ch
Feedback

不要被骗子欺骗!Telemetrio 会找到并标记这些频道 👉 如果想查看标记,请订阅

دستاوردهای یادگیری عمیق(InTec)

دستاوردهای یادگیری عمیق(InTec)

前往频道在 Telegram

هوش مصنوعی، یادگیری ماشین و یادگیری عمیق موضوع اصلی کانال این یک بلاگ شخصی با طرز تفکر شخصی هست. Core Python : @PyHints تلاشی هم در یادگیری Rust دارم که درحال داکیومنت شدن هم هست؛ اگر شماهم به این زبان علاقمند هستید join یادتون نره Rust: @PyRust

显示更多

📈 Telegram 频道 دستاوردهای یادگیری عمیق(InTec) 的分析概览

频道 دستاوردهای یادگیری عمیق(InTec) (@pytens) 波斯语 语言赛道中的 是活跃参与者。目前社区聚集了 10 030 名订阅者,在 技术与应用 类别中位列第 12 232,并在 伊朗 地区排名第 32 652 位。

📊 受众指标与增长动态

自 невідомо 创建以来,项目保持高速增长,吸引了 10 030 名订阅者。

根据 17 十一月, 2026 的最新数据,频道保持稳定运转。过去 30 天订阅人数变化为 80,过去 24 小时变化为 0,整体触达仍然可观。

  • 认证状态: 未认证
  • 互动率 (ER): 平均受众互动率为 18.13%。内容发布后 24 小时内通常能获得 7.23% 的反应,占订阅者总量。
  • 帖子覆盖: 每篇帖子平均可获得 1 818 次浏览,首日通常累积 725 次浏览。
  • 互动与反馈: 受众积极参与,单帖平均反应数为 16。
  • 主题关注点: 内容集中在 مدل, نتیجه, llm, gpu, بچه 等核心主题上。

📝 描述与内容策略

作者将该频道定位为表达主观观点的平台:
“هوش مصنوعی، یادگیری ماشین و یادگیری عمیق موضوع اصلی کانال این یک بلاگ شخصی با طرز تفکر شخصی هست. Core Python : @PyHints تلاشی هم در یادگیری Rust دارم که درحال داکیومنت شدن هم هست؛ اگر شماهم به این زبان علاقمند هستید join یادتون نره Rust: @PyRus...”

