Hugging Face 獎學金計畫公告

Hugging Face 推出了獎學金計畫，這是一個旨在賦能卓越貢獻者於開源機器學習（ML）生態系統的網絡。該計畫旨在擴大關鍵貢獻者的影響力，並激勵其他人參與機器學習的民主化。

計畫目標與結構

Hugging Face 獎學金旨在支援機器學習的基層貢獻。計畫不採用僵化的結構，而是根據每位獎學金得主的個別需求提供量身訂製的支援，協助他們執行一直想要推動的專案。

獎學金得主福利

對獎學金得主的支援會依其特定興趣與專案量身訂製。提供的福利範例包括：

  • 計算與資源：取得必要的技術基礎設施。
  • 商品與資產：實體商品與工具。
  • 官方認可：來自 Hugging Face 的正式肯定。

提名與選拔標準

獎學金的錄取持續進行，基於現任獎學金得主或 Hugging Face 團隊成員的提名。選拔的主要標準是對開源機器學習民主化的實際貢獻。

獎學金得主貢獻範例

該計畫認可多元的貢獻類型，包括：

  • 社群建設：María Grandury 建立了最大的西班牙語 NLP 社群，並舉辦黑客松，產出 23 個 Spaces、23 個資料集與 33 個模型。
  • 模型開發：Manuel Romero 向 Hugging Face Hub 貢獻超過 300 個模型，包含多個西班牙語的最先進模型。
  • 技術貢獻：Aritra Roy Gosthipathy 為 Transformers 函式庫貢獻了新的 TensorFlow 架構，並改進了 Keras 工具。
  • 倡導與教育：Vaibhav Srivastav 領導 ML4Audio 工作小組，並舉辦論文討論會。
  • 長期維護：Bram Vanroy 自 2019 年 9 月起持續為 Transformers 函式庫提交議題與 pull request。
  • 專案實作：Christopher Akiki 參與 Big Science、衝刺與工作坊，創建了如 TF-coder 等專案。
  • Space 開發：Ceyda DZnarel 開發了成功的 Hugging Face Spaces，包含 ButterflyGAN Space。

如何為開源機器學習做出貢獻

對於尚未加入獎學金的開發者，Hugging Face 建議以下幾條路徑以貢獻開源機器學習生態系統：

  • 模型分享：將電腦視覺、強化學習或其他機器學習領域的模型上傳至 Hub。
  • 教學與文件：使用 fastai、Keras 或 Stable-Baselines 3 等函式庫建立專案，或翻譯 Hugging Face 課程與 Transformers 文件。
  • 社群組織：舉辦在地衝刺，推廣特定語言或領域的機器學習。
  • 策略性專案：參與官方獎學金文件中列出的特定專案。

計畫常見問答與資格

  • 雇用狀態：獎學金得主並非 Hugging Face 的員工。
  • 學生資格：鼓勵學生申請學生大使計畫（申請截止日期為 2022 年 6 月 13 日）。
  • 時間表：沒有固定的錄取截止日期，錄取是基於提名的持續過程。
  • 多元與包容：本計畫明確禁止基於種族、宗教、膚色、國籍、性別、性取向、年齡、婚姻狀況、退伍軍人身分或身心障礙的歧視。

Sources