🛠 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

📘 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

🚀 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

🧠 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