凭借高频更新(最新数据采集于 18 十一月, 2026),频道始终保持新鲜度与高覆盖。分析显示受众积极互动,使其成为 技术与应用 类别中的关键影响点。

10 030
订阅者
无数据24 小时
+247 天
+8030 天
吸引订阅者
11月 '26
十一月 '26
+35
在1个频道中
十月 '26
+184
在1个频道中
Get PRO
九月 '26
+194
在4个频道中
Get PRO
八月 '26
+155
在0个频道中
Get PRO
七月 '26
+168
在2个频道中
Get PRO
六月 '26
+178
在2个频道中
Get PRO
五月 '26
+114
在2个频道中
Get PRO
四月 '26
+36
在0个频道中
Get PRO
三月 '26
+16
在0个频道中
Get PRO
二月 '26
+93
在1个频道中
Get PRO
一月 '26
+148
在3个频道中
Get PRO
十二月 '25
+100
在1个频道中
Get PRO
十一月 '25
+100
在2个频道中
Get PRO
十月 '25
+122
在1个频道中
Get PRO
九月 '25
+204
在0个频道中
Get PRO
八月 '25
+234
在2个频道中
Get PRO
七月 '25
+156
在5个频道中
Get PRO
六月 '25
+196
在2个频道中
Get PRO
五月 '25
+204
在3个频道中
Get PRO
四月 '25
+227
在4个频道中
Get PRO
三月 '25
+287
在4个频道中
Get PRO
二月 '25
+256
在2个频道中
Get PRO
一月 '25
+197
在1个频道中
Get PRO
十二月 '24
+252
在3个频道中
Get PRO
十一月 '24
+310
在1个频道中
Get PRO
十月 '24
+366
在4个频道中
Get PRO
九月 '24
+362
在3个频道中
Get PRO
八月 '24
+363
在0个频道中
Get PRO
七月 '24
+525
在3个频道中
Get PRO
六月 '24
+422
在2个频道中
Get PRO
五月 '24
+404
在2个频道中
Get PRO
四月 '24
+647
在8个频道中
Get PRO
三月 '24
+458
在1个频道中
Get PRO
二月 '24
+325
在2个频道中
Get PRO
一月 '24
+273
在1个频道中
Get PRO
十二月 '23
+386
在4个频道中
Get PRO
十一月 '23
+47
在2个频道中
Get PRO
十月 '23
+40
在0个频道中
Get PRO
九月 '23
+114
在0个频道中
Get PRO
八月 '23
+112
在0个频道中
Get PRO
七月 '23
+102
在0个频道中
Get PRO
六月 '23
+216
在0个频道中
Get PRO
五月 '23
+112
在0个频道中
Get PRO
四月 '23
+156
在0个频道中
Get PRO
三月 '23
+110
在0个频道中
Get PRO
二月 '23
+235
在0个频道中
Get PRO
一月 '23
+259
在0个频道中
Get PRO
十二月 '22
+125
在0个频道中
Get PRO
十一月 '22
+95
在0个频道中
Get PRO
十月 '22
+134
在0个频道中
Get PRO
九月 '22
+186
在0个频道中
Get PRO
八月 '22
+113
在0个频道中
Get PRO
七月 '22
+104
在0个频道中
Get PRO
六月 '22
+95
在0个频道中
Get PRO
五月 '22
+95
在0个频道中
Get PRO
四月 '22
+113
在0个频道中
Get PRO
三月 '22
+163
在0个频道中
Get PRO
二月 '22
+67
在0个频道中
Get PRO
一月 '22
+80
在0个频道中
Get PRO
十二月 '21
+45
在0个频道中
Get PRO
十一月 '21
+101
在0个频道中
Get PRO
十月 '21
+28
在0个频道中
Get PRO
九月 '21
+63
在0个频道中
Get PRO
八月 '21
+174
在0个频道中
Get PRO
七月 '21
+42
在0个频道中
Get PRO
六月 '21
+35
在0个频道中
Get PRO
五月 '21
+40
在0个频道中
Get PRO
四月 '21
+24
在0个频道中
Get PRO
三月 '21
+38
在0个频道中
Get PRO
二月 '21
+116
在0个频道中
Get PRO
一月 '21
+76
在0个频道中
Get PRO
十二月 '20
+1 830
在0个频道中
日期
订阅者增长
提及
频道
18 十一月0
17 十一月+4
16 十一月0
15 十一月+2
14 十一月+4
13 十一月+3
12 十一月+10
11 十一月+3
10 十一月+1
09 十一月+3
08 十一月0
07 十一月0
06 十一月+1
05 十一月0
04 十一月+1
03 十一月+1
02 十一月+2
01 十一月0
频道帖子
Repost from RandRng
بهم اطلاع دادند یکی با اکانت منتسب به یک خانوم داره از طرف من دوره و خدمات و ... می‌فروشه نره تو پاچتون، مودبانه تر از این نمی‌تونم بگم اگر به کانال‌های من سر زدید و سرتون کلاه رفت. من نه هیچ دوره‌ی پولی‌ای رو تایید می‌کنم نه خودم دوره یا خدماتی دارم که به شخص بفروشم هرکسی هم بهش پیام داده شده یا سرش کلاه رفته حتماً از صاحب کارت یا شرکتی یا ... معرفی شده شکایت رسمی ثبت کنه.
07 11月, 11:10
10 11月, ~16:07

