څنګه د مصنوعي ذهانت پراختیا ورکوونکی شو. کمښت.

تاسو دلته د بې ادبۍ لپاره نه یاست. تاسو د AI پراختیا کونکي کیدو لپاره روښانه لاره غواړئ. ښه. دا لارښود تاسو ته د مهارتونو نقشه، هغه وسایل چې په حقیقت کې مهم دي، هغه پروژې چې بیرته غوښتنې ترلاسه کوي، او هغه عادتونه چې د بار وړلو څخه ټنکر کول جلا کوي درکوي. راځئ چې تاسو جوړ کړو.

هغه مقالې چې تاسو یې له دې وروسته لوستل خوښولی شئ:

🔗 د مصنوعي ذهانت شرکت څنګه پیل کړو
ستاسو د مصنوعي ذهانت د نوښت د جوړولو، تمویل او پیل کولو لپاره ګام په ګام لارښود.

🔗 څنګه په خپل کمپیوټر کې مصنوعي ذهانت جوړ کړو
په اسانۍ سره په محلي کچه د مصنوعي ذهانت ماډلونه جوړول، روزنه ورکول او چلول زده کړئ.

🔗 د مصنوعي ذهانت ماډل څنګه جوړ کړو
د مصنوعي ذهانت د ماډل جوړولو جامع تحلیل له مفهوم څخه تر پلي کولو پورې.

🔗 سمبولیک AI څه شی دی؟
وپلټئ چې سمبولیک AI څنګه کار کوي او ولې دا نن ورځ هم مهم دی.

څه شی یو غوره AI پراختیا کونکی جوړوي✅

یو ښه مصنوعي ذهانت جوړونکی هغه څوک نه دی چې هر اصلاح کوونکی حفظ کوي. دا هغه څوک دی چې کولی شي یوه مبهم ستونزه واخلي، چوکاټ یې کړي ، معلومات او ماډلونه سره یوځای کړي، یو څه واستوي چې کار کوي، په صادقانه توګه یې اندازه کړي، او پرته له ډرامې تکرار کړي. یو څو نښې:

• د ټول لوپ سره آرامۍ: ډاټا → ماډل → ایول → ډیپلو → مانیټر.

• د اصلي تیوري په پرتله د چټکو تجربو لپاره تعصب ... د څرګندو جالونو څخه د مخنیوي لپاره کافي تیوري سره.

• یو پورټ فولیو چې ثابتوي چې تاسو کولی شئ پایلې وړاندې کړئ، نه یوازې نوټ بوکونه.

• د خطر، محرمیت او انصاف په اړه یو مسؤل ذهنیت - نه فعالیت کوونکی، عملي. د NIST AI د خطر مدیریت چوکاټ او د OECD AI اصولو تاسو سره مرسته کوي چې د بیاکتونکو او شریکانو په څیر ورته ژبه ووایاست. [1][2]

کوچنی اعتراف: ځینې وختونه به تاسو یو ماډل راولیږئ او بیا به د بریا اساس درک کړئ. دا عاجزي - په عجیب ډول - یو زبرځواک دی.

چټک انځور: یوې ډلې د ملاتړ ټریج لپاره یو ښکلی طبقه بندي جوړ کړ؛ د لومړني کلیدي کلمې قواعد د لومړي ځواب په وخت کې یې مات کړل. دوی قواعد وساتل، ماډل یې د څنډې قضیو لپاره وکاراوه، او دواړه یې واستول. لږ جادو، ډیرې پایلې.

د مصنوعي ذهانت پراختیا ورکوونکي کیدو لپاره د لارې نقشه 🗺️

دلته یوه نرمه، تکراري لاره ده. کله چې تاسو کچه پورته کوئ نو څو ځله یې لوپ کړئ:

1. د پروګرام کولو روانی او د اصلي DS لیبونه: NumPy، pandas، scikit-learn. رسمي لارښودونه پریږدئ او بیا کوچني سکریپټونه جوړ کړئ تر هغه چې ستاسو ګوتې یې وپیژني. د scikit-learn کارونکي لارښود د حیرانتیا وړ عملي درسي کتاب په توګه دوه چنده کیږي. [3]

2. د ML بنسټونه : خطي ماډلونه، منظم کول، متقابل اعتبار، میټریکونه. د کلاسیک لیکچر یادښتونه او د عملي کریش کورس ترکیب ښه کار کوي.

