تقریبا تمام کدهایی که در گیتهاب وجود دارند، fine tune یک LLM رو به شما یاد میدن. در طی دو روز گذشته من درگیر این پروژه شدم که pretrain یک LLM رو یادتون میده:

https://github.com/prp-e/minillm

و صدالبته یه مدل کوچک هم باهاش پری‌ترین کردم که می‌تونید تست کنید

منبع


#هوش_مصنوعی #LLM
🆔 @Ai_Tv

روی ابرها زندگی کن

▫️آروان‌کلاد در راهکار «بازیابی پس از حادثه» با پردازش و ذخیره‌سازی چندشهری و راهکارهای پشتیبان‌گیری و زیرساخت پس از حادثه، به تداوم کسب‌وکارها کمک می‌کند.

بازیابی پس از حادثه (Disaster Recovery) چیست؟
▫️بازیابی از حادثه (Disaster Recovery یا DR) فرآیندی است که سازمان‌ها برای بازگشت گام‌به‌گام به فعالیت‌های عادی پس از حادثه‌های غیرمنتظره مثل سیل، زلزله، حملات سایبری یا قطعی برق، استفاده می‌کنند. هدف اصلی DRaaS آروان‌کلاد، کاهش زمان قطعی (Downtime)، تداوم کسب‌وکار در زمان حادثه، حفاظت از داده‌های حیاتی و تداوم زنجیره‌ی خدمات و درنهایت مراقبت از اعتماد مشتری‌های کسب‌وکارهاست.


▫️راهکار DRaaS فرآیندی است که از روزهای پیش از بحران شروع می‌شود و هر نوع کسب‌وکار بدون توجه به اندازه‌ و نوع خدماتش می‌تواند از آن بهره‌مند باشد؛ برای خواندن سپیدنامه و دریافت گام‌به‌گام DRaaS کسب‌وکارتان به این لینک مراجعه کنید.

یک پروژه جالب آموزشی (شامل backend و frontend) برای کسایی که دوست دارند یک سیستم multi agent با استفاده از Google ADK بسازند که از طریق پروتکل A2A به یک ایجنت دیگه مثل ایجنت بانک وصل میشه. این پروژه توی یک چلنجی که گوگل برگزار کرده بود، برنده شد (که باید تو ۴ ساعت یک اپ درست میکردند).
Github: https://github.com/bhancockio/ai_agent_bake_off_ep_2
ویدیوی یوتیوبش را هم که کامل این پروژه را توضیح میده میتونید اینجا کامل ببینید.
https://www.youtube.com/watch?v=g8s6HZZLQsk
و ویدیوی خود چلنج گوگل هم که چندین تیم شرکت کردند و جالبه را اینجا ببینید:
https://www.youtube.com/watch?v=0CQxF56MKWo


#هوش_مصنوعی
🆔 @Ai_Tv

تیم Hugging Face یه قابلیت خیلی خوب معرفی کرده به اسم Streaming Datasets. یعنی دیگه لازم نیست کل دیتاست‌هاتون رو دانلود کنید تا آموزش مدل‌هاتون شروع بشه! فقط با یه خط کد فعالش می‌کنید:

dataset = load_dataset("HuggingFaceM4/FineVisionMax", split="train", streaming=True)

چند تا نکته‌ی جذابش که احتمالاً خوشتون میاد:

- دیگه خبری از «هارد پر شد»، «دانلود بی‌پایان» یا خطای ۴۲۹ نیست.

- سرعت شروع کار خیلی بالا رفته: تا ۱۰ برابر سریع‌تر در resolve فایل‌ها، ۲ برابر نمونه در ثانیه، و حداقل خطا حتی با ۲۵۶ workers همزمان.

- زیرساختشون کلی بهینه شده: cache اشتراکی برای فایل‌ها، pre-fetch برای Parquet، و بافر قابل تنظیم برای بهینه‌سازی I/O
- حتی از SSD لوکال هم تو بعضی تست‌ها سریع‌تر بوده!