2
این پست از کانال دکتر عسگری رو پیشنهاد می‌کنم حتما بخونید. بسیار تکنیک جذابی بود و لذت بردم از خوندنش Weight space programming
2 493
3
نتایج برای ورژن اول چیز بدی نشد؛ البته که ۲-۳ مورد دیگه هست که باید روش کار کنم برای اینکه پیاده‌سازیش کمی سخت‌ بود توی این و
نتایج برای ورژن اول چیز بدی نشد؛ البته که ۲-۳ مورد دیگه هست که باید روش کار کنم برای اینکه پیاده‌سازیش کمی سخت‌ بود توی این ورژن اینکار رو نکرده بودم.
3 401
4
ولی خروجی رو ببینید : خروجی مدل با تکینیک من ۱۳۵ مگ مدل اصلی ۲۶۹ مگ کارت گرافیک می‌خواند. کار من ۶۷.۸۸ میلیون پارامتر داره مدل اصلی ۱۳۴.۵۲ میلیون پارامتر همزمان سرعت تولید توکن مدل هم مقداری بیشتر شده. Validation رو بعد از 25000 استپ می‌تونم اجرا بذارم که مفایسه انجام بشه اما توی خروجی سمپل‌های مختلف درحال حاضر کاری که کردم دقیقا پترن‌هایی که توی مقاله‌ی مدل‌ اصلی ارائه شده رو داره من این تکنیک رو تا الان تونستن از 1M پارامتر تا 135M پارامتر تست کنم؛ تقریبا توی همه شرایط خروجیش نزدیک به مدل ۲ برابر سایز خودش بوده. اگر بتونم به A100 دسترسی بگیرم خیلی دوس دارم اینکار رو بتونم برای مدل‌های بالای 7B پارامتر انجام بدم اگر توی پارامتر بالا هم جواب بده مدل 3.5B پارامتری می‌تونه به اندازه 7B پارامتر خروجی خوبی داشته باشه راستی مدل اصلی یک تکنیک دیگه هم بعد از ترین مدل زده بودند (برای بهبود بیشتر نتایج) که من دسترسی به دیتای اون نداشتم و نه توی کد این رو اضافه کردم.
2 459
5
ولی خروجی رو ببینید : خروجی مدل با تکینیک من ۱۳۵ مگ مدل اصلی ۲۶۹ مگ کارت گرافیک می‌خواند. کار من ۶۷.۸۸ میلیون پارامتر داره مدل اصلی ۱۳۴.۵۲ میلیون پارامتر همزمان سرعت تولید توکن مدل هم مقداری بیشتر شده. Validation رو بعد از 25000 استپ می‌تونم اجرا بذارم که مفایسه انجام بشه اما توی خروجی سمپل‌های مختلف درحال حاضر کاری که کردم دقیقا پترن‌هایی که توی مقاله‌ی مدل‌ اصلی ارائه شده رو داره من این تکنیک رو تا الان تونستن از 1M پارامتر تا 135M پارامتر تست کنم؛ تقریبا توی همه شرایط خروجیش نزدیک به مدل ۲ برابر سایز خودش بوده. اگر بتونم به A100 دسترسی بگیرم خیلی دوس دارم اینکار رو بتونم برای مدل‌های بالای 7B پارامتر انجام بدم اگر توی پارامتر بالا هم جواب بده مدل 3.5B پارامتری می‌تونه به اندازه 7B پارامتر خروجی خوبی داشته باشه راستی مدل اصلی یک تکنیک دیگه هم بعد از ترین مدل زده بودند (برای بهبود بیشتر نتایج) که من دسترسی به دیتای اون داشتم و نه توی کد این رو اضافه کردم.
55
6
دیشب با یکی از دوستان صحبت میکردم بهش یک ایده‌ای رو داده بودم که به تز دکتری ‌اش اضافه کنه روی LLMها ولی چون فرصتش کم بود این
دیشب با یکی از دوستان صحبت میکردم بهش یک ایده‌ای رو داده بودم که به تز دکتری ‌اش اضافه کنه روی LLMها ولی چون فرصتش کم بود اینکار رو نکرده بود؛ بخصوص اینکه مطمئن هم نبود شدنی باشه. دیشب بهم گفت که یکی دیگه از بچه‌های آزمایشگاه به اون ایده رسیده (البته بهبود داده ایده رو) و خیلی نتابج خوبی هم داره بهش میده. شاید ۱۰۰۰ بار گفت حیف تو که کار دانشگاهی و تحقیقاتی نمی‌کنی؛ تقریبا حالم رو گرفت. امروز ۳-۴ صبح وسط کار بودم یک ایده‌ای به ذهنم زد و گفتم بیخیالش برای تست این بازم چندتا A100 لازم دارم. یاد