مصنوعي ذهانت څنګه زده کړو؟

مصنوعي ذهانت څنګه زده کړو؟

د مصنوعي ذهانت زده کول داسې احساس کولی شي لکه یو لوی کتابتون ته ننوتل چیرې چې هر کتاب چیغې وهي "دلته پیل وکړئ". نیمایي المارۍ "ریاضي" لیکي، کوم چې ... یو څه بې ادبه دی 😅

ګټه: تاسو اړتیا نلرئ چې د ګټورو شیانو د جوړولو لپاره هرڅه پوه شئ. تاسو یوې معقولې لارې، یو څو باوري سرچینو، او د یو څه وخت لپاره د مغشوش کیدو لیوالتیا ته اړتیا لرئ (مغشوشیت په اصل کې د ننوتلو فیس دی).

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

🔗 AI څنګه بې نظمۍ کشفوي
د ماشین زده کړې او احصایو په کارولو سره د بې نظمۍ کشف کولو میتودونه تشریح کوي.

🔗 ولې مصنوعي ذهانت د ټولنې لپاره بد دی؟
د مصنوعي استخباراتو اخلاقي، ټولنیز او اقتصادي خطرونه معاینه کوي.

🔗 AI څومره اوبه کاروي؟
د مصنوعي ذهانت د انرژۍ مصرف او د اوبو د کارولو پټې اغیزې ماتوي.

🔗 د AI ډیټاسیټ څه شی دی؟
د مصنوعي ذهانت په روزنه کې د ډیټاسیټونو، لیبل کولو او د هغوی رول تعریفوي.

"AI" په ورځني ژوند کې په حقیقت کې څه معنی لري 🤷‍♀️

خلک "AI" وايي او یو څو مختلف شیان معنی لري:

  • د ماشین زده کړه (ML) - ماډلونه د معلوماتو څخه تر نقشه کولو او د محصول پورې نمونې زده کوي (د مثال په توګه، د سپیم کشف، د قیمت وړاندوینه). [1]

  • ژوره زده کړه (DL) – د ML یوه فرعي برخه چې په پیمانه د عصبي شبکو څخه کار اخلي (لید، وینا، د ژبې لوی ماډلونه). [2]

  • تولیدي AI – هغه ماډلونه چې متن، انځورونه، کوډ، آډیو تولیدوي (چیټ بوټونه، همکار پیلوټان، د مینځپانګې وسایل). [2]

  • د تقویې زده کړه - د آزموینې او انعام له لارې زده کړه (د لوبې اجنټان، روبوټکس). [1]

تاسو اړتیا نلرئ چې په پیل کې په بشپړ ډول غوره کړئ. یوازې د مصنوعي ذهانت سره د موزیم په څیر چلند مه کوئ. دا د پخلنځي په څیر دی - تاسو د پخلي کولو سره ګړندي زده کوئ. ځینې وختونه تاسو ټوسټ سوځوئ. 🍞🔥

لنډه کیسه: یوې کوچنۍ ډلې یو "عالي" چرن ماډل واستاوه ... تر هغه چې دوی په ټرین او ټیسټ کې ورته IDs ولیدل. کلاسیک لیک. یو ساده پایپ لاین + پاک ویش یو شکمن 0.99 په یو باوري (ټیټ!) نمره او یو ماډل بدل کړ چې په حقیقت کې عمومي شوی. [3]

څه شی د "څنګه د مصنوعي ذهانت زده کړه" پلان ښه کوي ✅

یو ښه پلان یو څو ځانګړتیاوې لري چې ستړي کوونکي ښکاري مګر ستاسو میاشتې ژغوري:

  • د زده کړې پرمهال جوړ کړئ (کوچني پروژې ژر، لویې وروسته).

  • لږ تر لږه اړین ریاضي زده کړئ ، بیا د ژوروالي لپاره بیرته حلقه کړئ.

  • هغه څه تشریح کړئ چې تاسو یې کړي دي (خپل کار د ربړ بت په څیر کړئ؛ دا د مبهم فکر درملنه کوي).

