Hub documentation
مصمم البيانات
تسجيل الدخول الموحّد (SSO) سجلات التدقيق مناطق التخزين Data Studio لمجموعات البيانات الخاصة مجموعات الموارد (التحكم في الوصول) خيارات الحوسبة المتقدمة الأمان المتقدم إدارة الرموز حسابات الخدمة تحليلات الناشر مجموعات البوابات أمن الشبكة تحليلات التنزيل حدود المعدل مقالات المدونة
خطة PRO المستودعات البدء باستخدام المستودعات إعدادات المستودع حدود التخزين واجهة التخزين (Xet) الذاكرة المؤقتة المحلية طلبات الدمج والمناقشات الإشعارات المجموعات Webhooks GitHub Actions دفاتر الملاحظات الخطوات التالية تراخيص
النماذج مركز النماذج بطاقات النماذج نتائج التقييم بيانات لوحة الصدارة النماذج المُقيَّدة رفع النماذج تنزيل النماذج المكتبات المتكاملة أدوات العرض للنماذج استدلال النموذج إحصائيات تنزيل النماذج قائمة التحقق من إصدار النموذج الأجهزة التطبيقات المحلية الأسئلة الشائعة مواضيع متقدمة
مجموعات البيانات نظرة عامة على مجموعات البيانات بطاقات مجموعات البيانات المجموعات البيانات المُقيَّدة رفع مجموعات البيانات رفع مجموعات البيانات (لنماذج اللغة الكبيرة) تنزيل مجموعات البيانات تدفق مجموعات البيانات المكتبات المتكاملة
Spaces Argilla Daft Dask مجموعات البيانات مصمم البيانات Distilabel DuckDB Atlas التضمين fenic FiftyOne Lance Pandas Polars Spark WebDataset
استوديو البيانات تتبعات الوكيل إحصائيات تنزيل مجموعات البيانات نظرة عامة على Spaces ترقيات GPU في Spaces Spaces ZeroGPU وضع التطوير في Spaces استخدام القرص والتخزين في Spaces مساحات نطاق مخصص مساحات كخوادم MCP كـ Spaces كنقاط نهاية API مساحات Gradio مساحات Streamlit مساحات HTML الثابتة مساحات Docker تضمين مساحة تشغيل Spaces باستخدام Docker مرجع إعدادات Spaces زر تسجيل الدخول عبر HF مساحات مميزة سجل تغييرات Spaces مواضيع متقدمة
دلاء التخزين new صور الحاويات new الوظائف نظرة عامة على الوظائف البدء السريع التسعير والفوترة إدارة المهام الإعداد استخدام صور Docker استضافة النماذج تدريب النماذج أمثلة & شروحات معالجة مجموعات البيانات الكبيرة جدولة المهام أتمتة Webhook مرجع
الوكلاء نظرة عامة على الوكلاء واجهة Hugging Face CLI لوكلاء الذكاء الاصطناعي خادم Hugging Face MCP مهارات وكيل Hugging Face بناء الوكلاء باستخدام HF SDK وكلاء محليون باستخدام llama.cpp مكتبات الوكلاء تنسيق تتبّع الجلسات
أخرى مصمم البيانات
Data Designer هو إطار عمل NVIDIA NeMo لتوليد مجموعات بيانات اصطناعية عالية الجودة باستخدام نماذج اللغة الكبيرة (LLMs). يتيح لك إنشاء بيانات متنوعة باستخدام عينات إحصائية، أو نماذج اللغة الكبيرة، أو مجموعات بيانات بذور موجودة مسبقًا.
المتطلبات
pip install data-designer
تنزيل مجموعات البيانات من Hub كبنية
استخدم HuggingFaceSeedSource لتحميل مجموعات البيانات مباشرةً من Hub كبيانات بذرة للتوليد.
import data_designer.config as dd
from data_designer.interface import DataDesigner
data_designer = DataDesigner()
config_builder = dd.DataDesignerConfigBuilder()
# Load seed data from HuggingFace
seed_source = dd.HuggingFaceSeedSource(
path="datasets/gretelai/symptom_to_diagnosis/data/train.parquet",
token="hf_...", # Optional, for private datasets
)
config_builder.with_seed_dataset(seed_source)
# Reference seed columns in prompts
config_builder.add_column(
dd.LLMTextColumnConfig(
name="physician_notes",
model_alias="openai-gpt-5",
prompt="Write notes for a patient with {{ diagnosis }}. Symptoms: {{ patient_summary }}",
)
)
preview = data_designer.preview(config_builder, num_records=5)دفع مجموعات البيانات المولّدة إلى Hub
استخدم طريقة push_to_hub المدمجة لرفع مجموعات البيانات المولّدة إلى Hub.
# Generate dataset
results = data_designer.create(config_builder, num_records=1000, dataset_name="my-dataset")
# Push to Hub
url = results.push_to_hub(
repo_id="username/my-synthetic-dataset",
description="Synthetic dataset generated with Data Designer.",
tags=["medical", "notes"],
private=False,
)الموارد
- توثيق مصمم البيانات
- مستودع GitHub
- دليل مجموعات بيانات البذور
- دليل استخدام Data Designer مع مزودي الاستدلال