اگه شما هم با داده‌ و علوم‌ مربوطه سروکار دارید و دوست دارید چیزهایی که می‌سازید خیلی تعاملی باشه و UI داشته باشه، دوای دردتون این جاست.
Streamlit🔥
💡 این ابزار یه کتابخونه است که کلی قابلیت و ویجت آماده داره که با چند خط کد ساده بهتون کمک می‌کنه کلی چیزهای مثل گرفتن ورودی، نشون دادن داده‌ها، نمایش نمودار، ساخت فرم، چت بات و... رو بسازید.
چندتا نمونه اسکرین شات براتون گذاشتم که ببینید.
لینک وب‌سایت
لینک مستندات
#tools #ML #software #MachineLearning #DeepLearning #DL
#نمودار #داده #ورودی #تحلیل_داده #آنالیز_داده
➖➖➖➖➖➖➖➖➖➖➖
♡⠀        〇⠀         ⎙⠀      ⌲⁣
ʟɪᴋᴇ   ᴄᴏᴍᴍᴇɴᴛ   sᴀᴠᴇ   sʜᴀʀᴇ

▼‌⃫╁‌⃕ ⸦𝙹𝙾𝙸𝙽 𝙸𝙽 ⸧͜ ▼꯭‌̶ ⃤

@Technical_coding 💻

معرفی AgoraBench، معیاری برای ارزیابی قابلیت های تولید داده از مدلهای LM ها
این کار مقایسه مستقیم LM های مختلف به عنوان یک تولید کننده داده را دشوار می کند.
درAgoraBench، این شکاف را با ارائه 9 تنظیمات یکپارچه که سه حوزه (ریاضی، کد، دنبال کردن دستورالعمل) و سه روش تولید داده را پوشش داده، کاهش می دهیم:
1️⃣تولید نمونه: مشابه Self-Instruct، تولیدکننده داده مشروط به نمایش های درون متنی است و نمونه های جدیدی تولید کرد.
2️⃣تولید پاسخ: با توجه به مجموعه ای ثابت از دستورالعمل ها، مولد داده برای هر دستورالعمل پاسخ هایی تولید کرد.
3️⃣افزایش کیفیت: با توجه به مقادیر زیاد داده های با کیفیت پایین، تولید کننده داده کیفیت داده ها را افزایش داد.
در هر تنظیم، همه متغیرها به جز تولیدکننده داده کنترل می‌شوند: از همان متا دستور و مجموعه داده seed استفاده می‌شود، با هر LM تعداد یکسانی از نمونه‌های آموزشی تولید شد.
▪️ Evaluating Language Models as Synthetic Data Generators
#پردازش_زبان_طبیعی #مقاله
#LM
➖➖➖➖➖➖➖➖➖➖➖
♡⠀        〇⠀         ⎙⠀      ⌲⁣
ʟɪᴋᴇ   ᴄᴏᴍᴍᴇɴᴛ   sᴀᴠᴇ   sʜᴀʀᴇ

▼‌⃫╁‌⃕ ⸦𝙹𝙾𝙸𝙽 𝙸𝙽 ⸧͜ ▼꯭‌̶ ⃤

@Technical_coding 💻