#mlops
risultati
-
Profiling dell’attention in PyTorch: cosa rivelano davvero i backend di SDPA
Terza parte della serie di Hugging Face sul profiling in PyTorch: dall’attention scritta a mano ai backend di…
-
Monitorare data drift e model quality con SageMaker AI, MLflow ed Evidently
Come costruire una soluzione di monitoring per modelli ML discriminativi combinando la libreria open source Evidently con Amazon…
-
I modelli Hugging Face arrivano su Foundry Managed Compute di Microsoft
Microsoft porta un catalogo curato di modelli open-weight di Hugging Face su Foundry Managed Compute: weight pre-caricati in…
-
Un agente per il triage degli incidenti con Amazon Q e New Relic
Un tutorial AWS mostra come costruire un agente che indaga un incidente, redige la root cause analysis con…
-
Basta ottimizzare i kernel a mano: gli agenti AI arrivano su AWS Trainium
Le Neuron Agentic Development capabilities di AWS automatizzano l’ottimizzazione dei kernel su Trainium e Inferentia con agenti AI.…
-
Coding agent ospitati su Amazon Bedrock AgentCore: puoi chiudere il laptop
Amazon Bedrock AgentCore Runtime esegue i coding agent in microVM isolate con workspace persistente. Cosa cambia per chi…
-
olmo-eval: un banco di prova open source per valutare gli LLM durante lo sviluppo
AllenAI rilascia olmo-eval, un workbench open source per valutare i modelli linguistici durante il loop di sviluppo. Cos’è,…