3. د ژورې زده کړې وسیلې : PyTorch یا TensorFlow غوره کړئ او یوازې دومره زده کړئ چې ماډلونه وروزل شي، خوندي شي او بار شي؛ ډیټاسیټونه اداره شي؛ او د شکل عام غلطۍ ډیبګ شي. که تاسو "لومړی کوډ" خوښوئ، د رسمي PyTorch ټیوټوریلونو [4]

4. هغه پروژې چې په حقیقت کې لیږدول کیږي : د ډاکر سره پیکج، د چلولو چلونه (حتی د CSV لاګ هیڅ شی نه ماتوي)، او لږترلږه API ځای په ځای کړئ. کله چې تاسو د واحد بکس ځای په ځای کولو څخه وده کوئ نو کوبرنیټس زده کړئ؛ لومړی ډاکر. [5]

5. د AI مسؤل طبقه : د NIST/OECD (اعتبار، اعتبار، شفافیت، انصاف) څخه الهام اخیستل شوی د سپک خطر چک لیست غوره کړئ. دا بحثونه کانکریټ ساتي او پلټنې ستړې کوي (په ښه توګه). [1][2]

6. لږ تخصص ولرئ : د ټرانسفارمرونو سره NLP، د عصري بدلونونو/ViTs سره لید، سپارښتونکي، یا LLM ایپسونه او اجنټان. یو لین غوره کړئ، دوه کوچني پروژې جوړې کړئ، بیا څانګه وکړئ.

تاسو به د تل لپاره ۲-۶ ګامونه بیا وګورئ. په ریښتیا سره، دا کار دی.

د مهارتونو هغه سټک چې تاسو به یې په حقیقت کې ډیری ورځې وکاروئ 🧰

• پایتون + د معلوماتو شخړه : د صفونو ټوټه کول، یوځای کیدل، ګروپ بای، ویکتور کول. که تاسو کولی شئ پانډا نڅا کړئ، روزنه ساده ده او ارزونه یې پاکه ده.

• کور ایم ایل : د روزنې – ازموینې ویشونه، د لیکیدو مخنیوی، میټریک سواد. د سایکټ زده کړې لارښود په خاموشۍ سره د ریمپ په اوږدو کې یو له غوره متنونو څخه دی. [3]

• د DL چوکاټ : یو غوره کړئ، له پای څخه تر پایه کار وکړئ، بیا وروسته بل ته وګورئ. د PyTorch اسناد ذهني ماډل روښانه کوي. [4]

• د حفظ الصحې تجربه : د منډو، پارامونو او هنري اثارو تعقیب. راتلونکی - تاسو لرغونپوهنه نه خوښوئ.

• کانټینریزیشن او آرکیسټریشن : ډاکر ستاسو د سټیک بسته کولو لپاره؛ کوبرنیټس کله چې تاسو نقلونو، اتوماتیک کولو، او رولینګ تازه معلوماتو ته اړتیا لرئ. له دې ځایه پیل کړئ. [5]

• د GPU اساسات : پوه شئ چې کله یو کرایه کړئ، د بیچ اندازه څنګه د ګرافیکي وړتیا اغیزه کوي، او ولې ځینې عملیات حافظې پورې تړلي دي.

• مسؤل مصنوعي ذهانت : د معلوماتو سرچینې مستند کړئ، خطرونه ارزونه وکړئ، او د واضح ملکیتونو (اعتبار، اعتبار، شفافیت، انصاف) په کارولو سره د کمولو پلان جوړ کړئ. [1]

د پیل نصاب: هغه څو لینکونه چې له خپل وزن څخه پورته دي 🔗

• د ML بنسټونه : د تیوري-درنو یادښتونو یوه ټولګه + د عملي کریش کورس. دوی د ساینس زده کړې تمرین سره یوځای کړئ. [3]

• چوکاټونه : د پای ټورچ ټیوټوریلونه (یا د ټینسر فلو لارښود که تاسو کیراس غوره کوئ). [4]

• د معلوماتو ساینس اړین توکي : د سکایټ-لرن د کارونکي لارښود د میټریکونو، پایپ لاینونو او ارزونې داخلي کولو لپاره. [3]

• بار وړل : د ډاکر د پیل کولو لاره نو "زما په ماشین کار کوي" په "هرچیرې کار کوي" بدلیږي. [5]

دا په نښه کړئ. کله چې بند پاتې شئ، یوه پاڼه ولولئ، یو شی هڅه وکړئ، بیا یې تکرار کړئ.

