Forwarded from skillswap.ir
🤯 چرا RAG از Fine-Tuning مهمتر شد؟
خیلیها برای ساخت یه AI اختصاصی، سریع میرن سراغ Fine-Tuning؛ اما همیشه جواب این نیست! 🤷♂️
فرض کن اطلاعات شرکتت هر روز تغییر میکنه. امروز قیمت محصول ۱۰ میلیونه، فردا ۱۲ میلیون! 📈
قرار نیست هر روز مدل رو دوباره آموزش بدی! 😐
اینجاست که RAG وارد میشه. 🚀
اطلاعات جدید رو به Knowledge Base اضافه میکنی و مدل موقع پاسخگویی، اطلاعات بهروز رو بازیابی میکنه.
🧠 LLM + RAG + Vector Database
اگه میخوای AI واقعی بسازی، RAG رو باید بلد باشی. 🔥
@skillswap_ir
خیلیها برای ساخت یه AI اختصاصی، سریع میرن سراغ Fine-Tuning؛ اما همیشه جواب این نیست! 🤷♂️
فرض کن اطلاعات شرکتت هر روز تغییر میکنه. امروز قیمت محصول ۱۰ میلیونه، فردا ۱۲ میلیون! 📈
قرار نیست هر روز مدل رو دوباره آموزش بدی! 😐
اینجاست که RAG وارد میشه. 🚀
اطلاعات جدید رو به Knowledge Base اضافه میکنی و مدل موقع پاسخگویی، اطلاعات بهروز رو بازیابی میکنه.
🧠 LLM + RAG + Vector Database
اگه میخوای AI واقعی بسازی، RAG رو باید بلد باشی. 🔥
@skillswap_ir
💎10 تا سبک طراحی که تنها با گفتن یه کلید واژه میتونید با Ai بسازینش!🦦
🌹هوش مصنوعی از ذهن تو نقاشی نمیکنه؛ از کلماتت دستور میگیره ؛ خیلیها فکر میکنن برای گرفتن خروجی حرفهای باید ساعتها پرامپت بنویسن؛ در حالی که گاهی فقط گفتن سبک طراحی همهچیز رو تغییر میده.🎨
🔴این 10 کلیدواژه از پرکاربردترین سبکهای تولید تصویر هستن که تقریباً همه مدلهای هوش مصنوعی مثل ChatGPT، Midjourney، Flux، Gemini و... اونها رو میشناسن.💎
@bluelearnmp
🌹هوش مصنوعی از ذهن تو نقاشی نمیکنه؛ از کلماتت دستور میگیره ؛ خیلیها فکر میکنن برای گرفتن خروجی حرفهای باید ساعتها پرامپت بنویسن؛ در حالی که گاهی فقط گفتن سبک طراحی همهچیز رو تغییر میده.🎨
🔴این 10 کلیدواژه از پرکاربردترین سبکهای تولید تصویر هستن که تقریباً همه مدلهای هوش مصنوعی مثل ChatGPT، Midjourney، Flux، Gemini و... اونها رو میشناسن.💎
@bluelearnmp
🔥1
⚙️ تفاوت LLVM، GCC و Cranelift
هر سه در نهایت یک کار مشترک انجام میدن: تبدیل کد برنامه به کد ماشین. اما فلسفهی طراحی، معماری و کاربردشون کاملاً با هم فرق داره.
ا🔹 GCC (GNU Compiler Collection)
ا🔹 LLVM
ا🔹 Cranelift
هیچکدوم «بهتر» نیستن؛ هرکدوم برای یه هدف متفاوت ساخته شدن.
#GCC #Cranelift #Compiler #Compiler_Design
@bluelearnmp
هر سه در نهایت یک کار مشترک انجام میدن: تبدیل کد برنامه به کد ماشین. اما فلسفهی طراحی، معماری و کاربردشون کاملاً با هم فرق داره.
ا🔹 GCC (GNU Compiler Collection)
قدیمیترین و باتجربهترین عضو این خانوادهست. از دههی ۸۰ میلادی توسعهش شروع شده و از زبانهای مختلفی مثل C، C++، Fortran، Ada، Go و چند زبان دیگه پشتیبانی میکنه.