  • د یو څه وخت لپاره په یوه "کور سټیک" پورې ودرېږئ (پایتون + جوپیټر + سایکیټ-لرن → بیا پایټورچ).

  • پرمختګ د پایلو له مخې اندازه کړئ ، نه د ساعتونو لیدلو له مخې.

که ستاسو پلان یوازې ویډیوګانې او یادښتونه وي، نو دا د اوبو په اړه لوستلو سره د لامبو وهلو هڅه کولو په څیر دی.

خپل لین غوره کړئ (د اوس لپاره) - درې عامې لارې 🚦

تاسو کولی شئ مصنوعي ذهانت په مختلفو "شکلونو" کې زده کړئ. دلته درې هغه دي چې کار کوي:

۱) د عملي جوړونې لاره 🛠️

غوره ده که تاسو چټکې بریاوې او هڅونه غواړئ.
تمرکز: ډیټاسیټونه، د روزنې ماډلونه، د بار وړلو ډیمو.
د پیل سرچینې: د ګوګل ایم ایل کریش کورس، کاګل لرن، فاسټ. ای (لاندې په حوالو او سرچینو کې لینکونه).

۲) د اساساتو لومړۍ لاره 📚

غوره ده که تاسو وضاحت او تیوري خوښوئ.
تمرکز: رجعت، تعصب – توپیر، احتمالي فکر، اصلاح کول.
لنگرونه: سټینفورډ CS229 مواد، د ژورې زده کړې لپاره MIT معرفي. [1][2]

۳) د نسل-AI ایپ پراختیا کونکي لاره ✨

غوره ده که تاسو غواړئ مرستیالان، لټون، کاري جریان، "اجنټ-y" توکي جوړ کړئ.
تمرکز: هڅونه، بیرته ترلاسه کول، ارزونه، د وسیلو کارول، د خوندیتوب اساسات، ځای پرځای کول.
د نږدې ساتلو لپاره اسناد: د پلیټ فارم اسناد (APIs)، د HF کورس (وسیلې).

تاسو کولی شئ وروسته لینونه بدل کړئ. پیل کول سخته برخه ده.

 

د مصنوعي ذهانت زده کړه څنګه وکړو

د پرتلنې جدول – د زده کړې غوره لارې (د صادقانه ځانګړتیاوو سره) 📋

وسیله / کورس اورېدونکي د بیې ولې دا کار کوي (لنډه کتنه)
د ګوګل ماشین زده کړې کریش کورس پیل کونکي وړیا بصري + عملي؛ د ډیرې پیچلتیا څخه مخنیوی کوي
کاګل زده کړه (پیژندنه + منځمهاله ML) هغه پیل کونکي چې تمرین خوښوي وړیا د کاچوغې اندازې درسونه + فوري تمرینونه
fast.ai عملي ژوره زده کړه جوړونکي د یو څه کوډینګ سره وړیا تاسو اصلي ماډلانو ته ژر روزنه ورکوئ - لکه سمدلاسه 😅
د ژورې زده کړې. AI ML تخصص جوړښتي زده کوونکي ورکړل شوی د اصلي ML مفاهیمو له لارې روښانه پرمختګ
د DeepLearning.AI ژورې زده کړې ځانګړتیاوې د ML اساسات لا دمخه ورکړل شوی په عصبي جالونو + کاري جریانونو کې قوي ژوروالی
د سټینفورډ CS229 یادښتونه په تیوري ولاړ وړیا جدي اساسات ("ولې دا کار کوي")
د سایکیټ زده کړې کارونکي لارښود د ML متخصصین وړیا د جدول/اساس لیکو لپاره کلاسیک اوزار کټ
د پایټورچ لارښوونې د ژورې زده کړې جوړونکي وړیا د ټینسرونو څخه پاکه لاره → د روزنې لوپونه [4]
د غېږې ورکولو مخ LLM کورس د NLP + LLM جوړونکي وړیا د LLM عملي کاري جریان + د ایکوسیستم وسایل
د NIST AI د خطر مدیریت چوکاټ څوک چې AI ځای پر ځای کوي وړیا ساده، د کارولو وړ خطر/حکومتدارۍ چوکاټ [5]

کوچنۍ یادونه: آنلاین "بیه" عجیبه ده. ځینې شیان وړیا دي مګر پاملرنه لګښت لري ... کوم چې ځینې وختونه بدتر وي.

