Buckets:

download
raw
24 kB
<meta charset="utf-8" /><meta name="hf:doc:metadata" content="{&quot;title&quot;:&quot;رویداد انتشار بخش ۲&quot;,&quot;local&quot;:&quot;part-2-release-event&quot;,&quot;sections&quot;:[{&quot;title&quot;:&quot;روز ۱: نگاهی سطح‌بالا به ترنسفورمرها و روش تعلیم آن‌ها&quot;,&quot;local&quot;:&quot;day-1-a-high-level-view-of-transformers-and-how-to-train-them&quot;,&quot;sections&quot;:[],&quot;depth&quot;:2},{&quot;title&quot;:&quot;روز ۲: ابزارهای مورد استفاده&quot;,&quot;local&quot;:&quot;day-2-the-tools-to-use&quot;,&quot;sections&quot;:[],&quot;depth&quot;:2}],&quot;depth&quot;:1}"/>
<link href="/docs/course/pr_1364/fa/_app/immutable/entry/start.CqZXmSrv.js" rel="modulepreload">
<link href="/docs/course/pr_1364/fa/_app/immutable/chunks/oyrVqMhC.js" rel="modulepreload">
<link href="/docs/course/pr_1364/fa/_app/immutable/chunks/B3UUDp28.js" rel="modulepreload">
<link href="/docs/course/pr_1364/fa/_app/immutable/entry/app.B4UvgX5H.js" rel="modulepreload">
<link href="/docs/course/pr_1364/fa/_app/immutable/chunks/BioDZtGL.js" rel="modulepreload">
<link href="/docs/course/pr_1364/fa/_app/immutable/chunks/NIl2lQjl.js" rel="modulepreload">
<link href="/docs/course/pr_1364/fa/_app/immutable/chunks/DN6uzRQe.js" rel="modulepreload">
<link href="/docs/course/pr_1364/fa/_app/immutable/chunks/DsnmJJEf.js" rel="modulepreload">
<link href="/docs/course/pr_1364/fa/_app/immutable/nodes/0.DcFj1eGj.js" rel="modulepreload">
<link href="/docs/course/pr_1364/fa/_app/immutable/chunks/u5kFQ1Zb.js" rel="modulepreload">
<link href="/docs/course/pr_1364/fa/_app/immutable/nodes/105.B4sysAHz.js" rel="modulepreload">
<link href="/docs/course/pr_1364/fa/_app/immutable/chunks/BjCHz3cj.js" rel="modulepreload">
<!--ijlbpx--><meta name="hf:doc:metadata" content="{&quot;title&quot;:&quot;رویداد انتشار بخش ۲&quot;,&quot;local&quot;:&quot;part-2-release-event&quot;,&quot;sections&quot;:[{&quot;title&quot;:&quot;روز ۱: نگاهی سطح‌بالا به ترنسفورمرها و روش تعلیم آن‌ها&quot;,&quot;local&quot;:&quot;day-1-a-high-level-view-of-transformers-and-how-to-train-them&quot;,&quot;sections&quot;:[],&quot;depth&quot;:2},{&quot;title&quot;:&quot;روز ۲: ابزارهای مورد استفاده&quot;,&quot;local&quot;:&quot;day-2-the-tools-to-use&quot;,&quot;sections&quot;:[],&quot;depth&quot;:2}],&quot;depth&quot;:1}"/><!---->
<link href="/docs/course/pr_1364/fa/_app/immutable/assets/0.tn0RQdqM.css" rel="modulepreload"> <!--[--><!--[0--><!--[--><!--[0--><!