درې پورټ فولیو پروژې چې مرکې ترلاسه کوي 📁

1. ستاسو په خپل ډیټاسیټ کې د ترلاسه کولو لپاره زیات شوي پوښتنې ځواب ورکول

   • د پوهې یو ځانګړی اساس سکریپ/وارد کړئ، ایمبیډینګونه جوړ کړئ + بیرته ترلاسه کړئ، یو سپک UI اضافه کړئ.

   • د تعقیب ځنډ، د پوښتنو او ځوابونو په یوه ساتل شوي سیټ کې دقت، او د کاروونکو فیډبیک.

   • د "ناکامۍ قضیې" لنډه برخه شامله کړئ.

2. د لید ماډل د اصلي ځای پرځای کولو محدودیتونو سره

   • یو طبقه بندي کوونکی یا کشف کوونکی وروزو، د FastAPI له لارې خدمت وکړئ، د ډاکر سره کانټینرایز کړئ، ولیکئ چې تاسو څنګه اندازه کوئ. [5]

   • د اسنادو د څرخېدو کشف (د ځانګړتیاوو په پرتله د نفوسو ساده احصایې یو ښه پیل دی).

3. د مسؤل AI قضیې مطالعه

   • د حساسو ځانګړتیاوو سره یو عامه ډیټاسیټ غوره کړئ. د میټریک او تخفیف لیکنه د NIST ملکیتونو سره سمون ولري (اعتبار، اعتبار، انصاف). [1]

هره پروژه ورته اړتیا لري: د ۱ پاڼې README، یو ډیاګرام، د بیا تولید وړ سکریپټونه، او یو کوچنی چینج لاګ. یو څه ایموجي وړتیا اضافه کړئ ځکه چې، ښه، انسانان هم دا لولي 🙂

MLOps، ځای پر ځای کول، او هغه برخه چې هیڅوک تاسو ته نه در زده کوي 🚢

لېږدول یو مهارت دی. لږ تر لږه جریان:

• کنټینر کړئ ترڅو dev ≈ prod. د رسمي Getting Starting docs سره پیل کړئ؛ د څو خدماتو تنظیماتو لپاره کمپوز ته لاړ شئ. [5]

• تجربې تعقیب کړئ (حتی په محلي توګه). پیرامیټونه، میټریکونه، هنري اثار، او د "ګټونکي" ټګ د خلاصون صادقانه او همکاري ممکنه کوي.

• تنظیم کړئ . لومړی د ځای پرځای کولو، خدماتو، او اعلاناتي ترتیب زده کړئ؛ د یاک-شیو کولو غوښتنې سره مقاومت وکړئ.

• د کلاوډ چلولو وختونه : د پروټوټایپ لپاره کولاب؛ اداره شوي پلیټ فارمونه (SageMaker/Azure ML/Vertex) کله چې تاسو د لوبو ایپسونه تیر کړئ.

• د GPU سواد : تاسو اړتیا نلرئ چې د CUDA کرنلونه ولیکئ؛ تاسو اړتیا لرئ چې وپیژنئ کله چې ډیټالوډر ستاسو لپاره خنډ وي.

کوچنۍ نیمګړتیاوې: د MLOps په اړه د خرما سټارټر په څیر فکر وکړئ - دا د اتومات کولو او څارنې سره تغذیه کړئ، یا دا به بد بوی شي.

مسؤل مصنوعي ذهانت ستاسو د سیالۍ وړ ځای دی 🛡️

ټیمونه د اعتبار ثابتولو لپاره تر فشار لاندې دي. که تاسو د خطر، اسنادو او حکومتدارۍ په اړه په کلکه خبرې کولی شئ، نو تاسو هغه کس شئ چې خلک یې په خونه کې غواړي.