معماری GCC نسبت به LLVM یکپارچهتر (Monolithic) هست؛ یعنی Front-end و Back-end مثل LLVM کاملاً از هم جدا نیستن. همین باعث میشه توسعهی زبانها یا ابزارهای جدید روی GCC سختتر باشه، اما در عوض سالها بهینهسازی باعث شده برای پروژههای C و C++ یکی از بهترین انتخابها باشه.
ضمن اینکه روی معماریها و پلتفرمهای زیادی، مخصوصاً سیستمهای Embedded، پشتیبانی فوقالعادهای داره.
ا🔹 LLVM
اLLVM بیشتر از اینکه یک کامپایلر باشه، یک زیرساخت برای ساخت کامپایلره.
زبانهای مختلف مثل Clang (برای C/C++)، Rust، Swift و Julia کدشون رو به یک نمایش میانی به اسم LLVM IR تبدیل میکنن و بعد LLVM اون رو برای معماریهایی مثل x86، ARM و RISC-V به کد ماشین تبدیل میکنه.
همین طراحی ماژولار باعث شده LLVM تبدیل به قلب خیلی از زبانهای مدرن بشه.
قدرت اصلی LLVM توی بهینهسازیهای فوقالعادهشه؛ البته این قدرت معمولاً به قیمت زمان کامپایل بیشتر به دست میاد.
ا🔹 Cranelift
اCranelift یک Backend نسبتاً جدیده که اصلاً برای رقابت با LLVM در تولید سریعترین باینری ساخته نشده.
هدفش اینه که کد رو تا جای ممکن سریع کامپایل کنه. به همین خاطر توی پروژههایی مثل Wasmtime یا rustc_codegen_cranelift ازش استفاده میشه؛ جاهایی که سرعت کامپایل از چند درصد بهینهتر بودن کد مهمتره.
در نتیجه معمولاً خروجی Cranelift به اندازهی LLVM بهینه نیست، ولی سرعت کامپایلش میتونه به شکل محسوسی بیشتر باشه.
هیچکدوم «بهتر» نیستن؛ هرکدوم برای یه هدف متفاوت ساخته شدن.
#GCC #Cranelift #Compiler #Compiler_Design
@bluelearnmp
🧠 کَش (Cache) چیه؟
فرض کن هر روز صبح میری نونوایی سر کوچه
روز اول از نونوا میپرسی آقا نون چنده
میگه: ۱۵ تومن
حالا سوال: فردا صبح دوباره میپرسی چنده؟! قاعدتا نه ! تو ذهنت ذخیرهش کردی.(البته در حال حاضر همیشه باید بپرسی قیمت ثابت نیس😂) دفعه بعد مستقیم پول رو میدی و نون رو میگیری سریع تر و بدون سوال اضافه
این دقیقا همون کشه✅
🖥 حالا تو دنیای برنامهنویسی:
وقتی ی سایت رو باز میکنی مرورگر عکسها، فونتها و فایلهای CSS رو دانلود میکنه دفعه بعد که همون سایت رو باز کنی به جای اینکه دوباره همه رو دانلود کنه از کش برشون میداره نتیجه؟ سایت چند برابر سریعتر لود میشه 🚀
چند مثال واقعی:
⏺️ کش مرورگر 🔺 عکس لوگوی گوگل هر بار دانلود نمیشه
⏺️کش دیتابیس (مثل Redis) 🔺 به جای اینکه هر بار از دیتابیس کوئری سنگین بزنی جواب رو ی بار حساب میکنی و نگهش میداری
⏺️ کش CPU 🔺 پردازنده دادههای پرتکرار رو کنار دست خودش نگه میداره که نره سراغ RAM
⭐️ی نکته ای هم داره
اگر به هر دلیلی اون کشه قدیمی شده باشه دیگه بدرد نمیخوره و بهش میگن Stale Cache (کش کهنه)
@bluelearnmp
