learning در Hugging Face
به‌روزترین مقالهٔ معرفی Q‑Learning در کلاس یادگیری تقویتی هوش مصنوعی توسط Hugging Face را بخوانید و مفاهیم کارآیی، بلمان و فرایندهای مونت‌کارلو را تسلط پیدا کنید.
محصولات
Gradio 3.0 رونمایی شد: تجربه جدید هوش مصنوعی با کارایی بالا
نسخه‌ای دوباره طراحی‌شده از کتابخانهٔ Gradio با سرعت بالاتر و payload کوچک‌تر، فرصت‌های جدیدی برای توسعه‌دهندگان هوش مصنوعی ایجاد می‌کند. در این مقاله، ویژگی‌های کلیدی 3.0 را بررسی می‌کنیم.
پژوهش
هوش مصنوعی سریع‌تر؛ Optimum و Pipelineهای Transformers با ONNX
در این مقاله، بررسی می‌شود چطور با Optimum و ONNX Runtime می‌توان اجرای مدل‌های Transformer را تسریع کرد؛ تبدیل، بهینه‌سازی، فشرده‌سازی و بررسی عملکرد.
پژوهش
هوش مصنوعی: هافینگ فیس جمع‌آوری ۱۰۰ میلیون دلار برای توسعهٔ باز مشارکتی
هستیم، هافینگ فیس با جمع‌آوری ۱۰۰ میلیون دلار سرمایه‌گذاری فاز سی، مسیر هوش مصنوعی را به‌صورت باز و مشارکتی پیش می‌برد. مقاله این اثر و چشم‌اندازها را بررسی می‌کند.