• د یو تاسیس شوي چوکاټ څخه کار واخلئ : اړتیاوې د NIST ملکیتونو (اعتبار، اعتبار، شفافیت، انصاف) ته نقشه کړئ، بیا یې په چک لیست توکو او په عامه اړیکو کې د منلو معیارونو ته واړوئ. [1]

• خپل اصول ټینګ کړئ : د OECD AI اصول د بشري حقونو او دیموکراتیکو ارزښتونو ټینګار کوي - د سوداګرۍ په اړه د بحث کولو پرمهال ګټور دي. [2]

• مسلکي اخلاق : د ډیزاین اسنادو کې د اخلاقو کوډ ته لنډه اشاره اکثرا د "موږ د هغې په اړه فکر کاوه" او "موږ یې وزر کړ" ترمنځ توپیر دی.

دا درغلۍ نه ده، دا یو هنر دی.

لږ تخصص ولرئ: یو لین غوره کړئ او د هغې وسایل زده کړئ 🛣️

• LLMs او NLP : د نښه کولو نیمګړتیاوې، د شرایطو کړکۍ، RAG، د BLEU هاخوا ارزونه. د لوړې کچې پایپ لاینونو سره پیل کړئ، بیا یې تنظیم کړئ.

• لید : د معلوماتو زیاتوالی، د حفظ الصحې لیبل کول، او د څنډې وسیلو ته ځای پرځای کول چیرې چې ځنډ ملکه وي.

• سپارښتونکي : ضمني فیډبیک ځانګړتیاوې، د سړې پیل ستراتیژۍ، او د سوداګرۍ KPIs چې د RMSE سره سمون نه خوري.

• د اجنټانو او وسیلو کارول : د فعالیت زنګ وهل، محدود کوډ کول، او د خوندیتوب ریلونه.

په صادقانه توګه، هغه ساحه غوره کړئ چې تاسو د یکشنبې په سهار لیواله کوي.

د پرتله کولو جدول: د مصنوعي ذهانت پراختیا کونکي کیدو لپاره لارې 📊

هو، واټن یو څه نا مساوي دی. اصلي میزونه په ندرت سره بشپړ وي.

د مطالعې هغه لوپونه چې په حقیقت کې پاتې کیږي 🔁

• دوه ساعته دوره : ۲۰ دقیقې د اسنادو لوستل، ۸۰ دقیقې کوډ کول، ۲۰ دقیقې د هغه څه لیکل چې مات شوي دي.

• د یوې پاڼې لیکنې : د هرې کوچنۍ پروژې وروسته، د ستونزې چوکاټ، اساسات، میټریکونه، او د ناکامۍ طریقې تشریح کړئ.

• قصدي محدودیتونه : یوازې په CPU کې روزنه ورکړئ، یا د مخکې پروسس کولو لپاره هیڅ بهرني لیبونه مه کاروئ، یا په سمه توګه د 200 لینونو بودیجه ورکړئ. محدودیتونه په یو ډول تخلیقیت زیږوي.

• د کاغذ سپرنټ : یوازې ضایع کول یا د ډیټا لوډر پلي کول. تاسو د ډیر څه زده کولو لپاره SOTA ته اړتیا نلرئ.

که تمرکز کم شي، نو دا عادي خبره ده. هرڅوک په ټپه دریږي. ګرځې، بیرته راشه، یو کوچنی شی راولېږه.

د مرکې چمتووالی، پرته له تیاتر څخه 🎯

• لومړی پورټ فولیو : اصلي ریپوز د سلایډ ډیکونو څخه غوره دي. لږترلږه یو کوچنی ډیمو ځای په ځای کړئ.

• د معاملو تشریح : د میټریک انتخابونو له لارې تګ ته چمتو اوسئ او دا چې تاسو به څنګه ناکامي له منځه یوسئ.

• د سیسټم فکر کول : د معلوماتو → ماډل → API → د څارنې ډیاګرام رسم کړئ او بیان یې کړئ.

