څنګه د مصنوعي ذهانت پراختیا ورکوونکی شو. کمښت.

تاسو دلته د بې ادبۍ لپاره نه یاست. تاسو د AI پراختیا کونکي کیدو 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