اگه دوست دارید بدونید یه سیستم Realtime Recommendation چطور در عمل ساخته میشه، این ریپو یه نمونهی کامل از صفر تا صد رو ارائه میده؛ از طراحی معماری سیستم و Feature Engineering گرفته تا پیادهسازی مدل و مباحث MLOps، همهچیز با کد و توضیح شفاف پوشش داده شده و دید خیلی خوبی از ساخت یک سیستم توصیهگر واقعی در مقیاس عملی میده.
https://github.com/decodingai-magazine/personalized-recommender-course
#هوش_مصنوعی
📣👨💻 @AlgorithmDesign_DataStructue
https://github.com/decodingai-magazine/personalized-recommender-course
#هوش_مصنوعی
📣👨💻 @AlgorithmDesign_DataStructue
👍4
🛠 دوره آموزش MLflow
مدیریت حرفهای پروژههای یادگیری ماشین
نسخه آپدیتشدهی دوره MLflow for ML Dev منتشر شده؛ مناسب کسایی که میخوان پروژههای ML رو منظم و قابلپیگیری اجرا کنن.
📌 مباحث اصلی:
✅ راهاندازی و تنظیم MLflow
✅ ساخت و مدیریت Experiments
✅ لاگ کردن متادیتا
✅ کار با Model Registry
✅ تیونینگ و بهبود مدلها
✅ اجرای یه پروژه کامل با MLflow
Youtube Playlist
GitHub
#هوش_مصنوعی
📣👨💻 @AlgorithmDesign_DataStructue
مدیریت حرفهای پروژههای یادگیری ماشین
نسخه آپدیتشدهی دوره MLflow for ML Dev منتشر شده؛ مناسب کسایی که میخوان پروژههای ML رو منظم و قابلپیگیری اجرا کنن.
📌 مباحث اصلی:
✅ راهاندازی و تنظیم MLflow
✅ ساخت و مدیریت Experiments
✅ لاگ کردن متادیتا
✅ کار با Model Registry
✅ تیونینگ و بهبود مدلها
✅ اجرای یه پروژه کامل با MLflow
Youtube Playlist
GitHub
#هوش_مصنوعی
📣👨💻 @AlgorithmDesign_DataStructue
👨💻1
📘 LLMs from Scratch
آموزش ساخت مدلهای زبانی بزرگ از صفر
این ریپوی گیتهاب قدمبهقدم نشون میده که LLMها واقعاً چطور ساخته میشن؛ بدون وابستگی به فریمورکهای آماده و فقط با تمرکز روی مفاهیم اصلی.
🔹 پیادهسازی ترنسفورمر از پایه
🔹 درک عملی Self-Attention و Tokenization
و...
https://github.com/rasbt/LLMs-from-scratch
#هوش_مصنوعی
📣👨💻 @AlgorithmDesign_DataStructue
آموزش ساخت مدلهای زبانی بزرگ از صفر
این ریپوی گیتهاب قدمبهقدم نشون میده که LLMها واقعاً چطور ساخته میشن؛ بدون وابستگی به فریمورکهای آماده و فقط با تمرکز روی مفاهیم اصلی.
🔹 پیادهسازی ترنسفورمر از پایه
🔹 درک عملی Self-Attention و Tokenization
و...
https://github.com/rasbt/LLMs-from-scratch
#هوش_مصنوعی
📣👨💻 @AlgorithmDesign_DataStructue
👍3🙏2
🚀 یادگیری پیادهسازی LLaMA 4 از صفر
یکی از محبوبترین خانوادههای LLMs است و LLaMA 4 جدیدترین و پیشرفتهترین نسخهی این سری محسوب میشود.
این ویدیوی آموزشی توضیح میدهد که چگونه LLaMA 4 را از صفر پیادهسازی کنیم و موارد زیر را پوشش میدهد:
How LLM works
Tokens
Code tokenizer
Attention explained
Code attention
RoPE
RoPE code & attention
Feed forward
Youtube Playlist
GitHub
#هوش_مصنوعی
📣👨💻 @AlgorithmDesign_DataStructue
یکی از محبوبترین خانوادههای LLMs است و LLaMA 4 جدیدترین و پیشرفتهترین نسخهی این سری محسوب میشود.
این ویدیوی آموزشی توضیح میدهد که چگونه LLaMA 4 را از صفر پیادهسازی کنیم و موارد زیر را پوشش میدهد:
How LLM works
Tokens
Code tokenizer
Attention explained
Code attention
RoPE
RoPE code & attention
Feed forward
Youtube Playlist
GitHub
#هوش_مصنوعی
📣👨💻 @AlgorithmDesign_DataStructue
🙏1
🧠 Agentic RAG for Dummies
یک پروژه آموزشی–عملی برای ساخت یک سیستم Agentic RAG واقعی و آمادهی استفاده در محیط Production است.
در این پروژه یاد میگیرید چگونه:
✅یک RAG هوشمند مبتنی بر Agent بسازید.
✅از LangGraph برای orchestration عاملها استفاده کنید.
✅حافظه مکالمه (Conversation Memory) داشته باشید.
✅سوالهای مبهم را بهصورت خودکار اصلاح یا از کاربر شفافسازی کنید.
✅با Multi-Agent Map-Reduce چند سؤال را بهصورت موازی پردازش کنید.
✅یک رابط کاربری Gradio کامل برای تعامل بسازید.
https://github.com/GiovanniPasq/agentic-rag-for-dummies/
#هوش_مصنوعی
📣👨💻 @AlgorithmDesign_DataStructue
یک پروژه آموزشی–عملی برای ساخت یک سیستم Agentic RAG واقعی و آمادهی استفاده در محیط Production است.
در این پروژه یاد میگیرید چگونه:
✅یک RAG هوشمند مبتنی بر Agent بسازید.
✅از LangGraph برای orchestration عاملها استفاده کنید.
✅حافظه مکالمه (Conversation Memory) داشته باشید.
✅سوالهای مبهم را بهصورت خودکار اصلاح یا از کاربر شفافسازی کنید.
✅با Multi-Agent Map-Reduce چند سؤال را بهصورت موازی پردازش کنید.
✅یک رابط کاربری Gradio کامل برای تعامل بسازید.
https://github.com/GiovanniPasq/agentic-rag-for-dummies/
#هوش_مصنوعی
📣👨💻 @AlgorithmDesign_DataStructue