مدل‌ها مقدمه عملی: آموزش مبتنی بر Transformer برای تصمیم‌گیری در هوش مصنوعی در این مطلب به‌صورت گام به گام با نحوهٔ آموزش اولین مدل Decision Transformer در محیط گوگل کولاب آشنا می‌شویم و چگونگی استفاده از آن در مسائل تصمیم‌گیری را بررسی می‌کنیم. ۱۷ شهریور ۱۴۰۱ ۲ دقیقه پژوهش آموزش مدل زبانی با Megatron‑LM: راهکار سریع برای هوش مصنوعی در GPU می‌توانید با استفاده از چارچوب Megatron‑LM به راحتی مدل‌های زبانی بزرگ را روی چندین GPU آموزش دهید و بهره‌وری را به حداکثر برسانید. ۱۶ شهریور ۱۴۰۱ ۲ دقیقه پژوهش پیش‌آموزش BERT با Hugging Face و Habana Gaudi در حوزه هوش مصنوعی در این مقاله، چگونگی پیش‌آموزش مدل BERT‑Base به‌صورت کامل از صفر با استفاده از کتابخانه‌های Hugging Face Transformers، Optimum Habana و Datasets بر روی سرور Habana Gaudi توضیح داده می‌شود. ۳۱ مرداد ۱۴۰۱ ۲ دقیقه 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 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: 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 در عمل: Advantage Actor Critic (A2C) و کاربردهایش مزیت A2C در هوش مصنوعی: یادگیری تقویتی با کاهش واریانس، بهبود عملکرد رباتیک در PyBullet، آموزش عملی، بهینه‌سازی مدل و کاهش هزینه اجرا و بازدهی بیشتر. ۳۱ تیر ۱۴۰۱ ۲ دقیقه پژوهش هوش مصنوعی در مقابل حملات: آموزش مدل با داده‌های تهاجمی در MNIST در این مقاله به بررسی روش آموزش پویا با استفاده از داده‌های تهاجمی پرداخته می‌شود؛ چگونه می‌توانید با ایجاد نمونه‌های فریبنده مدل MNIST خود را تقویت کنید و از مزایای معیارهای دینامیک بهره‌مند شوید. ۲۵ تیر ۱۴۰۱ ۲ دقیقه پژوهش چگونه مدل 176B پارامتر BLOOM با استفاده از تکنیک‌های پیشرفته آموزش یافت BLOOM، مدل زبان ۱۷۶ میلیارد پارامتر، با ترکیبی از معماری Megatron‑DeepSpeed و تکنیک‌های دروازه داده‌ای، توزیعی و حافظه‑بهینه آموزش یافت؛ دقت و سرعت حداکثری را در محیط‌های منابع محدود ارائه می‌دهد. ۲۳ تیر ۱۴۰۱ ۲ دقیقه پژوهش DALL·E 2: چگونه هوش مصنوعی محدودیت‌های محتوا را مدیریت می‌کند تا تصاویر امن تولید شود OpenAI با DALL·E 2 محدودیت‌های محتوا را با پیش‌آموزش و گارد‌رايل فعال می‌کند؛ مقاله ما روند‌های اصلاح محتوا را توضیح می‌دهد. ۷ تیر ۱۴۰۱ ۲ دقیقه