--[--><p></p> <div class="items-center shrink-0 min-w-[100px] max-sm:min-w-[50px] justify-end ml-auto flex" style="float: right; margin-left: 10px; display: inline-flex; position: relative; z-index: 10;"><div class="inline-flex rounded-md max-sm:rounded-sm"><button class="inline-flex items-center gap-1 h-7 max-sm:h-7 px-2 max-sm:px-1.5 text-sm font-medium text-gray-800 border border-r-0 rounded-l-md max-sm:rounded-l-sm border-gray-200 bg-white hover:shadow-inner dark:border-gray-850 dark:bg-gray-950 dark:text-gray-200 dark:hover:bg-gray-800" aria-live="polite"><span class="inline-flex items-center justify-center rounded-md p-0.5 max-sm:p-0 hover:text-gray-800 dark:hover:text-gray-200"><svg class="sm:size-3.5 size-3" xmlns="http://www.w3.org/2000/svg" aria-hidden="true" fill="currentColor" focusable="false" role="img" width="1em" height="1em" preserveAspectRatio="xMidYMid meet" viewBox="0 0 32 32"><path d="M28,10V28H10V10H28m0-2H10a2,2,0,0,0-2,2V28a2,2,0,0,0,2,2H28a2,2,0,0,0,2-2V10a2,2,0,0,0-2-2Z" transform="translate(0)"></path><path d="M4,18H2V4A2,2,0,0,1,4,2H18V4H4Z" transform="translate(0)"></path><rect fill="none" width="32" height="32"></rect></svg><!----></span> <span>Copy page</span></button> <button class="inline-flex items-center justify-center w-6 max-sm:w-5 h-7 max-sm:h-7 disabled:pointer-events-none text-sm text-gray-500 hover:text-gray-700 dark:hover:text-white rounded-r-md max-sm:rounded-r-sm border border-l transition border-gray-200 bg-white hover:shadow-inner dark:border-gray-850 dark:bg-gray-950 dark:text-gray-200 dark:hover:bg-gray-800" aria-haspopup="menu" aria-expanded="false" aria-label="Open copy menu"><svg class="transition-transform text-gray-400 overflow-visible sm:size-3.5 size-3 rotate-0" width="1em" height="1em" viewBox="0 0 12 7" fill="none" xmlns="http://www.w3.org/2000/svg"><path d="M1 1L6 6L11 1" stroke="currentColor"></path></svg><!----></button></div> <!--[-1--><!--]--></div><!----> <!--[0--><h1 class="relative group"><a id="part-2-release-event" class="header-link block pr-1.5 text-lg no-hover:hidden with-hover:absolute with-hover:p-1.5 with-hover:opacity-0 with-hover:group-hover:opacity-100 with-hover:right-full" href="#part-2-release-event"><span><svg xmlns="http://www.w3.org/2000/svg" xmlns:xlink="http://www.w3.org/1999/xlink" aria-hidden="true" role="img" width="1em" height="1em" preserveAspectRatio="xMidYMid meet" viewBox="0 0 256 256"><path d="M167.594 88.393a8.001 8.001 0 0 1 0 11.314l-67.882 67.882a8 8 0 1 1-11.314-11.315l67.882-67.881a8.003 8.003 0 0 1 11.314 0zm-28.287 84.86l-28.284 28.284a40 40 0 0 1-56.567-56.567l28.284-28.284a8 8 0 0 0-11.315-11.315l-28.284 28.284a56 56 0 0 0 79.196 79.197l28.285-28.285a8 8 0 1 0-11.315-11.314zM212.852 43.14a56.002 56.002 0 0 0-79.196 0l-28.284 28.284a8 8 0 1 0 11.314 11.314l28.284-28.284a40 40 0 0 1 56.568 56.567l-28.285 28.285a8 8 0 0 0 11.315 11.314l28.284-28.284a56.065 56.065 0 0 0 0-79.196z" fill="currentColor"></path></svg><!----></span></a> <span>رویداد انتشار بخش ۲</span></h1><!