پژوهش
هوش مصنوعی در حالتهای سرعت: بهینهسازی دقت بالا در BLOOM با Hugging Face
در این گزارش، تیمهای Open Source بهینهسازی سرور پیشبینی مدل BLOOM را انجام دادند؛ عملکرد 5 برابر سریعتر و 50 برابر قدرتمندتر بهدست آمد.
محصولات
AutoTrain: طبقهبندی تصویر بدون کدنویسی با هوش مصنوعی در Hugging Face
AutoTrain بر پایهی Hugging Face مدلهای تشخیص تصاویر را بدون کدنویسی آموزش میدهد و به کاربران اجازه میدهد با انتخاب خودکار مدل بهترین را انتخاب کنند. با بهرهگیری از AutoTrain میتوانید به سرعت مدلهایی با دقت بالا ایجاد کنید که در مسایل روزمره کاربردی هستند.
اخبار
هوش مصنوعی و اخلاق در هابرفیس: گامی به سوی شفافیت و بازسازی
هابرفیس با تمرکز بر اخلاق، شفافیت و بازسازی، اولین نشریهٔ اخلاق و جامعه در حوزهٔ هوش مصنوعی را معرفی کرده و راههای عملی برای توسعهٔ مسئولانهٔ مدلها را بررسی میکند.
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.
پژوهش
هوش مصنوعی باز و مسئولانه: چارچوبهای مجوز OpenRAIL برای مدلها و دادهها
OpenRAIL یک چارچوب مجوز هوش مصنوعی آزاد و مسئولانه است که امکان دسترسی آزاد به مدلها و دادهها را در عین تضمین استفاده اخلاقی فراهم میکند.
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.
پژوهش
پاسخ هوش مصنوعی در گامهای NAIRR: توسعهٔ باز و مسئولیتپذیر
Hugging Face در پاسخ به گزارش NAIRR، حمایت از دسترسی آزاد و مسئولانه به هوش مصنوعی را اعلام کرده؛ راهکارهای متنباز برای پیشرفت علمی را بررسی میکند.
پژوهش
مستندات صوتی و تصویری جدید در 🤗 Datasets: راهنمای جامع برای هوش مصنوعی
برای علاقهمندان به هوش مصنوعی، مطبوعات جدید Hugging Face در حوزه دادههای صوتی و تصویری معرفی شدهاند؛ راهنمای جامع و نمونه کد برای بارگذاری و پردازش این مجموعههای غنی.
پژوهش
هوش مصنوعی: گسترش الگوریتم گریدینت سیاست با PyTorch بر روی پلتفرم Hugging Face
در این مقاله به بررسی کاربرد Policy Gradient در PyTorch میپردازیم، این مسیر یادگیری تقویتی را در چارچوب تجاری و متن باز Hugging Face معرفی میکنیم و نکات عملی و کلیدی را برای توسعهگران بیان میکنیم.