هغه اصلي مهارتونه چې تاسو ورته اړتیا لرئ (او په کوم ترتیب کې) 🧩

که ستاسو هدف دا وي چې څنګه له ډوبیدو پرته مصنوعي ذهانت زده کړئ ، نو د دې ترتیب لپاره هدف وټاکئ:

  1. د پایتون اساسات

  • دندې، لیستونه/حکمونه، سپک ټولګي، د لوستلو فایلونه.

  • باید عادت ولرئ: کوچني متنونه ولیکئ، نه یوازې نوټ بوکونه.

  1. د معلوماتو اداره کول

  • بې خونده فکر، د پانډا اساسات، دسیسه جوړول.

  • ته به دلته ډېر وخت تېر کړې. ښکلی نه دی، خو کار یې دی.

  1. کلاسیک ایم ایل (کم ارزښت لرونکی سوپر پاور)

  • د ټرین/ټیسټ ویشونه، لیکیج، ډیر فټینګ.

  • خطي/لوژستیکي ریګریشن، ونې، ناڅاپي ځنګلونه، د تدریجي ودې.

  • میټریکونه: دقت، دقت/یادونه، ROC-AUC، MAE/RMSE - پوه شئ کله چې هر یو معنی لري. [3]

  1. ژوره زده کړه

  • ټینسرونه، ګریډینټ/بیک پروپ (په مفکوره توګه)، د روزنې لوپونه.

  • د انځورونو لپاره CNNs، د متن لپاره ټرانسفارمرونه (په پای کې).

  • د پای څخه تر پایه پورې د PyTorch یو څو اساسات اوږده لاره پرمخ وړي. [4]

  1. تولیدي AI + LLM کاري جریانونه

  • د ټوکن کولو، سرایت کولو، د بیرته ترلاسه کولو لپاره زیات شوی نسل، ارزونه.

  • ښه والی د هڅونې په مقابل کې (او کله چې تاسو دواړو ته اړتیا نلرئ).

یو ګام په ګام پلان چې تاسو یې تعقیبولی شئ 🗺️

مرحله A – خپل لومړی ماډل په چټکۍ سره کار وکړئ ⚡

موخه: یو څه روزل، اندازه کول، ښه کول.

  • یو لنډ تعارف (د مثال په توګه، د ML کریش کورس)، بیا یو عملي مایکرو کورس (د مثال په توګه، د کاګل انټرو) ترسره کړئ.

  • د پروژې مفکوره: په عامه ډیټاسیټ کې د کورونو قیمتونه، د پیرودونکو بدلون، یا د کریډیټ خطر وړاندوینه وکړئ.

د "ګټلو" کوچنی چک لیست:

  • تاسو کولی شئ معلومات پورته کړئ.

  • تاسو کولی شئ یو اساسي ماډل وروزو.

  • تاسو کولی شئ په ساده ژبه کې د ډیر فټینګ تشریح کړئ.

مرحله B – د ریښتیني ML تمرین سره آرام اوسئ 🔧

موخه: د عامو ناکامۍ طریقو څخه د حیرانتیا مخه ونیسئ.

  • د منځني ML موضوعاتو له لارې کار وکړئ: ورک شوي ارزښتونه، لیک، پایپ لاینونه، CV.

  • د سایکیټ-لرن کارونکي لارښود څو برخې خلاصې کړئ او په حقیقت کې ټوټې پرمخ بوځئ. [3]

  • د پروژې مفکوره: د خوندي شوي ماډل + ارزونې راپور سره یو ساده پای څخه تر پایه پایپ لاین.