فرض کن هر روز صبح میری نونوایی سر کوچه
روز اول از نونوا میپرسی آقا نون چنده
میگه: ۱۵ تومن
حالا سوال: فردا صبح دوباره میپرسی چنده؟! قاعدتا نه ! تو ذهنت ذخیرهش کردی.(البته در حال حاضر همیشه باید بپرسی قیمت ثابت نیس😂) دفعه بعد مستقیم پول رو میدی و نون رو میگیری سریع تر و بدون سوال اضافه
این دقیقا همون کشه✅
🖥 حالا تو دنیای برنامهنویسی:
وقتی ی سایت رو باز میکنی مرورگر عکسها، فونتها و فایلهای CSS رو دانلود میکنه دفعه بعد که همون سایت رو باز کنی به جای اینکه دوباره همه رو دانلود کنه از کش برشون میداره نتیجه؟ سایت چند برابر سریعتر لود میشه 🚀
چند مثال واقعی:
⏺️ کش مرورگر 🔺 عکس لوگوی گوگل هر بار دانلود نمیشه
⏺️کش دیتابیس (مثل Redis) 🔺 به جای اینکه هر بار از دیتابیس کوئری سنگین بزنی جواب رو ی بار حساب میکنی و نگهش میداری
⏺️ کش CPU 🔺 پردازنده دادههای پرتکرار رو کنار دست خودش نگه میداره که نره سراغ RAM
⭐️ی نکته ای هم داره
اگر به هر دلیلی اون کشه قدیمی شده باشه دیگه بدرد نمیخوره و بهش میگن Stale Cache (کش کهنه)
@bluelearnmp
✅زمان ارسال اولین بایت یا همون (TTFB) چیست؟🖥
⭐️درواقع TTFB یا Time To First Byte معیاری است که مدتزمان انتظار مرورگر برای دریافت اولین بایت اطلاعات از سمت سرور را اندازهگیری میکنه وقتی کاربر وارد یک صفحه میشه مرورگر ابتدا درخواستو به سرور ارسال میکنه و سپس منتظر میمونه تا سرور پردازشای لازمو انجام بده و اولین بخش از پاسخ رو برگردونه. این فاصله زمانی، همون چیزی است که TTFB نامیده میشه. اهمیت این مرحله از آنجاست که نقطه آغاز بارگذاری صفحه محسوب میشه و هرگونه تأخیر در اون ، سرعت کلی سایت و تجربه کاربری را تحت تأثیر قرار میدهد.
در بسیاری از سایتها، مشکلات سرعت دقیقا از همین نقطه شروع میشه. اگر سرور در پاسخ دهی اولیه کند باشه یا پردازشهای داخلی سایت زمان زیادی بگیرد، حتی پیشرفته ترین بهینهسازیها هم نمیتوانند سرعت نهایی صفحه را رضایتبخش کنه. در نتیجه، TTFB را میتونیم یکی از بنیادی ترین شاخص ها در تحلیل عملکرد وبسایت ها بدونیم شاخصی که کیفیت زیرساخت و بهینهسازی سمت سرور رو بهخوبی آشکار میکنه.🖥
@blulearnmp
⭐️درواقع TTFB یا Time To First Byte معیاری است که مدتزمان انتظار مرورگر برای دریافت اولین بایت اطلاعات از سمت سرور را اندازهگیری میکنه وقتی کاربر وارد یک صفحه میشه مرورگر ابتدا درخواستو به سرور ارسال میکنه و سپس منتظر میمونه تا سرور پردازشای لازمو انجام بده و اولین بخش از پاسخ رو برگردونه. این فاصله زمانی، همون چیزی است که TTFB نامیده میشه. اهمیت این مرحله از آنجاست که نقطه آغاز بارگذاری صفحه محسوب میشه و هرگونه تأخیر در اون ، سرعت کلی سایت و تجربه کاربری را تحت تأثیر قرار میدهد.
