3. Luis Beltrán
• Microsoft MVP en AI y Developer Technologies
• Investigador en Tomás Bata University in Zlín
• Docente en Tecnológico Nacional de México en
Celaya
@darkicebeam
luis@luisbeltran.mx
luisbeltran.mx
5. Hugging Face
Biblioteca NLP open source más popular
Más de 1,000 menciones de trabajos de investigación
Utilizado en producción por más de 1000 empresas
13. Más información
Announcing Hugging Face on Azure
https://mybuild.microsoft.com/en-US/sessions/a24e0ca4-90a9-4fbd-
ba82-5f95b6aa155a?source=sessions
En los últimos años, los modelos de transformadores han demostrado ser excepcionalmente eficientes en una amplia gama de tareas de aprendizaje automático, incluido el procesamiento del lenguaje natural (PNL), la visión por computadora y el habla. Por ejemplo, las compañías financieras usan Transformers para extraer información de alta calidad de las presentaciones del mercado de valores, los informes de analistas o las llamadas de ganancias. Las organizaciones de ciencias de la vida y de atención médica hacen lo mismo con los artículos de investigación, los archivos de pacientes y las imágenes médicas. Las empresas de comercio electrónico aprovechan Transformers para crear motores de búsqueda que ayuden a los clientes a encontrar el mejor producto en milisegundos. ¡Y la lista continúa!
Con más de 40,000 modelos y sirviendo más de 1 millón de descargas al día, Hugging Face es el destino de referencia para todo lo relacionado con Transformers. Fiel a su misión de democratizar el buen ML, Hugging Face siempre está buscando formas innovadoras de ayudar a todos a resolver desafíos complejos con Transformers de manera rápida, fácil e independientemente de la experiencia en ML.
Uno de los principales problemas a los que se enfrentan los desarrolladores y las organizaciones es la dificultad de implementar y escalar las API de inferencia de nivel de producción. Por supuesto, una opción fácil es confiar en los servicios de IA basados en la nube. Aunque son extremadamente simples de usar, estos servicios generalmente funcionan con un conjunto limitado de modelos que pueden no admitir el tipo de tarea que necesita, y que no se pueden personalizar profundamente, si es que lo hacen. Alternativamente, los servicios de aprendizaje automático basados en la nube o las plataformas internas le brindan un control total, pero a expensas de más tiempo, complejidad y costo. Además, muchas empresas tienen estrictos requisitos de seguridad, cumplimiento y privacidad que exigen que solo implementen modelos en la infraestructura sobre la que tienen control administrativo.
Hugging Face colabora con Microsoft para lanzar Hugging Face Endpoints en Azure
Hoy, estamos encantados de anunciar que Hugging Face ha colaborado con Microsoft para crear Hugging Face Endpoints, un nuevo servicio de inferencia de aprendizaje automático (ML) con tecnología de Azure ML Managed Endpoints. Hugging Face Endpoints le permite implementar y escalar de forma segura decenas de miles de modelos Transformer de última generación en Microsoft Azure con solo unos pocos clics. Si no puede esperar para probarlo, puede saltar ahora a Azure Marketplace.
Hugging Face Endpoints on Azure, a simple, scalable, and secure solution that allows you to deploy a model from the Hugging Face Hub on Azure infrastructure in minutes and with just a few clicks.
All you have to do is pick a model and a task type, select an Azure instance type and create the endpoint.
As of today, Hugging Face Endpoints on Azure support:
All NLP tasks available in the Hugging Face pipeline API: classification, summarization, translation, named entity recognition, etc. Image and audio task types will be available later.
All corresponding public PyTorch models from the Hugging Face Hub.
Inference on a wide range of CPU and GPU Azure instance types.
Optionally, automatic scaling with Azure Autoscale.
Azure security and compliance.
Within minutes, you can test your endpoint and add its inference API to your application. It’s never been easier!
Hugging Face Endpoints on Azure is available today in public beta in all Azure Regions where Azure ML is available. Give the service a try and let us know what you think!