مرحله C – ژوره زده کړه چې د جادو په څیر نه احساسیږي 🧙‍♂️

موخه: د عصبي جال روزنه او د روزنې کړۍ پوهیدل.

  • د PyTorch "اساسي زده کړه" لاره ترسره کړئ (ټینسرونه → ډیټاسیټونه/ډیټالوډرونه → روزنه/ایوال → خوندي کول). [4]

  • که تاسو سرعت او عملي فضا غواړئ، په اختیاري توګه د fast.ai سره جوړه کړئ.

  • د پروژې مفکوره: د انځور طبقه بندي کوونکی، د احساس ماډل، یا د ټرانسفارمر یو کوچنی اصلاح.

مرحله D – تولیدي AI ایپسونه چې په حقیقت کې کار کوي ✨

موخه: یو داسې شی جوړول چې خلک یې وکاروي.

  • د LLM عملي کورس + د پلورونکي چټک پیل تعقیب کړئ ترڅو د سرایت کولو، بیرته ترلاسه کولو، او خوندي نسلونو سره وصل شئ.

  • د پروژې مفکوره: ستاسو په سر د پوښتنې او ځوابونو یو بوټ (ټوټه → ایمبیډ → بیرته ترلاسه کول → د حوالې سره ځواب)، یا د وسیلو زنګونو سره د پیرودونکي ملاتړ مرسته کوونکی.

د "ریاضي" برخه - دا د مصالحې په څیر زده کړئ، نه د ټول خواړه 🧂

ریاضي مهمه ده، خو وخت ډېر مهم دی.

د پیل کولو لپاره لږ تر لږه عملي ریاضي:

  • خطي الجبرا: ویکتورونه، میټریکسونه، د نقطو محصولات (د ځای پرځای کولو لپاره وجدان). [2]

  • محاسبه: مشتق وجدان (سلوپونه → تدریجي). [1]

  • احتمال: ویش، تمه، د بایس-ایش بنسټیز فکر. [1]

که تاسو وروسته نور رسمي بنسټ غواړئ، د اساساتو لپاره د CS229 نوټونو او د عصري موضوعاتو لپاره د MIT د ژورې زده کړې په اړه زده کړه وکړئ. [1][2]

هغه پروژې چې تاسو داسې ښکاري چې تاسو پوهیږئ چې تاسو څه کوئ 😄

که تاسو یوازې د لوبو ډیټاسیټونو کې طبقه بندي کونکي جوړ کړئ، نو تاسو به د بند پاتې کیدو احساس وکړئ. هغه پروژې هڅه وکړئ چې د اصلي کار سره ورته وي:

  • د لومړني ML پروژه (سکیټ-لرن): پاک معلومات → قوي لومړني → د تېروتنې تحلیل. [3]

  • LLM + د ترلاسه کولو اپلیکیشن: د اسنادو داخلول → برخه → ایمبیډ کول → بیرته ترلاسه کول → د حوالې سره ځوابونه تولید کړئ.

  • د ماډل څارنه مینی ډشبورډ: د ننوتلو / محصولاتو لاګ؛ د ډریفټ-ایش سیګنالونه تعقیب کړئ (حتی ساده احصایې مرسته کوي).

  • د AI کوچني تفتیش مسؤل: د اسنادو خطرونه، د قضیې اړخونه، د ناکامۍ اغیزې؛ د سپک وزن چوکاټ وکاروئ. [5]

مسؤلانه او عملي ځای پرځای کول (هو، حتی د انفرادي جوړونکو لپاره) 🧯

د واقعیت چک کول: اغیزمنې ډیموګانې اسانه دي؛ د باور وړ سیسټمونه ندي.

  • یو لنډ "ماډل کارت" سټایل README وساتئ: د معلوماتو سرچینې، میټریکونه، پیژندل شوي محدودیتونه، د تازه کولو سرعت.

  • اساسي ساتونکي پټلۍ اضافه کړئ (د نرخ محدودیتونه، د ننوتلو تایید، د ناوړه ګټه اخیستنې څارنه).

