DLeX: AI Python


Гео и язык канала: Иран, Фарси
Категория: Технологии


هوش‌مصنوعی و برنامه‌نویسی
ارتباط :
https://twitter.com/NaviDDariya

Связанные каналы

Гео и язык канала
Иран, Фарси
Категория
Технологии
Статистика
Фильтр публикаций


🔹 دوره آموزشی «علـــــم داده (Data Science)»

🟢 اهداف دوره:
⏺ تربیت متخصص #دیتا_ساینس و تحلیل داده
⏺ پیاده‌سازی علم داده به صورت کاربردی
⏺ آماده‌سازی و تقویت دانشجویان برای اشتغــال یا تحصیل
⏺ ارتقاء رزومه دانش‌پذیران

✅ آموزش با نرم افزارها و زبــان‌های R، Python و SQL
🔥 نیاز روز بــــازار کــــار ایــــــران و خـــارج

🔬 آموزش #آنلاین به همراه انجام پروژه و موردکاوی‎های واقعی

🏛 موسسه آموزش عالی آزاد توسعه
✅ با گواهینامه مورد تایید وزارت علوم، تحقیقات و فناوری

📌 مشاوره رایگان و مشاهده جزئیات دوره:
➡️ httb.ir/Ehg43
➡️ httb.ir/Ehg43
➡️ httb.ir/Ehg43


می دونم که این چند وقت درباره RAG Evaluation با RAGAS زیاد مطلب گذاشتیم. اما مشکل اینجاست که به خصوص برای کسانی که تازه دارن شروع می کنن، توتوریال ها خیلی سریع قدیمی می شن و کدی که توشون توضیح داده می شه دچار تغییرات ریز می شه.
@ai_python

برای همین شاید خالی از لطف نباشه که این یکی توتوریال RAGAS رو که به نسبت جدید تر هست هم بذاریم توی کانال باشه :

https://www.youtube.com/live/Anr1br0lLz8?si=u7VafvMrJJMxbWza


💎 آماده‌ای برای این‌که سال ۱۴۰۳ رو به طلایی‌ترین سال زندگیت تبدیل کنی؟🏅

🟠 مسیر خیلی روشنه!

🚨 با ثبت‌نام در بوت‌کمپ‌های بهاره مکتب شریف، هم در برنامه‌نویسی حرفه‌ای شو، هم وارد بازار کار شو 🚀

👈 ثبت‌نام و مشاهدۀ دورۀ رایگان ➡️

و یا برای کسب اطلاعات بیشتر کافیه به آی‌دی ما پیام بدی! ‌

🌐 @MaktabSharif_Admin

▪️▫️▪️▫️▪️▫️▪️▫️▪️▫️

🌐 وبسایت |🌐 کانال تلگرام | 🌐 اینستاگرام

#استخدام_با_طعم_آموزش


🔹 دوره آنلاین «تربیت تحلیلگر داده با پایتون (Python)»

📌 برخی از مخاطبان این دوره
☑️ دانشجویان و فارغ التحصیلان تحصیلات تکمیلی
☑️ کارشناسان و مدیران فعال در کسب و کارها
☑️ علاقمندان به کسب جایگاه شغلی خوب در داخل و خارج از کشور
☑️ فارغ التحصیلان که به دنبال کسب مزیت رقابتی در بازار کار هستند

🏛 موسسه آموزش عالی آزاد توسعه
⭐️ با گواهینامه مورد تایید وزارت علوم، تحقیقات و فناوری

📌 مشاوره رایگان و مشاهده جزئیات دوره:
➡️ httb.ir/wres7
➡️ httb.ir/wres7
➡️ httb.ir/wres7
➖➖➖➖➖


یک رشته توییت عالی که تغییرات معماری ترانسفورمرها رو از سال ۲۰۱۷ تا الان بررسی کرده.
@ai_python

لینک مقاله های آرکایو در رشته توییت قرار داده شده است :

https://twitter.com/Muhtasham9/status/1772469982485438485?t=120YmOd_4f2HS-FnYib3qA&s=19


این جا می تونید تلاش کنید که اطلاعات حریم خصوصی رو از چت بات های یک بانک فرضی با پرامپت های مختلف به دست بیارید :
@ai_python
https://huggingface.co/spaces/lighthouzai/guardrails-arena




دوتا جایگزین باحال برای متد دیسکرایب در Pandas:
@ai_python

https://www.blog.dailydoseofds.com/p/you-will-never-use-pandas-describe


یک خانواده از LLM ها اکنون می توانند تا حدود زیادی نقش Decompile کدهای باینری را به عهده بگیرند :
@ai_python

این مدل ها بر روی 4 بیلیون توکن سورس کد زبان سی و اسمبلی کدهای متناظر Train شده اند.

Paper Link


یه پلت فرم باحال که باهاش می تونید خیلی راحت مایگریت کنید. برای مثال به نظر من لایبرری OpenAI خیلی سریع تغییر می کنه.
@ai_python
با استفاده از این پلت فرم وقتی که لایبرری OpenAI رو آپدیت می کنید، می تونید چک کنید که کجای کدتون نیاز به تغییر داره تا با ورژن جدید سازگار بشه. https://app.grit.io/
@ai_python
البته grit فقط برای OpenAI نیست. خیلی کتابخونه های دیگه رو هم پشتیبانی می کنه. مثل Next.js

یا حتی مهاجرت از Chai به Jest

https://app.grit.io/migrations/new

2.9k 0 74 17 13

پیاده سازی RAG با استفاده از MongoDB به عنوان Vector Database

@ai_python








@ai_python

تفاوت های کلیدی LangChain و LlamaIndex


لانگ فیوز، یکی از پلت فرم های LLM Engineering است که شامل قابلیت های زیر برای LLM Application ها هست :

👨‍💻 Traces

👨‍💻 Evals

👨‍💻 Prompt Management

👨‍💻 Metrics

حال، به تازگی، این پلت فرم اپن سورس با Llama Index هم Integrate شده.
@ai_python

جهت اطلاعات بیش تر به این پست مراجعه کنید.


@ai_python

شمای ماژول Model I/O در لانگ چین

@zahidali133/comparison-of-llamaindex-and-langchain-4900989752ac' rel='nofollow'>Medium


تاپ ترین دوره های رایگان هوش مصنوعی برگرفته از صفحه
Generative AI
در لینکداین
@ai_python

3.4k 0 150 4 16



اگر این روزها با RAG Evaluation درگیر هستید یا قرار هست در آینده درگیرش بشید، این نوشتار فرمول های متریک های مورد استفاده در RAG Evaluation و معنای آن ها را بسیار بسیار ساده و با مثال های خیلی خوبی بیان کرده است:
@ai_python

البته با تکیه بر نام متریک ها در RAGAS که با TruLens کمی متفاوت است.
@rupeshyadav153/evaluation-of-retrieval-augmented-generation-rag-using-ragas-on-human-annotated-and-synthetic-09c4b825c298' rel='nofollow'>https://medium.com/@rupeshyadav153/evaluation-of-retrieval-augmented-generation-rag-using-ragas-on-human-annotated-and-synthetic-09c4b825c298

Показано 20 последних публикаций.