حرفای شب قبل اون رفیقم افتادم و گفتم بذار حداقل روی یک مدل کوچیک تست کنم؛ اگر جواب داد بعد غصه‌ی نداشتن کلاستر A100 برای تست روی مدل‌های چند ده میلیارد پارامتری رو میخورم. تا ۸ صبح طول کشید که یک مدل مناسب با متد مناسب و دیتاست در درسترس پیدا کنم که بتونم با تکنیک خودم مقایسه کنم. بعد به تسک‌های کاریم رسیدم و عصری گذاشتم ترین شدن؛ هنوز به اندازه مدل اصلی ترین نشده و خیلی جا داره من روی 3090 دارم ترین می‌کنم مدلی که باهاش دارم مقایسه می‌کنم روش خودم رو روی ۸ تا A100 ترین شده ادامه پست بعدی
1 861
7
من روی سیستمم نه Agent دارم و نه از Agent ها استفاده می‌کنم و نه به Provider های شرکت‌های مختلف و سطح دسترسی Agent ها اعتماد دارم که روی سیستم و شبکه‌‌ام بخوام بهشون دسترسی بدم. با این حال از LLM‌ها برای ریفکتور کد و ... استفاده می‌کنم. روی یک پروژه مشترک با یک دوستی دارم کار می‌کنم؛ اون با Agent کد میزنه و من همه‌ی استفاده‌ام از LLM توی مرورگر هست ولی هم مصرفم پایین‌تر هست هم تقریبا روی همون پرامپت اول همیشه نتیجه رو می‌گیرم؛ خیلی کم پیش میاد من به ادیت یا پرامپت دوم نیاز داشته باشم. گفتم ۳ تا از مهمترین تکنیک‌هام رو اینجا هم بذارم (نمی‌دونم بازخورد چطوری هست) به ترتیب پیشرفته تر میشه : ۱- درخواست‌های بزرگ برای LLM نفرستید؛ کاری که می‌خواید انجام بدید رو به درخواست کوچیک بشکونید و بخش بخش پیش برید. ۲- حتما COT رو توی مدل‌هایی که نمایش می‌دند بخونید؛ مطمئن بشید توی پرامپت کلماتی رو استفاده کردید که منظور شمارو درست به مدل منتقل کرده (پاراگراف اول معمولا کفایت می‌کنه) ۳- از همشون مهمتر به فارسی به مدل پرامپت ندید. برای مدل‌های آمریکایی از انگلیسی و برای مدل‌های چینی از چینی استفاده کنید. من بصورت دیفالت برای هر دو از انگلیسی استفاده می‌کنم ولی اونجایی که به بن‌بست می‌خوره برای مدل‌های چینی پرامپت انگلیسیم رو + این جمله : You are allowed to think in Chinese but you need to translate the final result in English به یکی از مدل‌ها میدم و بهش میگم اینو به چینی ترجمه کن و بعد خروجی چینی رو بعنوان پرامپت به مدل چینی میدم. این مورد سوم بخصوص استفاده از چینی روی مدل‌های چینی یک سری چالش‌هایی رو حل کرده که برای من که مدل‌های دیگه حتی توضیحش هم نمی‌تونستند بدند. قطعا اگر فردا روز یک مدل روسی هم اضافه بشه: به اون پرامپت به زبان روسی میدم برای برنامه‌نویسی؛ فروم‌های چینی و روسی بسیار قوی‌ای برای برنامه‌نویسی داریم که خیلی‌های روش اینترنت بین‌الملل بسته هست.
2 996
8
یک تسکی توی شرکت داریم؛ فعلا گزینه API رو استفاده می‌کنیم بعد از اون می‌تونیم سراغ ترکیب Quantize, SMOL هم رفتیم همزمان یکی ا+1
یک تسکی توی شرکت داریم؛ فعلا گزینه API رو استفاده می‌کنیم بعد از اون می‌تونیم سراغ ترکیب Quantize, SMOL هم رفتیم همزمان یکی از همکارا اینکار رو کرده ولی نتیجه خوب نیست. نتیجه قابل قبول رو مدل ۲ میلیارد پارامتری بهمون میده؛ ولی این مدل هم بیش از حد گنده هست اگر قرار باشه آفلاین بشیم. امروز کاری نداشتم؛ گفتم بذار ایده‌های معروف رو باهم ترکیب کنم (غیر از MoE) ببینم چی در میاد ازش تقریبا ۲ ساعتی هست که روی کولب (رایگان) داره ترین میشه و لاس از 8.69 تا 1.62 پایین اومده اگر به زیر ۱ برسه (این دیتاست برای بررسی مدل هست) یعنی ارزش تست کردن روی دیتای خودمون رو داره. مدل کمتر از ۳ میلیون پارامتر داره و طبق لاگ سخت‌افزارهایی داریم؛ تا ۷ میلیون پارامتر هم می‌تونم مدل رو افزایش بدم.