--]--><!----> <div dir="rtl"><p>برای انتشار بخش ۲ دوره، یک رویداد زنده با دو روز سخنرانی پیش از یک دوره‌ی فشرده‌ی کوک کردن برگزار کردیم. اگر آن را از دست داده‌اید، می‌توانید سخنرانی‌ها را که همگی در زیر فهرست شده‌اند تماشا کنید!</p> <!--[1--><h2 class="relative group"><a id="day-1-a-high-level-view-of-transformers-and-how-to-train-them" class="header-link block pr-1.5 text-lg no-hover:hidden with-hover:absolute with-hover:p-1.5 with-hover:opacity-0 with-hover:group-hover:opacity-100 with-hover:right-full" href="#day-1-a-high-level-view-of-transformers-and-how-to-train-them"><span><svg xmlns="http://www.w3.org/2000/svg" xmlns:xlink="http://www.w3.org/1999/xlink" aria-hidden="true" role="img" width="1em" height="1em" preserveAspectRatio="xMidYMid meet" viewBox="0 0 256 256"><path d="M167.594 88.393a8.001 8.001 0 0 1 0 11.314l-67.882 67.882a8 8 0 1 1-11.314-11.315l67.882-67.881a8.003 8.003 0 0 1 11.314 0zm-28.287 84.86l-28.284 28.284a40 40 0 0 1-56.567-56.567l28.284-28.284a8 8 0 0 0-11.315-11.315l-28.284 28.284a56 56 0 0 0 79.196 79.197l28.285-28.285a8 8 0 1 0-11.315-11.314zM212.852 43.14a56.002 56.002 0 0 0-79.196 0l-28.284 28.284a8 8 0 1 0 11.314 11.314l28.284-28.284a40 40 0 0 1 56.568 56.567l-28.285 28.285a8 8 0 0 0 11.315 11.314l28.284-28.284a56.065 56.065 0 0 0 0-79.196z" fill="currentColor"></path></svg><!----></span></a> <span>روز ۱: نگاهی سطح‌بالا به ترنسفورمرها و روش تعلیم آن‌ها</span></h2><!--]--><!----> <p><strong>Thomas Wolf:</strong> <em>یادگیری انتقالی و تولد کتابخانه‌ی ترنسفورمرها</em></p> <div class="flex justify-center"><youtube id="wCYVeahJES0"></youtube></div> <p align="center"><img src="https://i.imgur.com/9eq8oUi.png" alt="خلاصه‌ای تصویری از سخنرانی Thom" width="80%"/></p> <p>Thomas Wolf هم‌بنیان‌گذار و مدیر ارشد علمی هاگینگ‌فِیس است. ابزارهایی که Thomas Wolf و تیم هاگینگ‌فِیس ساخته‌اند، در بیش از ۵۰۰۰ سازمان پژوهشی، از جمله Facebook Artificial Intelligence Research، Google Research، DeepMind، Amazon Research، Apple، Allen Institute for Artificial Intelligence و بیشتر گروه‌های دانشگاهی استفاده می‌شوند. Thomas Wolf آغازگر و رئیس ارشد بزرگ‌ترین همکاری پژوهشی تاریخ هوش مصنوعی، یعنی <a href="https://bigscience.huggingface.co" rel="nofollow">«BigScience»</a>، و مجموعه‌ای از <a href="https://github.com/huggingface/" rel="nofollow">کتابخانه‌ها و ابزارهای پرکاربرد</a> است. Thomas Wolf همچنین آموزگاری پرکار، یکی از چهره‌های اثرگذار حوزه‌ی هوش مصنوعی و پردازش زبان طبیعی و سخنران مهمان همیشگی کنفرانس‌های سراسر جهان است: <a href="https://thomwolf.io" rel="nofollow">https://thomwolf.io</a>.