آکادمی علوم شقایق رحمانی
Kanalga Telegram’da o‘tish
آموزش علوم شیمی، فیزیک و کامپیوتر Admin: @melanee_teacher Mentor Bot: @MelaneeMentorbot
Ko'proq ko'rsatish790
Obunachilar
Ma'lumot yo'q24 soatlar
-37 kun
-1830 kun
Postlar arxiv
یک نمایی کلی از کیس قدیمی مون، اون سبزه که زوم میکنم روش همون هارد HDD هست.
دل و روده ی کامپیوتر قدیمی دخترخاله امو ریختم بیرون، کلی عکس گرفتم از رمشو CPUو GPU و همه آی سی ها و مقاومت و خازنش هاش😅.
بعدا عکساشو میفرستم بریم به سفر در اعماق اعجاب انگیز کامپیوترها😎.
Needless to say, the TPU is 15x to 30x faster than current GPUs and CPUs on production AI applications that use neural network inference.
تفاوت CPU و GPU و TPU در پردازش داده
https://www.linkedin.com/posts/damienbenveniste_machinelearning-datascience-google-activity-7021518113561083904-tVjI
توروخدا بزار بیام تو چنلت فوش بدم مِلانی🤣.
چقدر دنبال این استیکر بچه بودم😍🤣، بالخره پیداش کردم الان.
ابزار TensorFlow.js خیلی کاربرد داره برای دولوپ کردن سایت هایی که مدلهای ai دارند.
چطوری میشه در یک سایت قابلیت های مدل های هوش مصنوعی را فراهم کرد؟
یکی از راه های معروف برای فراهم کردن قابلیت های مدل های هوش مصنوعی در یک وب سایت، استفاده از یک API می باشد. این روش شامل ایجاد یک API با استفاده از فریمورک های مثل Flask یا Django، پیاده سازی مدل های هوش مصنوعی با استفاده از فریمورک های مثل TensorFlow یا PyTorch، و اجرای API بر روی یک سرور مجزا یا استفاده از یک پلتفرم مثل AWS Lambda است.
شما می توانید از این API به طور مستقیم در وب سایت خود استفاده کنید، یا از طریق AJAX یا پلاگین های مثل jQuery از API دریافت اطلاعات و نمایش آن در وب سایت انجام دهید.
همچنین، یک مهندس هوش مصنوعی می تواند از راه هایی مانند استفاده از ابزارهای کارشناسی از قبیل TensorFlow.js, ONNX.js استفاده کند، که به شما کمک می کند تا مدل های هوش مصنوعی را بدون نیاز به سرور جداگانه در مرورگر به طور مستقیم پیاده سازی کنید.
تازه عمق فاجعه میدونید کجاست؟!
قبلا هم بهتون گفتم اون دیدگاه و نتیجه گیری بیزینسی هست که در نهایت از خروجی کار یه دیتاساینتیست مهم و باارزشه!
هدف دیتاساینتیست چیه ازینکه خودشو میکشه که به یه مدل بهینه با استفاده از دیتایی که بهش دادن برسه؟ آخرش اینکه بتونه به اطلاعات خوبی از تجزیه، تحلیل و مدلسازی و پیش بینی دیتا برسه. حالا فکر کنید این همه زحمت میکشه بعد اگه اون دیتای اولیه نامناسب بوده باشه و نشه به خروجی کار اعتماد کرد، چی میشه؟! همه زحمت هاش به هدر میره!
اینجاست که میگم نقش دیتای خوب و واقعی خودش رو نشون میده و چقدر میتونه روی اون هدف بیزینسی شرکت ها تاثیر مطلوب یا نامطلوب بزاره.
پس لطفا به کیفیت دیتایی که روش کار میکنید اهمیت بدید و قبل ازینکه خودتون رو لا به لای لایه های عمیق شبکه های عصبی غرق کنید از مناسب بودن دیتای خود مطمئن شوید!
Repost from LPICFarsi | Linux & DevOps Academy
یک نکته قدیمی
استفاده از ساختار email در لینوکس برای دریافت گزارش از سیستم.
البته قدیما از sendmial استفاده می شد و در توزیع های جدید از postfix استفاده میشه.
به همین دلیل هست که ابزارهای قدیمی از sendmail پشتیبانی می کنه.
با تشکر
@lpicfarsii
دارم از شدت خستگی میمیرم🥵.
از ۶ صبح تا الان یک دقیقه هم استراحت نکردم!
یوقتایی انقدر درگیر کار هستم که نمیفهمم زمان چطوری میگذره، فقط وقتی دارم از شدت گشنگی و خستگی میمیرم میفهمم باید Stop کنم خودمو🤭😅.
