AI Briefing#machine-learning
#machine-learning와 관련된 AI·개발 뉴스를 최신순으로 모았습니다. 원문 출처와 한국어 요약을 함께 확인할 수 있습니다.
#machine-learning와 관련된 AI·개발 뉴스를 최신순으로 모았습니다. 원문 출처와 한국어 요약을 함께 확인할 수 있습니다.
BERT와 GPT2의 핵심인 MLM과 CLM 원리를 설명하고, PyTorch로 트랜스포머 인코더를 직접 구현하여 도메인 특화 모델을 구축하는 방법을 소개한다.
BERTopic 모델을 Hugging Face Hub에 직접 저장하고 불러올 수 있는 통합 기능이 추가되었습니다.
Hugging Face와 Microsoft가 협력하여 Azure Machine Learning 내에 Hugging Face 모델 카탈로그를 통합했다.
Safetensors 라이브러리가 외부 보안 감사를 통해 안전성을 입증하며 모델 저장의 기본 포맷으로 자리 잡고 있다.
Databricks와 Hugging Face가 Spark 데이터프레임을 Hugging Face 데이터셋으로 직접 변환하는 기능을 출시했다.
Hugging Face가 AI 모델의 윤리적 활용을 지원하기 위해 새로운 윤리 태그와 안전장치를 도입한다.
LightGBM과 Bayesian Optimization으로 입고 트럭 수를 예측해 슬롯 낭비를 줄였다.
Coupang은 LightGBM과 Bayesian optimization으로 입고 트럭 수를 예측해 슬롯 낭비와 지연을 줄였다.
Hugging Face와 AWS가 전략적 파트너십을 확대하여 차세대 AI 모델의 개발과 배포를 가속화한다.
Replit과 Weights & Biases가 공동 개최한 첫 머신러닝 해커톤의 우승자가 발표되었다.
Replit이 Weights and Biases와 협력하여 첫 번째 머신러닝 해커톤을 개최한다.
머신러닝 기반의 코드 생성 기술이 프로그래밍의 새로운 시대를 열고 있으며, Replit과 같은 플랫폼이 이 변화를 주도하고 있다.
Hugging Face datasets 라이브러리를 활용해 오디오 데이터셋을 효율적으로 탐색, 로드 및 처리하는 방법을 안내한다.
머신러닝 개발 전 과정에서 편향성을 식별하고 완화하기 위한 Hugging Face의 도구와 가이드를 소개한다.
Elixir 환경에서 GPT2, Stable Diffusion 등 Hugging Face 모델을 실행할 수 있는 Bumblebee 라이브러리가 출시되었다.
arXiv 논문 페이지에서 Hugging Face Spaces를 통해 머신러닝 데모를 즉시 실행할 수 있는 기능이 통합되었다.
Hugging Face가 모델과 데이터셋의 영구적인 인용과 재현성을 위해 DOI 생성 기능을 도입했다.
Replit은 사용자의 창의적 자유를 보장하면서도 커뮤니티의 안전을 유지하기 위한 신뢰 및 안전 운영 정책을 공개했다.
Hugging Face가 scikit-learn 모델의 허브 호스팅과 문서화를 지원하는 Skops 라이브러리를 출시했다.