</p> <p><strong>Jay Alammar:</strong> <em>مقدمه‌ای تصویری و ساده بر مدل‌های ترنسفورمر</em></p> <div class="flex justify-center"><youtube id="VzvG23gmcYU"></youtube></div> <p align="center"><img src="https://i.imgur.com/rOZAuE9.png" alt="خلاصه‌ای تصویری از سخنرانی Jay" width="80%"/></p> <p>Jay از طریق وبلاگ محبوب ML خود به میلیون‌ها پژوهشگر و مهندس کمک کرده است ابزارها و مفاهیم یادگیری ماشین را به‌صورت تصویری درک کنند؛ از مباحث پایه (که به مستندات NumPy و Pandas می‌رسند) تا مباحث پیشرفته (ترنسفورمرها، BERT و GPT-3).</p> <p><strong>Margaret Mitchell:</strong> <em>درباره‌ی ارزش‌ها در توسعه‌ی ML</em></p> <div class="flex justify-center"><youtube id="8j9HRMjh_s8"></youtube></div> <p align="center"><img src="https://i.imgur.com/NuIsnY3.png" alt="خلاصه‌ای تصویری از سخنرانی Margaret" width="80%"/></p> <p>Margaret Mitchell پژوهشگری در حوزه‌ی هوش مصنوعی اخلاقی است و اکنون بر جزئیات توسعه‌ی هوش مصنوعی مبتنی بر اخلاق در فناوری تمرکز دارد. او بیش از ۵۰ مقاله در زمینه‌ی تولید زبان طبیعی، فناوری‌های کمکی، بینایی ماشین و اخلاق هوش مصنوعی منتشر کرده و چندین اختراع در حوزه‌های تولید گفت‌وگو و دسته‌بندی احساسات دارد. او پیش‌تر در Google AI به‌عنوان پژوهشگر ارشد علمی کار می‌کرد و گروه هوش مصنوعی اخلاقی گوگل را بنیان گذاشت و همراهی کرد؛ این گروه بر پژوهش‌های بنیادی اخلاق هوش مصنوعی و عملیاتی کردن اخلاق هوش مصنوعی در داخل گوگل تمرکز داشت. پیش از پیوستن به گوگل، پژوهشگر Microsoft Research بود و بر تولید زبان از بینایی ماشین تمرکز داشت؛ همچنین در Johns Hopkins دوره‌ی پسادکتری خود را با تمرکز بر مدل‌سازی بیزی و استخراج اطلاعات گذراند. او دکترای علوم کامپیوتر را از دانشگاه Aberdeen و کارشناسی ارشد زبان‌شناسی محاسباتی را از دانشگاه Washington دریافت کرده است. هنگام تحصیل، از سال ۲۰۰۵ تا ۲۰۱۲ در Oregon Health and Science University روی یادگیری ماشین، اختلال‌های عصبی و فناوری کمکی نیز کار کرد. او چندین کارگاه و ابتکار را در تقاطع تنوع، فراگیری، علوم کامپیوتر و اخلاق هدایت کرده است. آثارش از Secretary of Defense Ash Carter و American Foundation for the Blind جایزه گرفته و توسط چندین شرکت فناوری به کار گرفته شده‌اند. او به باغبانی، سگ‌ها و گربه‌ها علاقه دارد.</p> <p><strong>Matthew Watson و Chen Qian:</strong> <em>گردش‌کارهای NLP با Keras</em></p> <div class="flex justify-center"><youtube id="gZIP-_2XYMM"></youtube></div> <p align="center"><img src="https://i.imgur.com/1vD2az8.png" alt="خلاصه‌ای تصویری از سخنرانی Matt و Chen" width="80%"/></p> <p>Matthew Watson مهندس یادگیری ماشین در تیم Keras است و بر APIهای مدل‌سازی سطح‌بالا تمرکز دارد. او در دوره‌ی کارشناسی و کارشناسی ارشد خود در دانشگاه Stanford گرافیک کامپیوتری خوانده است. او که تقریباً در ابتدا دانشجوی زبان انگلیسی بود و سپس به علوم کامپیوتر روی آورد، به کار میان‌رشته‌ای و دسترس‌پذیر کردن NLP برای مخاطبان گسترده‌تر علاقه‌مند است.</p> <p>Chen Qian مهندس نرم‌افزار تیم Keras است و بر APIهای مدل‌سازی سطح‌بالا تمرکز دارد. Chen مدرک کارشناسی ارشد مهندسی برق را از دانشگاه Stanford گرفته و به ساده‌سازی پیاده‌سازی کد وظایف ML و ML در مقیاس بزرگ علاقه‌مند است.