2 644
9
https://t.me/per3onnel/772 تو وضعیت تحریم برای اون‌هایی که کارت گرافیک سری 30xx به بعد با رم 64G یا بیشتر دارند (بعضی شرکت‌ها دارند این کانفیگ رو یا حتی بهترش رو) و با توجه به شرایط اینترنت که داره نفس‌های آخرش رو میکشه. Project Maya می‌تونه به خیلی‌ها کمک کنه؛ چیزی که متوجه شدم این هست که این repo هم یک فورک دیگه از Strata هست که بجای Qwen3.8-Flash مدل‌های GLM-5.3.-Flash (321B) Deepseek-v4.1-Flash-1017 (748B) رو پشتیبانی می‌کنه که خب بخاطر اجرای Deepseek خیلی‌ نظرات رو جلب کرده (جدیدترین نسخه فلش هست)
2 953
10
openai هم ایران رو رسما تحریم کرد
3 243
11
راجب پست سوالات زیاد بود ولی یک مورد رو چندین نفر از پرسیده بودند گفتم اینجا بنویسم. سوال این بود که؛‌ چطوری مقاله رو پیاده‌سازی می‌کنم ؟ تصمیم گیری‌ها و ... منم به نوعی به این چالش خوردم پس با داستان خودم توضیح میدم : من سال ۲۰۱۵-۲۰۱۶ که شروع کردم معروف‌ترین فریمورک هوش مصنوعی Tensorflow بود و سالی هم بود که open source شد تقریبا کل بازار دستش بود پس منم با همین فریمورک شروع کردم. چندسال بعد که Pytorch توی بخش ریسرچ جا باز کرد دیگه بین دوتا فریمورک توی چرخش بودم (برای دپلوی روی تنسورفلو - برای تحقیق روی پایتورچ) با اینکه مفاهیم رو خیلی خوب می‌دونستم ولی سوییچ کردن دائم بین دوتا فریمورک و خب تجربه کم روی پایتورچ اوضاع رو خیلی برام سخت کرده بود؛ کدهام روی تنسورفلو بار اول کار میکرد روی پایتورچ همش به ارور میخورد؛ وقتی به مشکلات کدهام نگاه میکردم متوجه شدم یک سری از اونها توی dimension, نحوه برخورد پایتورچ با ماتریس‌ها هست مثلا channel first, channel last یودن یا توابعی مثل einsum و ... و یک سری از موارد هم مربوط به این بود که من فریمورک رو خبلی خوب بلد نیستم. از همون موقع با یک راهکار دیگه شروع کردم کد زدن؛ اول ریاضیات بعد ترین و بچ و ... یعنی چی ؟ اول شروع می‌کردم به کد زدن عادی یک تابع دارای ضرب ماتریس و ... اگر پارامتری برای آموزش داشت مثل weight ها اون رو با torch.rand مقدار دهی میکردم (این کار برای train اشتباه هست چون grad رو نداره) و فقط مطمئن میشدم اگر batch نباشه با rand چیزی که نوشتم از نظر ریاضیات و ضرب ماتریس و ... درست عمل می‌کنه (وقتی ورودی ثابت باشه؛ خروجی رو دستی میشه حساب کرد) از این مرحله که گذشت؛ شروع میکردم تابع رو تغییر دادن اینبار batch رو هم درنظر میگرفتم. همیشه از index های منفی سعی می‌کنم استفاده کنم چون توی پایتورچ index های آخر معمولا ثابت هستند تغییرات توی index های اولی هست منظورم اینه : مثلا دیتای تضویر رو فرض کنید B x C x H x W طول و عکس بعد maxpool یا یک عملکرد ریاضی مثل اون تغییر می‌کنه (کم پیش میاد)‌ بعدش به Channel میرسید؛‌ توی conv این زیادی تغییر می‌کنه و در آخر به batch میرسید که توسط یوزر ست میشه بعد از اون تابعی که داشتم رو بررسی میکردم؛ آیا نیاز به پارامتری داره که در طول train تغییر کنه ؟ آیا رفتارش در طول train با valid فرق می‌کنه ؟ اگر جواب سوالاتی مثل این موارد بله بود؛ توی مرحله بعدی اونارو به nn.Module تبدیل می‌کردم و با nn.Parameter پیش میرفتم. اگر جواب این سوالات خیر بود؛ اونوقت کارم تموم شده چون اون تابع نیازی به ذخیره یا تغییر هیچ state ایی نداره. همین ۳ تا قدم کلی از مشکلات تصمیم گیری رو برطرف میکرد برام (هنوزم همینطوری کد میزنم) و خیلی مسائل رو ساده‌تر می‌کرد؛ بخصوص وقتی خیلی زیاد بین ۲ تا فریمورک سوییچ می‌کردم امیدوارم برای شماهم مفید باشه.
