آموزش اجرا و ارزیابی مدل‌های هوش مصنوعی Hugging Face - آخرین آپدیت

مقدمه Introduction

• شروع سریع: نگاهی به مدل نهایی Quick start: A look at our final model

• از صفر تا پیش‌آموزش‌دیده: درک تغییرات و نگاه نقادانه From scratch to pretrained: Understanding the shift and staying critical

• تلاقی سرعت و استراتژی: چرا مدل‌های پیش‌آموزش‌دیده همه چیز را تغییر می‌دهند Speed meets strategy: Why pretrained models change everything

1. انتخاب مدل 1. Model Selection

• معرفی مجموعه مسائل Problem set introduction

• انتخاب مدل مرتبط Selecting a relevant model

• گشت‌وگذار در پورتفولیوی مدل‌های Hugging Face Navigating Hugging Face's model portfolio

• آماده‌سازی محیط توسعه Preparing your development environment

2. مهندسی ویژگی‌های مؤثر 2. Effective Feature Engineering

• اجرای مدل Run model

• پیش‌فرض‌های پیش‌پردازش Preprocessing assumptions

• تنظیم پارامترهای مدل Setting model parameters

• طراحی یک مجموعه داده مرتبط Crafting a relevant dataset

• تحلیل اکتشافی داده‌ها Exploratory data analysis

3. ارزیابی مدل 3. Model Evaluation

• تعریف معیارهای موفقیت Defining success metrics

• بررسی عمیق‌تر: نتایج بر اساس کلاس Going deeper: Results by class

• آستانه‌های کالیبراسیون Calibration thresholds

• نمودارهای اهمیت ویژگی‌ها Feature importance plots

• کتابخانه Evaluate در Hugging Face Hugging Face Evaluate library

• معیارهای آماده و پیش‌فرض Out-of-the-box metrics

• بررسی عمیق‌تر: تحلیل طبقه‌بندی‌های اشتباه Going deeper: Misclassification analysis

• تلاش مجدد: اجرای تکرار بعدی Try it again: Running the next iteration

جمع‌بندی Conclusion

• جمع‌بندی Conclusion

• نهایی‌سازی مدل برای محیط عملیاتی Finalize model for production