</p> <p><strong>Mark Saroufim:</strong> <em>چگونه با Pytorch یک مدل تعلیم دهیم</em></p> <div class="flex justify-center"><youtube id="KmvPlW2cbIo"></youtube></div> <p align="center"><img src="https://i.imgur.com/TPmlkm8.png" alt="خلاصه‌ای تصویری از سخنرانی Mark" width="80%"/></p> <p>Mark Saroufim مهندس شریک در Pytorch است و روی ابزارهای تولیدی متن‌باز، از جمله TorchServe و Pytorch Enterprise، کار می‌کند. Mark در زندگی‌های حرفه‌ای پیشین خود دانشمند کاربردی و مدیر محصول در Graphcore، <a href="http://yuri.ai/" rel="nofollow">yuri.ai</a>، Microsoft و آزمایشگاه JPL ناسا بوده است. علاقه‌ی اصلی او این است که برنامه‌نویسی را سرگرم‌کننده‌تر کند.</p> <p><strong>Jakob Uszkoreit:</strong> <em>اگر خراب نیست <del>تعمیرش نکنید</del> آن را بشکنید</em></p> <div class="flex justify-center"><youtube id="C6jweXYFHSA"></youtube></div> <p align="center"><img src="https://i.imgur.com/5dWQeNB.png" alt="خلاصه‌ای تصویری از سخنرانی Jakob" width="80%"/></p> <p>Jakob Uszkoreit هم‌بنیان‌گذار Inceptive است. Inceptive مولکول‌های RNA را برای واکسن‌ها و درمان‌ها طراحی می‌کند و از یادگیری عمیق در مقیاس بزرگ، در حلقه‌ای فشرده با آزمایش‌های پربازده، استفاده می‌کند تا داروهای مبتنی بر RNA را دسترس‌پذیرتر، مؤثرتر و کاربردی‌تر کند. Jakob پیش‌تر بیش از یک دهه در گوگل کار کرده و در تیم‌های پژوهش و توسعه‌ی Google Brain، Research و Search، روی مبانی یادگیری عمیق، بینایی ماشین، درک زبان و ترجمه‌ی ماشینی رهبری می‌کرد.</p> <!--[1--><h2 class="relative group"><a id="day-2-the-tools-to-use" class="header-link block pr-1.5 text-lg no-hover:hidden with-hover:absolute with-hover:p-1.5 with-hover:opacity-0 with-hover:group-hover:opacity-100 with-hover:right-full" href="#day-2-the-tools-to-use"><span><svg xmlns="http://www.w3.org/2000/svg" xmlns:xlink="http://www.w3.org/1999/xlink" aria-hidden="true" role="img" width="1em" height="1em" preserveAspectRatio="xMidYMid meet" viewBox="0 0 256 256"><path d="M167.594 88.393a8.001 8.001 0 0 1 0 11.314l-67.882 67.882a8 8 0 1 1-11.314-11.315l67.882-67.881a8.003 8.003 0 0 1 11.314 0zm-28.287 84.86l-28.284 28.284a40 40 0 0 1-56.567-56.567l28.284-28.284a8 8 0 0 0-11.315-11.315l-28.284 28.284a56 56 0 0 0 79.196 79.197l28.285-28.285a8 8 0 1 0-11.315-11.314zM212.852 43.14a56.002 56.002 0 0 0-79.196 0l-28.284 28.284a8 8 0 1 0 11.314 11.314l28.284-28.284a40 40 0 0 1 56.568 56.567l-28.285 28.285a8 8 0 0 0 11.315 11.314l28.284-28.284a56.065 56.065 0 0 0 0-79.196z" fill="currentColor"></path></svg><!----></span></a> <span>روز ۲: ابزارهای مورد استفاده</span></h2><!--]--><!