• مسؤل AI : یو ساده چک لیست د NIST AI RMF سره سمون ورکړئ - دا د بلوغ نښه کوي، نه د خبرو اترو. [1]

• د چوکاټ روانی : یو چوکاټ غوره کړئ او ورسره خطرناک اوسئ. رسمي اسناد په مرکو کې عادلانه لوبه ده. [4]

د پخلي کوچنی کتاب: ستاسو د اونۍ په پای کې لومړی له پیل څخه تر پایه پروژه 🍳

1. معلومات : یو پاک ډیټاسیټ غوره کړئ.

2. اساس : د کراس-تصدیق سره د سایکیټ-لرن ماډل؛ د اساسي میټریکونو لاګ. [3]

3. د DL پاس : په PyTorch یا TensorFlow کې ورته دنده؛ مڼې د مڼو سره پرتله کړئ. [4]

4. تعقیب : منډې ثبت کړئ (حتی یو ساده CSV + ټایم سټمپونه). ګټونکی په نښه کړئ.

5. خدمت : وړاندوینه په فاسټ اے پي آی روټ کې وتړئ، ډاکریز کړئ، په محلي ډول چل کړئ. [5]

6. فکر وکړئ : د کارونکي لپاره کوم میټریک مهم دی، کوم خطرونه شتون لري، او تاسو به د لانچ وروسته څه وڅارئ - د NIST AI RMF څخه شرایط پور واخلئ ترڅو دا روښانه وساتي. [1]

آیا دا کامل دی؟ نه. ایا دا د کامل کورس انتظار کولو څخه غوره دی؟ بالکل.

هغه عامې ستونزې چې تاسو یې ژر مخنیوی کولی شئ ⚠️

• خپله زده کړه په درسي موادو باندې بدلول : د پیل لپاره ښه، خو ډېر ژر به د ستونزې لومړي فکر ته واړوئ.

• د ارزونې ډیزاین پریښودل : د روزنې دمخه بریالیتوب تعریف کړئ. ساعتونه خوندي کوي.

• د معلوماتو قراردادونو له پامه غورځول : د سکیما ډریفټ د ماډلونو په پرتله ډیر سیسټمونه ماتوي.

• د ځای پر ځای کولو ویره : ډاکر د لیدلو په پرتله ډیر دوستانه دی. کوچنی پیل وکړئ؛ ومنئ چې لومړی جوړونه به ستونزمنه وي. [5]

• اخلاق وروستی : وروسته یې ولګوه او دا د اطاعت کار ته بدلیږي. په ډیزاین کې یې پخه کړئ - سپک، غوره. [1][2]

د TL;DR 🧡

که تاسو یو شی په یاد ولرئ: څنګه د مصنوعي ذخیرې جوړونکي شئ د تیوري ذخیره کولو یا د ځلیدونکو ماډلونو تعقیبولو په اړه ندي. دا د یوې کلکې حلقې او مسؤل ذهنیت سره د ریښتینې ستونزو د تکرار حل کولو په اړه دی. د معلوماتو سټیک زده کړئ، یو DL چوکاټ غوره کړئ، د ډاکر سره کوچني شیان واستوئ، هغه څه تعقیب کړئ چې تاسو یې کوئ، او خپل انتخابونه د NIST او OECD په څیر د درناوي وړ لارښوونو سره لنگر کړئ. درې کوچنۍ، په زړه پورې پروژې جوړې کړئ او د دوی په اړه د ټیم ملګري په څیر خبرې وکړئ، نه د جادوګر. بس دا دی - ډیری یې.

او هو، که دا مرسته وکړي، نو دا جمله په لوړ غږ ووایاست: زه پوهیږم چې څنګه د مصنوعي ذهانت پراختیا کونکی شم . بیا نن ورځ د یو ساعت متمرکزې ودانۍ سره دا ثابت کړئ.

ماخذونه

[1] NIST. د مصنوعي استخباراتو د خطر مدیریت چوکاټ (AI RMF 1.0) . (PDF) - لینک
[2] OECD. د OECD AI اصول - عمومي کتنه - لینک
[3] scikit-learn. د کارونکي لارښود (مستحکم) - لینک
[4] PyTorch. درسونه (اساسات زده کړئ، او نور) - لینک
[5] ډاکر. پیل وکړئ - لینک