اگه دارید روی مدل‌های بزرگ یا دیتاست‌های چندترابایتی کار می‌کنید، حتماً این قابلیت رو تست کنید. احتمالاً کلی تو زمان و هزینه‌ی زیرساختتون صرفه‌جویی می‌کنه.
Link: http://huggingface.co/blog/streaming-datasets



#هوش_مصنوعی
🆔 @Ai_Tv

🔥 ۹۴ درصد تخفیف در طرح شگفت‌انگیز فرادرس - یادگیری بدون توقف
 
🎉 با کد تخفیف LEARN94 می‌توانید یک یا دو آموزش را با ۹۴٪ تخفیف دریافت کنید!
 
⚠️ اگر قبلا سفارش همراه با پرداخت داشتید، می‌توانید یک آموزش و در صورتی که تا الان پرداختی در فرادرس نداشتید، می‌توانید ۲ آموزش انتخاب کنید:👇
 
📚 دسترسی به تمامی آموزش‌ها - [کلیک کنید]
 
🎁 کد تخفیف اختصاصی طرح: LEARN94
 
🔗 مشاهده جزئیات طرح [+]

🔄 FaraDars - فرادرس

🔴 گیت‌هاب Agent HQ را معرفی کرد؛ دسترسی به ایجنت‌های کدنویسی مختلف در یک هاب

گیت‌هاب با معرفی پلتفرم جدیدی به نام Agent HQ امکان مدیریت و کنترل ایجنت‌های هوش مصنوعی کدنویسی از شرکت‌های مختلف مانند OpenAI، گوگل، آنتروپیک، xAI و Cognition را در کنار کوپایلوت فراهم کرده است.

این پلتفرم به توسعه‌دهندگان اجازه می‌دهد چندین ایجنت را در یک محیط واحد هدایت و ارزیابی کنند و حتی اجرای هم‌زمان آنها برای یک وظیفه واحد را تجربه کنند. کاربران اشتراک GitHub Copilot به‌زودی به داشبوردی برای مدیریت و پیگیری عملکرد این ایجنت‌ها دسترسی خواهند داشت.


#هوش_مصنوعی
🆔 @Ai_Tv

یک ریپازیتوری خوب: RAGHub
مجموعه‌ای از ابزارها و پروژه‌های متن‌باز برای یادگیری و کار با Retrieval-Augmented Generation (RAG)
پروژه‌های محبوب، منابع آموزشی و ایده‌های تازه رو یک‌جا جمع کرده.

https://github.com/Andrew-Jang/RAGHub


#هوش_مصنوعی
🆔 @Ai_Tv

⭐️ دسترسی رایگان به دوره‌های مدرسین منتخب فرادرس
 
🎉 شما می‌توانید یکی از دوره‌های آموزشی موجود در این طرح را به صورت کاملاً رایگان از فرادرس دریافت کنید.
 
🔗 مشاهده لیست دوره‌ها - [کلیک کنید]
 
🎁 کد تخفیف اختصاصی طرح: OMID
 
♦️ شرایط استفاده از کد تخفیف: 👇👇👇
 
1️⃣ هر کاربر، فقط یک بار می‌تواند از این کد استفاده کند.
2️⃣ این کد فقط برای یک آموزش و از یک مدرس فعال می‌شود و هنگام اعمال کد، باید یک آموزش در سبد سفارش شما باشد.
3️⃣ مهلت استفاده از آموزش دریافت شده در این طرح تا پایان روز سه‌شنبه، ۲۰ آبان ۱۴۰۴ می‌باشد.

🔄 FaraDars - فرادرس

🔴 بیش از ۷۰۰ آموزش ۸۹ هزار تومنی در فرادرس!
 
⏰ فرصت را از دست ندهید؛ یادگیری با تخفیف استثنایی رو به پایان است!
 
🔶 تحلیل و پیش‌بینی داده‌  با PyCaret در پایتون
 
🔶 کار با Tkinter و SQLite3 در Python
 
🔶 آموزش کار با داده ‎های اکسل در پایتون
 
🔶 آموزش بهینه سازی با پایتون
 
🔶 هدوپ – تجزیه و تحلیل کلان داده با Hadoop
 
📚 سایر آموزش‌های ۸۹ هزار تومنی [+]

🔄 FaraDars - فرادرس