----> <p><strong>Lewis Tunstall:</strong> <em>تعلیم ساده با Trainer کتابخانه‌ی 🤗 Transformers</em></p> <div class="flex justify-center"><youtube id="u--UVvH-LIQ"></youtube></div> <p>Lewis مهندس یادگیری ماشین در هاگینگ‌فِیس است و بر توسعه‌ی ابزارهای متن‌باز و دسترس‌پذیر کردن آن‌ها برای جامعه‌ی گسترده‌تر تمرکز دارد. او همچنین یکی از نویسندگان کتاب O’Reilly با عنوان <a href="https://www.oreilly.com/library/view/natural-language-processing/9781098136789/" rel="nofollow">پردازش زبان طبیعی با ترنسفورمرها</a> است. می‌توانید او را در توییتر (@_lewtun) برای نکته‌ها و ترفندهای NLP دنبال کنید!</p> <p><strong>Matthew Carrigan:</strong> <em>قابلیت‌های جدید TensorFlow برای 🤗 Transformers و 🤗 Datasets</em></p> <div class="flex justify-center"><youtube id="gQUlXp1691w"></youtube></div> <p>Matt مسئول نگه‌داری TensorFlow در Transformers است و سرانجام علیه جناح PyTorch حاکم کودتا خواهد کرد؛ کودتایی که احتمالاً از طریق حساب توییتر او، @carrigmat، هماهنگ می‌شود.</p> <p><strong>Lysandre Debut:</strong> <em>هاب هاگینگ‌فِیس به‌عنوان راهی برای همکاری روی پروژه‌های یادگیری ماشین و اشتراک‌گذاری آن‌ها</em></p> <div class="flex justify-center"><youtube id="RBw1TmdEZp0"></youtube></div> <p align="center"><img src="https://i.imgur.com/TarIPCz.png" alt="خلاصه‌ای تصویری از سخنرانی Lysandre" width="80%"/></p> <p>Lysandre مهندس یادگیری ماشین در هاگینگ‌فِیس است و در پروژه‌های متعدد متن‌باز مشارکت دارد. هدف او دسترس‌پذیر کردن یادگیری ماشین برای همه، از طریق توسعه‌ی ابزارهای قدرتمند با API بسیار ساده است.</p> <p><strong>Lucile Saulnier:</strong> <em>با 🤗 Transformers و 🤗 Tokenizers توکِن‌ساز خود را بسازید</em></p> <div class="flex justify-center"><youtube id="UkNmyTFKriI"></youtube></div> <p>Lucile مهندس یادگیری ماشین در هاگینگ‌فِیس است و روی توسعه و پشتیبانی از ابزارهای متن‌باز کار می‌کند. او همچنین در پروژه‌های پژوهشی متعددی در حوزه‌ی پردازش زبان طبیعی، مانند تعلیم مشارکتی و BigScience، فعال است.</p> <p><strong>Sylvain Gugger:</strong> <em>حلقه‌ی تعلیم PyTorch خود را با 🤗 Accelerate قدرتمند کنید</em></p> <div class="flex justify-center"><youtube id="t8Krzu-nSeY"></youtube></div> <p>Sylvain پژوهشگر مهندسی در هاگینگ‌فِیس و یکی از نگه‌دارندگان اصلی 🤗 Transformers و توسعه‌دهنده‌ی 🤗 Accelerate است. او دوست دارد تعلیم مدل را دسترس‌پذیرتر کند.</p> <p><strong>Merve Noyan:</strong> <em>دموهای مدل خود را با 🤗 Spaces به نمایش بگذارید</em></p> <div class="flex justify-center"><youtube id="vbaKOa4UXoM"></youtube></div> <p>Merve مدافع توسعه‌دهندگان در هاگینگ‌فِیس است و روی توسعه‌ی ابزارها و تولید محتوا درباره‌ی آن‌ها کار می‌کند تا یادگیری ماشین را برای همه دموکراتیک کند.</p> <p><strong>Abubakar Abid:</strong> <em>ساخت سریع برنامه‌های یادگیری ماشین</em></p> <div class="flex justify-center"><youtube id="c7mle2yYpwQ"></youtube></div> <p align="center"><img src="https://i.imgur.com/qWIFeiF.png" alt="خلاصه‌ای تصویری از سخنرانی Abubakar" width="80%"/></p> <p>Abubakar Abid مدیرعامل <a href="https://www.gradio.app" rel="nofollow">Gradio</a> است. او در سال ۲۰۱۵ مدرک کارشناسی مهندسی برق و علوم کامپیوتر را از MIT و در سال ۲۰۲۱ دکترای یادگیری ماشین کاربردی را از Stanford دریافت کرد. Abubakar در مقام مدیرعامل Gradio روی آسان‌تر کردن ساخت دمو، اشکال‌زدایی و استقرار مدل‌های یادگیری ماشین کار می‌کند.