در بسیاری از سایتها، مشکلات سرعت دقیقا از همین نقطه شروع میشه. اگر سرور در پاسخ دهی اولیه کند باشه یا پردازشهای داخلی سایت زمان زیادی بگیرد، حتی پیشرفته ترین بهینهسازیها هم نمیتوانند سرعت نهایی صفحه را رضایتبخش کنه. در نتیجه، TTFB را میتونیم یکی از بنیادی ترین شاخص ها در تحلیل عملکرد وبسایت ها بدونیم شاخصی که کیفیت زیرساخت و بهینهسازی سمت سرور رو بهخوبی آشکار میکنه.🖥
@blulearnmp
بررسی BBR (چیه و چرا مهمه)؟
کلمه BBR مخفف🌱هست
ی الگوریتم کنترل ترافیک شبکه که توسط گوگل ساخته شده تا سرعت انتقال دیتا بهینه تر بشه
⏺️چطور کار میکنه؟
برخلاف الگوریتمای قدیمی که وقتی packet loss میبینن سرعتو کم میکنن BBR سعی میکنه:
🌟 پهنای باند واقعی مسیر رو تشخیص بده
🌟 تاخیر واقعی شبکه رو اندازه بگیره
🌟 ارسال دیتا رو بر اساس بهترین ظرفیت ممکن تنظیم کنه
⏺️چه تاثیری روی سرعت داره؟
✨ کاهش پینگ و تاخیر در خیلی از شرایط
✨ استفاده بهتر از پهنای باند
✨ پایداری بیشتر در دانلود و آپلود
✨ عملکرد بهتر روی سرورهایی که ترافیک بالا دارن
✨ در بعضی شرایط، افزایش محسوس سرعت و کاهش لگ
@bluelearnmp
کلمه BBR مخفف🌱هست
Bottleneck Bandwidth and Round-trip propagation time
ی الگوریتم کنترل ترافیک شبکه که توسط گوگل ساخته شده تا سرعت انتقال دیتا بهینه تر بشه
⏺️چطور کار میکنه؟
برخلاف الگوریتمای قدیمی که وقتی packet loss میبینن سرعتو کم میکنن BBR سعی میکنه:
🌟 پهنای باند واقعی مسیر رو تشخیص بده
🌟 تاخیر واقعی شبکه رو اندازه بگیره
🌟 ارسال دیتا رو بر اساس بهترین ظرفیت ممکن تنظیم کنه
نتیجه اینه که اتصال هوشمند تر از قبل مدیریت میشه.
⏺️چه تاثیری روی سرعت داره؟
✨ کاهش پینگ و تاخیر در خیلی از شرایط
✨ استفاده بهتر از پهنای باند
✨ پایداری بیشتر در دانلود و آپلود
✨ عملکرد بهتر روی سرورهایی که ترافیک بالا دارن
✨ در بعضی شرایط، افزایش محسوس سرعت و کاهش لگ
@bluelearnmp
💣 تولد اینترنت: پروژهای نظامی برای مقابله با بمب اتم! (پارت ۱)
سال ۱۹۶۹ و در اوج جنگ سرد، ارتش آمریکا با یک چالش مهندسی بزرگ روبرو شد: اگر شوروی با بمب اتم یک مرکز مخابراتی یا سرور مرکزی رو با خاک یکسان کنه، کل شبکه ارتباطی کشور فلج میشه!
💡 راهحل چی بود؟ تولد پروژهای به نام ARPANET و ابداع یک مفهوم انقلابی به اسم Packet Switching. به جای اینکه اطلاعات از یک مسیر ثابت برن، دیتای بزرگ به «بستههای کوچک» (Packets) خرد میشد تا هر بسته از یک مسیر متفرقه و تصادفی بره. اینطوری اگر وسط راه یک نود (Node) یا سرور به کل نابود میشد، پکتها مسیرشون رو عوض میکردن و شبکه زنده میموند
.
👨💻 اولین باگ و کرش تاریخ اینترنت! (اکتبر ۱۹۶۹) قرار بود اولین پیامی که بین کامپیوتر دو دانشگاه ارسال میشه کلمه
🔹 زبان مشترک (سال ۱۹۸۳): تا سالها این شبکه فقط یک آزمایشگاه نظامی و دانشگاهی بود و شبکههای مختلف اصلاً نمیتونستن با هم صحبت کنن. تا اینکه با معرفی استاندارد و پروتکل TCP/IP، کامپیوترها به یک زبان مشترک رسیدن و «شبکهای از شبکهها» یا همون Internet که امروز میشناسیم رسمی شد.
⚠️ نکته مهم: اینترنت با «وب» یکی نیست! اینترنت فقط جاده و زیرساخته؛ وب (WWW) خودرویی بود که ۲۰ سال بعد روی این جاده افتاد.