  • د هر هغه څه لپاره چې کاروونکي ته مخامخ وي یا پایله ولري، د خطر پر بنسټ چلند وکاروئ: زیانونه وپیژنئ، د ازموینې څنډې قضیې، او د کمولو اسناد. د NIST AI RMF په سمه توګه د دې لپاره جوړ شوی دی. [5]

عامې ستونزې (نو تاسو کولی شئ له هغوی څخه ځان وژغورئ) 🧨

  • د زده کړې کورس - "یوازې یو بل کورس" ستاسو ټول شخصیت ګرځي.

  • د سختې موضوع سره پیل کول - ټرانسفارمرونه ښه دي، مګر اساسات کرایه ورکوي.

  • د ارزونې له پامه غورځول - یوازې دقت کولی شي مستقیم مخ ولري. د دندې لپاره سم میټریک وکاروئ. [3]

  • شیان مه لیکئ - لنډ یادښتونه وساتئ: څه ناکام شول، څه بدل شول، څه ښه شول.

  • د ځای پر ځای کولو تمرین نشته - حتی یو ساده اپلیکیشن ریپر ډیر څه زده کوي.

  • د خطر فکر کول پریږدئ - د بار وړلو دمخه د احتمالي زیانونو په اړه دوه ګولۍ ولیکئ. [5]

وروستۍ تبصرې – ډېر اوږد، ما یې نه دی لوستلی 😌

که تاسو د مصنوعي ذهانت زده کولو څرنګوالی ، دلته د ګټلو ترټولو ساده ترکیب دی:

  • د عملي ML اساساتو سره پیل وکړئ (کمپیکټ انټرو + د کاګل سټایل تمرین).

  • د ML د اصلي کاري جریان او میټریکونو زده کولو لپاره د scikit-learn څخه کار واخلئ

  • د ژورې زده کړې او روزنې لوپونو لپاره پایټورچ ته لاړ شئ

  • د عملي کورس او API چټک پیل سره د LLM مهارتونه اضافه کړئ

  • ۳-۵ پروژې جوړې کړئ چې وښيي: د معلوماتو چمتو کول، ماډلینګ، ارزونه، او یو ساده "محصول" پوښ.

  • خطر/حکومتداري د "ترسره شوي" برخې په توګه وګڼئ

او هو، تاسو به کله ناکله د ورکېدو احساس وکړئ. دا عادي خبره ده. مصنوعي ذهانت د ټوسټر لوستلو ښوولو په څیر دی - کله چې کار کوي اغیزمن وي، کله چې کار نه کوي یو څه ویرونکی وي، او دا د هرچا په پرتله ډیر تکرار ته اړتیا لري 😵💫

ماخذونه

[1] د سټینفورډ CS229 لکچر یادښتونه. (د ML اصلي اساسات، څارل شوې زده کړه، احتمالي چوکاټ).
https://cs229.stanford.edu/main_notes.pdf

[2] MIT 6.S191: د ژورې زده کړې پیژندنه. (د ژورې زده کړې عمومي کتنه، عصري موضوعات په شمول د LLMs).
https://introtodeeplearning.com/

[3] سایکیټ-لرن: د ماډل ارزونه او میټریکونه. (دقت، دقت/یادونه، ROC-AUC، او نور).
https://scikit-learn.org/stable/modules/model_evaluation.html

[4] د پای ټورچ ښوونې - اساسات زده کړئ. (ټینسرونه، ډیټاسیټونه/ډیټالوډرونه، روزنه/ایول لوپونه).
https://docs.pytorch.org/tutorials/beginner/basics/intro.html

[5] د NIST AI د خطر مدیریت چوکاټ (AI RMF 1.0). (د خطر پر بنسټ، د باور وړ AI لارښود).
https://nvlpubs.nist.gov/nistpubs/ai/nist.ai.100-1.pdf

اضافي سرچینې (د کلیک کولو وړ)

په رسمي AI اسسټنټ پلورنځي کې وروستي AI ومومئ

زموږ په اړه

بیرته بلاګ ته