3 214
12
@DevChaiChat سوال و بحث‌ها و ... مربوط به این گروه هست (هروقت صحبت از گروه می‌کنم) داخل گروه بالا که بشید لیست قوانین رو می‌بینید. بخونید و اگر موافق و پایبند بودید روی لینک خصوصی که گذاشته شده کلیک کنید. اگر دوس ندارید سوال یا بحثی رو توی گروه مطرح کنید؛ توی دایرکت هر کانال می‌تونید پیام بدید. بصورت خصوصی به اکانتم اگر پیام بدید فرصت نگاه کردن هم نمی‌کنم
1 562
13
خلاصه دنیای ML Engineer و حتی Research به گند کشیده شده (این فقط برنامه‌نویسی و VibeCode نیست) حجم noise انقدر زیاد شده که متخصص‌های واقعی پیدا کردنشون خیلی خیلی سخت شده. توی این مصاحبه‌ها ماها هممون چندسالی هست که روی این زمینه‌ها کار کردیم می‌دونستیم چی‌ میخوایم و آدم با سواد چی رو بلد باید باشه حالا مقایسه کنید با شرکت‌هایی که ۱ شبه میخواند AI اضافه کنند.
2 521
14
چندوقت پیش مدیر یکی از شرکت‌هایی که ۳ سال پیش باهاش کار میکردم باهام تماس گرفت و گفت برای استخدام ۲ تا نیروی ML Engineer دعوت به همکاری زدند و ۱۶۷ تا روزمه دستشون رسیده و نمیرسند که توی ۱ هفته بررسی کنند. برای همین ازم خواست که برای کمک به ۲ تا مصاحبه کننده دیگه (از نیروهاش) کمک کنم (وقتی پرداخت دلاری انجام میدی حتی اگر مبلغ بالا نباشه آدمای زیادی علاقمند میشوند) ————————- پلن اینطوری شد که ما یک جلسه باهم رفتیم ۴ نفری تا تصمیم بگیریم سوالات مصاحبه و شیوه ارزیابی یکسان باشه که بخاطر سخت‌گیری‌ها و پروژه‌های شخصی مصاحبه کننده‌ها نیروی مناسب به اشتباه رد نشه. توی جلسه رندم ۱۰-۱۵ تا رزومه رو باز کردیم لینکدین‌ها رو نگاه می‌کردی همه پیغمبر ML Engineering و AI Specialist و ... بودند پست‌هاشون رو که می‌خوندی متوجه بد بودن اوضاع می‌شدی. پیشنهاد دادم بجای اینکار به همشون یک ایمیل بزنیم و مقاله DDPM رو بفرستیم؛ توی اطلاع رسانی به همگی گفته شد که مقاله رو بخونید برای مرحله اول مصاحبه؛ به این ترتیب پیش رفتیم. ۳ تا سوال توی مرحله اول پرسیده می‌شد (سوال اول و پیاده‌سازی کد سوال دوم رو اگر نتونند انجام بدند درجا مصاحبه تموم می‌شه) ۱ - توی صفحه ۴ مقاله دو مورد pseudocode برای train, generate وجود داره فرمول ریاضی مربوط به generation رو توضیح بدید و دلیل وجود عبارت آخر (نویز) چیه ؟ این برای درک مقاله بود و نه چیز دیگه. ۲- تصویر مربوط به Scaled dot-product Attention Mulit-Head Attention همراه با توضیحاتش بصورت خلاصه (به انگلیسی) + یک random seed خاص و دیتایی برای q, k, v داده میشد. بر اساس اون توضیحات و تصاویر باید این ۲ تا تابع رو پیاده‌سازی می‌کردند. تمام موارد از مقاله Attention is all you need اومده بود فقط یک مقدار توضیحات رو تغییر دادم و موارد مورد نیاز برای پیاده‌سازی رو کنار هم آوردم و ساده سازی کردم. (این مورد توی ایمیل برای