منتظر پارت دوم (تولد Web 1.0 و ورود تیم برنرز-لی) باشید... 👇
@bluelearnmp
سال ۱۹۶۹ و در اوج جنگ سرد، ارتش آمریکا با یک چالش مهندسی بزرگ روبرو شد: اگر شوروی با بمب اتم یک مرکز مخابراتی یا سرور مرکزی رو با خاک یکسان کنه، کل شبکه ارتباطی کشور فلج میشه!
💡 راهحل چی بود؟ تولد پروژهای به نام ARPANET و ابداع یک مفهوم انقلابی به اسم Packet Switching. به جای اینکه اطلاعات از یک مسیر ثابت برن، دیتای بزرگ به «بستههای کوچک» (Packets) خرد میشد تا هر بسته از یک مسیر متفرقه و تصادفی بره. اینطوری اگر وسط راه یک نود (Node) یا سرور به کل نابود میشد، پکتها مسیرشون رو عوض میکردن و شبکه زنده میموند
.
👨💻 اولین باگ و کرش تاریخ اینترنت! (اکتبر ۱۹۶۹) قرار بود اولین پیامی که بین کامپیوتر دو دانشگاه ارسال میشه کلمه
LOGIN باشه. محققها حرف L رو فرستادن (رسید)، حرف O رو فرستادن (رسید)، اما به محض اینکه حرف G رو تایپ کردن، کل سیستم کم آورد و کرش کرد! 😂 در واقع اولین پیام موفق در تاریخ اینترنت فقط کلمه LO بود.🔹 زبان مشترک (سال ۱۹۸۳): تا سالها این شبکه فقط یک آزمایشگاه نظامی و دانشگاهی بود و شبکههای مختلف اصلاً نمیتونستن با هم صحبت کنن. تا اینکه با معرفی استاندارد و پروتکل TCP/IP، کامپیوترها به یک زبان مشترک رسیدن و «شبکهای از شبکهها» یا همون Internet که امروز میشناسیم رسمی شد.
⚠️ نکته مهم: اینترنت با «وب» یکی نیست! اینترنت فقط جاده و زیرساخته؛ وب (WWW) خودرویی بود که ۲۰ سال بعد روی این جاده افتاد.
منتظر پارت دوم (تولد Web 1.0 و ورود تیم برنرز-لی) باشید... 👇
@bluelearnmp
🔥1
Forwarded from skillswap.ir
🟣 قبل از شروع طراحی، اول یه نمونه اولیه بساز!
اینطوری قبل از اینکه چند روز وقت بذاری، کارفرما ساختار و مسیر کلی سایت یا اپ رو میبینه و تأیید میکنه.
نتیجه چی میشه؟ اصلاحیههای کمتر و دیگه خبری از جمله "من یه چیز دیگه میخواستم" نیست!
📲 پایین سه ابزار کاربردی معرفی کردم:
اینطوری قبل از اینکه چند روز وقت بذاری، کارفرما ساختار و مسیر کلی سایت یا اپ رو میبینه و تأیید میکنه.
نتیجه چی میشه؟ اصلاحیههای کمتر و دیگه خبری از جمله "من یه چیز دیگه میخواستم" نیست!
📲 پایین سه ابزار کاربردی معرفی کردم:
Forwarded from skillswap.ir
skillswap.ir
🟣 قبل از شروع طراحی، اول یه نمونه اولیه بساز! اینطوری قبل از اینکه چند روز وقت بذاری، کارفرما ساختار و مسیر کلی سایت یا اپ رو میبینه و تأیید میکنه. نتیجه چی میشه؟ اصلاحیههای کمتر و دیگه خبری از جمله "من یه چیز دیگه میخواستم" نیست! 📲 پایین سه ابزار کاربردی…
🔵 سه ابزار خوب برای ساخت نمونه اولیه:
🔹 Uizard
برای ساخت سریع چند صفحه از روی توضیح متنی
https://uizard.io
🔹 Visily
برای طراحی وایرفریم از روی متن، طرح دستی یا اسکرینشات
https://www.visily.ai
🔹 Figma Make
برای ساخت نمونه تعاملی و قابل کلیک
https://www.figma.com/make/
🔁 @skillswap
🔹 Uizard
برای ساخت سریع چند صفحه از روی توضیح متنی
https://uizard.io
🔹 Visily
برای طراحی وایرفریم از روی متن، طرح دستی یا اسکرینشات
https://www.visily.ai
🔹 Figma Make
برای ساخت نمونه تعاملی و قابل کلیک
https://www.figma.com/make/
🔁 @skillswap
یه پروژه خیلی جالب برای کسایی که میخوان بفهمن پشت صحنهی LLMها چی میگذره ساخته شده. این ریپو قدمبهقدم نشون میده چطور یه مدل زبانی رو از صفر بسازید؛ از جمعآوری و آمادهسازی دادهها گرفته تا ساخت کامل معماری Transformer با PyTorch و در نهایت اینکه مدل چطور شروع به تولید متن میکنه. حتی بخشهایی مثل Attention، Multi-Head Attention، بلاکهای Transformer و کل ساختار مدل هم خودشون از صفر پیادهسازی شدن و با توضیحات و نمودارهای ساده توضیح داده شدن.
