DLeX: AI Python
22.8K subscribers
4.95K photos
1.22K videos
765 files
4.3K links
هوش‌مصنوعی و برنامه‌نویسی

ارتباط با نوید داریا در توییتر :
https://twitter.com/NaviDDariya

اراتباط با لی لی علوی در تلگرام :
@lilylawww
Download Telegram
یه توتوریال خیلی ساده برای این که بتونید از طریق Postman درخواست هاتون رو به Azure Open AI API تست کنید. از این جهت به درد من خورد که گاهی وقتا اگر دارید اپلیکیشنی می نویسید که قراره به Azure ریکوئست بفرسته ، ممکنه براتون گیج کننده باشه وقتی مدل رو توی آژور دپلوی کردید ، دقیقن کدوم پارامترها رو باید بردارید:

https://medium.com/@ro5112/how-to-use-postman-to-call-azure-openais-api-a-step-by-step-tutorial-765aec0fba96

سطح مبتدی

@ai_python
DLeX: AI Python
یه توتوریال خیلی ساده برای این که بتونید از طریق Postman درخواست هاتون رو به Azure Open AI API تست کنید. از این جهت به درد من خورد که گاهی وقتا اگر دارید اپلیکیشنی می نویسید که قراره به Azure ریکوئست بفرسته ، ممکنه براتون گیج کننده باشه وقتی مدل رو توی آژور…
برای مثال من توی یکی از برنامه هام، این طوری درخواست رو می فرستادم که در تصویر می بینید. ولی یه مقدار قبل از توتوریال بالا ، همیشه گیج می شدم که مثلن مقدار مدل رو از کجا بیارم یا اینکه API Version چه تفاوتی با Model Version داره. 👨‍💻
Please open Telegram to view this post
VIEW IN TELEGRAM
#تجربه

برای تست یک AI Assistant که خودمون نوشته بودیم، یک فایل CSV با حداقل 5000 آیتم از اطلاعات فروش رستوران های زنجیره ای تهیه کردیم.

فایل رو هم زمان هم به AI Assistant خودمون دادیم و هم به ChatGPT Plus و نتیجه در بیش تر موارد این بود که کدی که Chat GPT Plus که در واقع داشت از مدل GPT 4 استفاده می کرد، برای آنالیز دیتا استفاده می کرد و اجرا می کرد حداقل یک بار به اشتباه تولید می شد!
@ai_python
ولی توی AI Assistant ما این کد خیلی کم پیش میومد که Failed بشه و با اولین اجرا، نتیجه درست رو از آنالیز داده در بر داشت. برای مثال، سوال این بود که کدوم محصول بیش ترین فروش بیرون بر رو داشته؟

علت این موضوع ایجاد ماژولی برای تولید یک کد تمیز بود که ما اسمش رو Clean Code گذاشتیم.
@ai_python
در واقع این ماژول با کمک Regex کد رو تمیز می کرد. این طوری نتیجه بهتری از مدل دریافت می کردیم. هر چند که نقش Prompt Engineering رو هم نباید نادیده گرفت.
نگاهی به چشم انداز مایکروسافت در جهت افزایش امنیت با استفاده از اهرم هوش مصنوعی :
@ai_python

https://www.microsoft.com/en-us/industry/microsoft-in-business/security/2023/10/17/microsoft-empowers-comprehensive-security-in-the-era-of-ai/

اگر با مفهوم SIEM که در این بررسی به آن اشاره شده است، آشنا نیستید مقاله های فارسی زیر به شما پیشنهاد می شوند:

https://techtik.com/2016/12/20/%d9%8fsiem-1/

https://techtik.com/2016/12/21/siem-2/
می دونیم که بعضی از دانشگاه ها یا دبیرستان های فنی (برای مثال FH Campus Wien در اتریش ) از GitHub Classroom برای اتوماسیونِ تصحیح تمرین های کد نویسی دانشجو ها و دانش آموز ها استفاده می کنن. این اتوماسیون و در واقع Unit Test نویسی با این که کمی از کار اساتید رو کم تر کرد و مدت هاست که استفاده می شه، اما همچنان وقت گیر بود.
@ai_python
حالا گیت هاب با استفاده از Azure OpenAI API ، یک کالکشن از Jupyter Notebook های اوپن سورس و چندین LLM مختلف یک ویژگی تازه به GitHib Classroom اضافه کرده که اسمش رو گذاشته GitHubClassroomAIGrader

@ai_python

این ابزار با استفاده از هوش مصنوعی کمک می کنه که تمرین کدنویسی کاربران سریع تر بررسی و نمره دهی بشه.