</p> <p><strong>Mathieu Desvé:</strong> <em>چشم‌انداز AWS ML: دسترس‌پذیر کردن یادگیری ماشین برای همه‌ی مشتریان</em></p> <div class="flex justify-center"><youtube id="O2e3pXO4aRE"></youtube></div> <p align="center"><img src="https://i.imgur.com/oLdZTKy.png" alt="خلاصه‌ای تصویری از سخنرانی Mathieu" width="80%"/></p> <p>علاقه‌مند به فناوری و سازنده در اوقات فراغت. چالش‌ها و حل مسئله‌های مشتریان و کاربران را دوست دارم و برای یادگیری روزانه با افراد بااستعداد کار می‌کنم. از سال ۲۰۰۴ در موقعیت‌های مختلفی کار کرده‌ام و میان توسعه‌ی فرانت‌اند، بک‌اند، زیرساخت، عملیات و مدیریت جابه‌جا شده‌ام. تلاش می‌کنم مشکلات فنی و مدیریتی رایج را به شیوه‌ای چابک حل کنم.</p> <p><strong>Philipp Schmid:</strong> <em>تعلیم مدیریت‌شده با Amazon SageMaker و 🤗 Transformers</em></p> <div class="flex justify-center"><youtube id="yG6J2Zfo8iw"></youtube></div> <p>Philipp Schmid مهندس یادگیری ماشین و سرپرست فنی در هاگینگ‌فِیس است و همکاری با تیم Amazon SageMaker را رهبری می‌کند. او به دموکراتیک کردن و آماده‌سازی مدل‌های پیشرفته‌ی NLP برای محیط تولید و آسان‌تر کردن یادگیری عمیق علاقه دارد.</p></div> <a class="!text-gray-400 !no-underline text-sm flex items-center not-prose mt-4" href="https://github.com/huggingface/course/blob/main/chapters/fa/events/2.mdx" target="_blank"><svg class="mr-1" xmlns="http://www.w3.org/2000/svg" aria-hidden="true" fill="currentColor" focusable="false" role="img" width="1em" height="1em" preserveAspectRatio="xMidYMid meet" viewBox="0 0 32 32"><path d="M31,16l-7,7l-1.41-1.41L28.17,16l-5.58-5.59L24,9l7,7z"></path><path d="M1,16l7-7l1.41,1.41L3.83,16l5.58,5.59L8,23l-7-7z"></path><path d="M12.419,25.484L17.639,6.552l1.932,0.518L14.351,26.002z"></path></svg><!----> <span><span class="underline">Update</span> on GitHub</span></a><!----> <p></p><!--]--><!----><!--]--><!--]--><!--]--> <!--[-1--><!--]--><!--]-->
<script>
{
__sveltekit_pfm8ny = {
base: "/docs/course/pr_1364/fa",
assets: "/docs/course/pr_1364/fa"
};
const element = document.currentScript.parentElement;
Promise.all([
import("/docs/course/pr_1364/fa/_app/immutable/entry/start.CqZXmSrv.js"),
import("/docs/course/pr_1364/fa/_app/immutable/entry/app.B4UvgX5H.js")
]).then(([kit, app]) => {
kit.start(app, element, {
node_ids: [0, 105],
data: [null,null],
form: null,
error: null
});
});
}
</script>

Xet Storage Details

Size:
24 kB
·
Xet hash:
fca3eb22e8e8aca27fb6cf5b8500c7c87f0d4191b9823884ec3fea65ed96844a

Xet efficiently stores files, intelligently splitting them into unique chunks and accelerating uploads and downloads. More info.