کسی گفته نشده بود و ارسال نشده بود) فقط گفته بودیم کد هم داره این مصاحبه. ۳- یک سری سوالات کلی دیگه درمورد ابزارهای دیگه بود. قبل از مرحله اول توی مرحله خوندن ایمیل ۴۳ نفر ایمیل فرستادند که مقاله خوندن کارشون نیست؛ بعدا توی لینکدین دیدیم خیلی‌ها از تیم Marketing, Social media و ... هستند و چون از API استفاده می‌کنند فکر می‌کنند که ML Engineer شدند (وقتی کسی بالاسرت نیست که بهت تو دهنی بزنه واسه حرف مفتایی که می‌زنی این میشه) ۳ تا ازین افراد دوره آموزش AI دارند توی لینکدین که فکر می‌کنم نزدیک هم هست؛ البته تنها مدرس‌ها نیستند ولی خب توی مصاحبه و توی سوال اول؛ ۵۴ نفر دیگه رو باهاشون خدافظی کردیم. خیلی‌هاشون فقط چون سطح زبانشون خوب بود فکر می‌کردند مقاله رو بخونند و وارد بشوند که همون سوال اول رو گیر می‌کردند؛ دسته اول اصلا نمی‌دونستند اون عبارت noise هست؛ دسته دوم اصلا نمی‌تونستند توضیح بدند چرا. این مصاحبه‌ها بیشتر از ۱ روز وقت مارو نگرفت. تا همین مرحله از ۱۶۷ نفر ۹۷ نفر حذف شدند. توی سوال بعدی؛ نزدیک به ۳۶ نفر گفتند که اصلا با پایتورچ کد نزدند تا حالا. ۱۳ نفر پیاده‌سازی خود پایتورچ رو فقط تحویل دادند (متد آماده رو صدا زدند)‌ ۷ نفر هم بر این باور بودند که کد زدن مرده و باید با LLM کد زد (شعور قد تخم مرغ؛ چون سناریو براشون توضیح داده شده بود شما عضو این تیم هستید و تحقیقات رو قراره به کد تبدیل کنید)‌ اینطوری ۵۶ نفر دیگه هم از دور خارج شدند. نهایتا ما ۴ روز وقت برامون موند (کلا مصاحبه ۹ روز طول کشید تقریبا ۲ مرحله) که از ۱۴ نفری که موندند ۵ نفر پیاده‌سازی‌هاشون توی ضرب ماتریسی و dimension ها اشتباه داشت و باعث می‌شد خروجی اشتباه بدند و با ابزارهای دیگه ML Engineering هم کار نکرده بودند. البته ۳ نفرشون تازه کار بودند و بنظرم آینده خوبی دارند توی فیلد. فقط و فقط ۹ نفر واقعا ML Engineer بودند و می‌فهمیدند دارند چیکار می‌کنند که نهایتا ما با ۲ نفر بهترین قرارداد بستیم. بدون تعارف بگم؛ پروفایل همه شرکت‌کننده‌ها توی لینکدین نوشته متخصص هوش مصنوعی (هیچی از هوش مصنوعی حالیشون نبود) واقعا از چند نفر شخصا پرسیدم می‌دونی loss چیه ؟ یا Optimizer چیکار می‌کنه ؟ یکیشون برگشت گفت شما دارید بیش از حد تخصصی‌اش می‌کنید که من تو مصاحبه رد بشم وگرنه من اینجایی که کار می‌کنم اصلا ازین سوالا ازم نشد. خیلی‌هاشون دارند دوره - سمینار و ... برگزار می‌کنند تا از شما متخصص هوش مصنوعی بسازند. بعضی‌هاشون حتی پس زمینه کد زدن هم نداشتند؛ گفتم بالاتر از چه تیم‌هایی وارد شدند.
2 737
15
اما از همه اینا بهتر دیگه مشکلی که خودت پیدا کردی رو حل کنی. و شک نکنید وقتی روش کار می‌کنید کلی ایده بیشتر و بهتر به ذهنتون میزنه؛ همیشه بعد از شروع به کار این ایده‌ها میاد. ۲ سال پیش بهم می‌گفتی یک روزی برای لینوکس و ویندوز موزیک پلیر می‌نویسم توی روزای تعطیلم؛ قطعا می‌گفتم دیوونه شدی ۱۰ سال پیش می‌گفتی؛ می‌گفتم خطرناکی واسه جامعه ولی خب کمتر از ۲ ماه پیش به اینجا رسیدم که همه موزیک پلیرها کار کردن باهاش سخته (هزاران کار رو انجام میده)؛ حواس پرت کن هست و UI/Theme های خیلی مزخرفی داره و نشستم چیزی که خودم دوس داشتم رو برای استفاده شخصی زدم https://github.com/pykeras/JaFplayer بعدش کلی از بچه‌های گروه علاقمند شدند و ایده دادند که روشون کار کردم شد چیزی که هرروز دارم استفاده می‌کنم. چرا می‌گم پروژه‌ای باشه که مشکل خودتون رو حل می‌کنه ؟ نیاز داشتم یک Bulk Tag Editor بهش اضافه کنم ولی کل هفته پیش سرم شلوغ بود (۱ ساعت هم وقت خالی نداشتم)‌ اینقدر این پروژه برای استفاده خودم مهم هست که تمام قرار ملاقات و بیرون رفتن و ... دیروز (روز تعطیلم) رو کنسل کردم و نشستم پای اضافه کردن فیچرها و فیکس مشکلاتش و ... دارم برای جمعه دیگه هم همین برنامه رو میریزم. خلاصه که فقط کافیه دست به کد بشید؛ ایده و مشکل و ... زیاد هست برای حل کردن. و اینکه یکی دیگه یک نسخه ضعیف ازش راه‌اندازی کرده که با تبلیغات معروفم شده نذارید دلیل این بشه که بگید این ایده اجرا شده پس انجامش نمیدم. مثلا من ۲-۳ روز هست به این نتیجه رسیدم به یک ابزار نیاز دارم مثل Cloud provider ها که با چندتا کلیک همه چیز رو در اختبارم بذاره Postgres, Redis, S3, ... و دارم بهش فکر می‌کنم با چه چیزایی روی سرویس‌های AWS, Digital Ocean , ... مشکل داشتم برای اجرای سریع و تست منظورم هست.
2 363
16
این مورد: این موضوع برای من فوق‌العاده جواب داده و تا امروز دست بهش نزدم. تمرین خیلی خوبی هم هست. جای پیشرفت هم بسیار بسیار زیاد داره بخصوص اینکه مدل‌های هوش مصنوعی درک بالاتری هم پیدا کردند
2 434
17
#موقت دوستان این موارد همش پروژه هست؛ نیازی نیست دائم بپرسید برای رزومه چی کد بزنم.
2 665
18
#موقت اشتباه توی اون کانال نوشتم ولی پست برای اینجا بود.
1 327
19
بعد می‌گید چرا دیگه پست نمی‌ذارم. وضعیت رو ببین خداوکیلی، همون جمله اول رو بخونید. مدل میلیارد پارامتری یا ۱۸ کیلوبایت؟ من ای
بعد می‌گید چرا دیگه پست نمی‌ذارم. وضعیت رو ببین خداوکیلی، همون جمله اول رو بخونید. مدل میلیارد پارامتری یا ۱۸ کیلوبایت؟ من این دلقک بازی ۱۸ کیلوبایتی رو می‌گم چطوری ۰ کیلوبایت کنید، ولی حداقل توش کلی کانسپت برنامه‌نویسی یاد میگیرید: صفحه شطرنجی بازی رو علامت بزنید، پیکسل قبلی که سبز بوده و پیکسلی که تازه سبز شده رو پیدا کنید این میشه جهت حرکت مار. پیکسل قرمز هم اون سیب هست، لبه‌‌های فضای بازی و البته پیکسل‌های سبز توی Grid محدوده ممنوع شما هست. همش با if, else حل میشه. نیازی به وقت تلف کردن سر ساخت دیتاست و ... نداره از گفتن جملات احمقانه و مقایسه مدل میلیارد پارامتری با توانایی‌های بالاتر با یک مدل احمقانه هم جلوگیری می‌کنه. پینوشت: طرف برای جمله فارسی توی زبان مادری راجب پروژه‌ای که مثلاً زده مشکل داره، ۲ تا پاراگراف رو داده LLM براش نوشته. واقعاً دکمه رو فشار میده ؟ من ازین چیزا خسته شدم، مصاحبه‌های چند روز آینده (بعد تعطیلات رو) انجام بدم وقتی تموم شد یک آمار بهتون میدم از هفته‌ای که گذشت. شاید شما هم متوجه حرفم شدید. (درک وضعیت منظورم هست)
2 650
20
تقریباً ۳ هفته‌اس دارم این پروژه رو میزنم با Rust, Tauri v2 و هرچی دوستان بیشتری تست می‌کنند ایده‌های جالبتری بهش اضافه می‌شه. فعلاً فقط نسخه لینوکس رو داریم و روی ورژن v0.2.0 هستیم (شاید بعداً ویندوز و مک هم اضافه شد) اگر دوست داشتید تست کنید توی کانال https://t.me/per3onnel فایل‌های باینتری برای دبیان، ردهت و آرچ وجود داره پینوشت: بعد از انتشار v1.0.0 بصورت open source منتشر خواهد شد
2 244