اطلاعات بیش تر رو می تونید از این جا بخونید :

Tech Community
Grayscale's New Study Reveals Emerging Synergy Between #AI and #Cryptocurrency

@ai_python

https://news.bitcoin.com/grayscales-new-study-reveals-emerging-synergy-between-ai-and-cryptocurrency/

What do you think about Grayscale’s report concerning the synergy of AI and crypto assets and blockchain networks? Share your thoughts and opinions about this subject in the comments (Persian or English :) )
https://youtu.be/EhlPDL4QrWY?si=UJkqO2hSaBjC2Vp-

This video builds a RAG chain that connects to a Pinecone Serverless index using LCEL, turns it into an a web service with LangServe, uses Hosted LangServe to deploy it, and uses LangSmith for app observability.

@ai_python
در این ویدیو یک RAG Chain که با استفاده از LCEL به Pinecode Serverless Index متصل شده است، ساخته می شود. در نهایت با LangServe از آن یک وب سرویس ایجاد خواهد شد.

لینک گیت هاب
کلی فریم ورک پرامپتینگ این جا معرفی شدن 😍 :

https://github.com/lxx0628/Prompting-Framework-Survey

من خودم شخصن الان توی کار خیلی با پرامپتینگ درگیر هستم و فکر می کنم اگه این وسط مسطا یه وقتی پیدا کنم که چند تا فریم ورک پرامپتینگ رو بررسی کنم ، شاید بتونم توی پروژه هایی که توشون کار می کنم ، یه سر و سامونی به پراکندگی و اثر بخشی پرامپ تامون بدم. 💬
@ai_python
ضمن این که یادتون نره که احتمالن در آینده نزدیک شغل Prompt Engineer خیلی درخواست های بیش تری در دنیا خواهد داشت.
Please open Telegram to view this post
VIEW IN TELEGRAM
تازگیا گاهی چت جی پی تی هم زمان دو تا جواب کنار هم Generate می کنه، که می تونید یکی رو انتخاب کنید و به اون یکی ترجیح بدید.
@ai_python

البته این بیش تر برای Code Geneation اتفاق می افته.
🚀 ساخت RAG های پیشرفته با استفاده از : FalkorDB, LangChain, Diffbot API, and OpenAI

تا حالا درباره بهره گرفتن از Knowledge Graph ها برای RAG فکر کردید؟ 🧐 به نظرم وسوسه کننده س.
@ai_python
اگر علاقه مند هستید این مقاله پیشنهاد می شه 😍 :

https://medium.com/@akriti.upadhyay/building-advanced-rag-applications-using-falkordb-langchain-diffbot-api-and-openai-083fa1b6a96c
یه ریپازیتوری برای ترک کردن NLP Progress که اتفاقن زبان فارسی هم داره.
@ai_python
هرچند که متاسفانه آخرین کامیتش به 4 سال قبل برمی گرده :

https://github.com/sebastianruder/NLP-progress/
پارسال در انتهای سال 2023 در روز دوم داکر کنفرانس جاستین کورمک (مدیر ارشد فناوری داکر) میزبان هریسون چیس از لانگ چین و میشل هونگا از Neo4j بود که درباره GenAI Stack تازه گپ و گفت کنند. 🐳
@ai_python
البته کامنت ها بازخوردهای منفی زیادی دارن. 😅 ولی به هر حال این یکی از چشم اندازهایی هست که از آینده مسیر Generative AI داکر وجود داره.
@ai_python
داکر، یک فرم هم آماده کرده برای کسانی که بعد از دیدن این ویدیو تصمیم می گیرن که خودشون رو برای Early Access داکر AI ثبت نام کنن. این فرم رو می تونید توی این لینک پیدا کنید.

https://youtu.be/yPuhGtJT55o?si=c5DxdRstNfdy3qkq
This media is not supported in your browser
VIEW IN TELEGRAM
Graph transformers are important for ML on graph-structured data, but scaling them up for large graphs is difficult.

@ai_python

Here you can learn about Exphormer, a sparse attention framework that uses expander graphs to improve scalability for graph transformers. https://goo.gle/48JVvAW

توضیح این که اکسفورمرها به ما کمک می کنند که از گراف های بسیار بزرگ و عظیم به صورت تکه تکه یاد بگیریم. به همین جهت برای ماشین لرنینگ بسیار مهم هستند
This media is not supported in your browser
VIEW IN TELEGRAM
یکی از جی پی تی های پرطرفدار در جی پی تی استور ، ScholarAI هست که منحصرن برای دانشجوها، محققین و اساتید دانشگاه پرامپ و فید شده.

@ai_python

البته استفاده ازش رایگان نیستش و باید توی وب سایتش پلاگین رو سابسکرایب کنید.

مقاله هایی که اسکولار AI به آن ها استناد می کند، از بیش از 200 میلیون مقاله peer-reviewed هستند.
Forwarded from We all are BiTs
🤔: Is there an AI coding assistant for Bitbucket?

Learn all about Codeium’s AI coding assistant 👉 https://bit.ly/3UslecX

@WearebiTs

چند وقتی هست که بیت باکت هم دستیار کدنویسی خودش رو ارائه داده. اگر هنوز استفاده نکردید و علاقه مند به استفاده هستید این یک راهنما برای افراد مبتدی هست
Please open Telegram to view this post
VIEW IN TELEGRAM