github.com/FareedKhan-dev/train-llm-from-scratch
@bluelearnmp
github.com/FareedKhan-dev/train-llm-from-scratch
@bluelearnmp
Forwarded from برنامه نویسی | هوش مصنوعی
چطور از اطلاعات گوشی بکاپ بگیریم؟
اگر روزی گوشیتون خراب شود، گم شود یا مجبور شودب اون ریست کنی، داشتن بکاپ میتونه تمام اطلاعاتت رو نجات بده. برای این کار مراحل زیر را انجام دهید:
اگر گوشی اندرویدی دارید:
برای عکسها و فیلمها:
اگر آیفون دارید:
+ یک نسخه روی کامپیوتر هم داشته باشید
هر چند وقت یکبار گوشی را با کابل به کامپیوتر وصل کنید و عکسها، فیلمها و فایلهای مهم را روی کامپیوتر یا هارد اکسترنال کپی کنید. این کار یک لایه امنیتی اضافه برای اطلاعات شما ایجاد میکند. ( اپلیکیشن های زیادی هم هستن که این کار براتون اتوماتیک انجام بدن)
بهترین روش این است که همیشه دو نسخه بکاپ داشته باشید
با این کار، حتی اگر گوشیتان گم شود یا آسیب ببیند، اطلاعات مهمتان محفوظ خواهد ماند.
@blulearnmp
اگر روزی گوشیتون خراب شود، گم شود یا مجبور شودب اون ریست کنی، داشتن بکاپ میتونه تمام اطلاعاتت رو نجات بده. برای این کار مراحل زیر را انجام دهید:
اگر گوشی اندرویدی دارید:
وارد تنظیمات (Settings) شوید.
به بخش Google یا System > Backup بروید.
گزینه Backup by Google One یا Back up to Google Drive را فعال کنید.
روی Back up now بزنید تا یک نسخه پشتیبان از مخاطبین، پیامکها، تنظیمات و برخی اطلاعات برنامهها ذخیره شود.
برای عکسها و فیلمها:
برنامه Google Photos را باز کنید.
وارد تنظیمات شوید و گزینه Backup را فعال کنید تا تصاویر و ویدیوها بهصورت خودکار در فضای ابری ذخیره شوند.
اگر آیفون دارید:
وارد Settings شوید.
روی نام خود در بالای صفحه بزنید.
وارد iCloud > iCloud Backup شوید.
گزینه Back Up This iPhone را فعال کنید و یکبار Back Up Now را بزنید.
+ یک نسخه روی کامپیوتر هم داشته باشید
هر چند وقت یکبار گوشی را با کابل به کامپیوتر وصل کنید و عکسها، فیلمها و فایلهای مهم را روی کامپیوتر یا هارد اکسترنال کپی کنید. این کار یک لایه امنیتی اضافه برای اطلاعات شما ایجاد میکند. ( اپلیکیشن های زیادی هم هستن که این کار براتون اتوماتیک انجام بدن)
بهترین روش این است که همیشه دو نسخه بکاپ داشته باشید
یک نسخه در فضای ابری
یک نسخه روی کامپیوتر یا هارد اکسترنال
با این کار، حتی اگر گوشیتان گم شود یا آسیب ببیند، اطلاعات مهمتان محفوظ خواهد ماند.
@blulearnmp