Latest

نمایش خوشه‌بندی داده‌ها در یادگیری بدون نظارت

آموزش و راهنما

یادگیری بدون نظارت چیست؟ آموزش Unsupervised Learning، خوشه‌بندی و PCA

یادگیری بدون نظارت روشی در یادگیری ماشین است که بدون برچسب‌های از پیش تعیین‌شده، ساختار و الگوهای پنهان داده را کشف می‌کند. در این راهنمای جامع با خوشه‌بندی، K-Means، DBSCAN، PCA، تشخیص ناهنجاری و پروژه عملی بخش‌بندی مشتریان با Python و Scikit-learn آشنا می‌شوید.

چرخه عامل، محیط، اقدام و پاداش در یادگیری تقویتی

آموزش و راهنما

یادگیری تقویتی چیست؟ آموزش Reinforcement Learning، الگوریتم Q-Learning و RLHF

یادگیری تقویتی روشی در هوش مصنوعی است که در آن یک عامل با آزمون‌وخطا، دریافت پاداش و تعامل با محیط یاد می‌گیرد چه تصمیمی بگیرد. در این راهنمای جامع با مفاهیم Agent، State، Action، Reward، الگوریتم Q-Learning، یادگیری تقویتی عمیق، PPO، RLHF و یک پروژه عملی Python آشنا می‌شوید.

مراحل ساخت دیتاست برای آموزش و ارزیابی مدل هوش مصنوعی

آموزش و راهنما

دیتاست چیست؟ آموزش ساخت Dataset برای هوش مصنوعی با مثال عملی

دیتاست چیست و چگونه برای هوش مصنوعی یک مجموعه‌داده باکیفیت بسازیم؟ در این راهنمای جامع با انواع دیتاست، روش جمع‌آوری و برچسب‌گذاری داده، تقسیم Train و Validation و Test، جلوگیری از Data Leakage، کنترل کیفیت و ساخت یک دیتاست واقعی فارسی با Python و API درواره آشنا می‌شوید.

فرایند تبدیل نویز به تصویر در مدل دیفیوژن هوش مصنوعی

آموزش و راهنما

مدل دیفیوژن چیست؟ نحوه ساخت تصویر و ویدئو با Diffusion Models

مدل دیفیوژن یکی از مهم‌ترین فناوری‌های پشت ابزارهای تولید تصویر و ویدئو با هوش مصنوعی است. در این راهنمای جامع، فرایند افزودن و حذف نویز، DDPM، DDIM، Latent Diffusion، Stable Diffusion، U-Net، VAE، Flow Matching را همراه با مثال عملی و کد پایتون بررسی می‌کنیم.

معماری ترنسفورمر و مکانیزم Self-Attention در مدل‌های هوش مصنوعی

آموزش و راهنما

ترنسفورمر چیست؟ آموزش معماری Transformer و مکانیزم Attention

ترنسفورمر معماری اصلی بسیاری از مدل‌های هوش مصنوعی مدرن مانند GPT، BERT، Llama و Gemini است. در این راهنمای جامع، معماری Transformer، مکانیزم Attention و Self-Attention، نقش Encoder و Decoder، محاسبات Q، K و V، محدودیت طول کانتکست و کاربرد آن در را همراه با مثال و کد پایتون بررسی می‌کنیم.

آموزش vLLM برای اجرای مدل زبانی و ساخت API سازگار با OpenAI

آموزش و راهنما

vLLM چیست؟ آموزش اجرای مدل‌های زبانی و ساخت API سازگار با OpenAI

vLLM یک موتور متن‌باز و پربازده برای اجرای مدل‌های زبانی بزرگ و ارائه آن‌ها از طریق API است. در این راهنمای عملی، نصب vLLM، اجرای مدل، ساخت API سازگار با OpenAI، اتصال با پایتون، استفاده از Docker، مدیریت GPU، افزایش توان پاسخ‌گویی و تفاوت آن با Ollama و API درواره را بررسی می‌کنیم.

چرخه MLOps و LLMOps از داده و آموزش مدل تا استقرار، ارزیابی و پایش

آموزش و راهنما

MLOps چیست؟ راهنمای عملیات یادگیری ماشین و تفاوت آن با LLMOps و DevOps

MLOps مجموعه‌ای از روش‌ها و ابزارها برای آزمایش، نسخه‌بندی، استقرار، پایش و به‌روزرسانی مدل‌های یادگیری ماشین است. در این راهنمای عملی، چرخه MLOps، تفاوت آن با DevOps و LLMOps و پیاده‌سازی نمونه با MLflow و API درواره را بررسی می‌کنیم.

ALT تصویر شاخص: آموزش Swagger و OpenAPI برای مستندسازی API هوش مصنوعی با FastAPI و درواره

آموزش و راهنما

Swagger چیست؟ آموزش OpenAPI و ساخت مستندات API هوش مصنوعی با FastAPI

Swagger و OpenAPI به توسعه‌دهندگان کمک می‌کنند ساختار API، ورودی‌ها، پاسخ‌ها، احراز هویت و خطاها را به‌صورت استاندارد مستند کنند. در این آموزش، تفاوت Swagger و OpenAPI را بررسی می‌کنیم و یک API واقعی تولید متن با FastAPI، Swagger UI و API درواره می‌سازیم.