۱۰۰ نشان‌های تجاری اول جهان در سال ۲۰۲۴ بخش عمده را حوزه فناوری اطلاعات تصاحب کرده 🏷 #پرسه_در_مجازی ♾ @fanavar_ir

با ترکیب منحصر به فرد این سایت از یادگیری، تمرین و راهنمایی، به 74 زبان برنامه نویسی مسلط شوید. این سایت سرگرم کننده، موثر و 100% رایگانه. https://exercism.org 🏷 #برنامه_نویسی ♾ @fanavar_ir

▫️ کتاب الکترونیکی یک دست صدا ندارد راهنمایی برای کار گروهی بهتر https://www.debuggingteams-fa.com 🏷 #کار_تیمی | #توسعه_فردی ♾ @fanavar_ir

این مخزن گیتهابی خیلی دقیق و مفصل به مسیر یادگیری تکنولوژی‌ها، ابزارها و مفاهیم دنیای .Net Core پرداخته. https://github.com/MoienTajik/AspNetCore-Developer-Roadmap 🏷 #برنامه_نویسی ♾ @fanavar_ir

ابزار Google Colab یک محیط برنامه‌نویسی است که مبتنی بر فناوری ابری ساخته شده و به کاربران اجازه می‌دهد که کدهای پایتون را بر روی مرورگر خود بنویسند و اجرا کنند. این ابزار که توسط Google Research توسعه یافته، برای تسهیل در تحقیقات مربوط به یادگیری ماشین و آموزش داده‌ها طراحی شده است این پلتفرم با ارائه مجموعه‌ای از ویژگی‌های قدرتمند، محیطی ایده‌آل را برای کاربرانی که در زمینه‌های یادگیری ماشین و علم داده فعالیت می‌کنند، فراهم می‌آورد. در ادامه به تفصیل به بررسی این ویژگی‌ها می‌پردازیم کولب به کاربران خود دسترسی رایگان به GPU و TPU به مدت 12 ساعت می‌دهد. Colab یک پردازنده گرافیکی (GPU) قدرتمند به همراه CPU اینتل Xeon با سرعت 2.20 گیگاهرتز، 13 گیگابایت رم، شتاب دهنده(Accelerator) Tesla K80 و 12 گیگابایت حافظه VRAM GDDR5 ارائه می‌دهد قابلیت اشتراک‌گذاری نوت‌بوک‌ها در Colab امکان پذیر است و کاربران می‌توانند لینک‌هایی که قابل اشتراک‌گذاری هستند گوگل کولب چندین کتابخانه از پیش‌نصب شده را ارائه می‌دهد تا بتوانید کتابخانه‌های مورد نیاز را از Code snippets وارد کنید. این کتابخانه‌ها شامل NumPy، Pandas، Matplotlib، PyTorch، TensorFlow، Keras و دیگر کتابخانه‌های ML می‌شوند https://colab.research.google.com/ 🏷 #برنامه_نویسی | #هوش_مصنوعی ♾ @fanavar_ir

آنها از کجا آغاز کردند؟ سرور گوگل ایالات متحده‌ امریکا ۱۹۹۶ 🏷 #پرسه_در_مجازی | #گوگل ♾ @fanavar_ir

با عقل و فهم و دانش، داد سخن توان داد چون جمله گشت حاصل، گوی از میان توان زد #حافظ 🏷 #توسعه_فردی ♾ @fanavar_ir

طریق اهل جدل جمله آفتست و علل ... 🏷 #توسعه_فردی ♾ @fanavar_ir

یه آموزش جالب تصویری در مورد اینکه دقیقا چه شکلی Generative AI ها به کمک transformer ها ساخته میشن و کار میکنن https://ig.ft.com/generative-ai 🏷 #هوش_مصنوعی | #LLM ♾ @fanavar_ir

یه شبیه‌سازی جالب از یه ماده سیال که توی محیط وب میتونید ببینیدش (خیلی جالبه و سریع) https://paveldogreat.github.io/WebGL-Fluid-Simulation/ 🏷 #برنامه_نویسی | #جاوااسکریپت ♾ @fanavar_ir

پاسخگویی LLM‌ها با توجه به زبان ورودی و ایدئولوژی متفاوت است در این مقاله اندازه گیری کرده هر LLM از لحاظ ایدئولوژیکی چه طوریه. یعنی مثلا فلان LLM نسبت به فلان دیدگاه‌های اقتصادی، سیاسی، فرهنگی وضعیت چپی داره یا راستی یا چی. برای حل این مساله اومدند، یک دیتاست از مجموعه آدم‌های سیاسی بحث‌برانگیز تشکیل دادند و بعد به اون LLM مورد بررسی گفتند افراد رو توصیف کن. بعد این توصیف رو دوباره دادند به خودش گفتند بگو یک کسی با این توصیفات به نظرت نظرش مثبته یا منفیه؟ به همین شکل با روی هم قرار دادن تعدادی از این تحلیل‌ها تونستن برای هر LLM متریک و ویژوالیزیشن ارائه بدن که دیدگاه‌های ایدئولوژیکش چه شکلیه. به چه نتایجی رسیدن؟ اول برای هر LLM اومدن به دو زبون چینی و انگلیسی پرامپت دادن و دیدن که بسته به این که به چه زبونی با LLM صحبت کنید، ایدئولوژی اون LLM فرق می‌کنه. دوم این که بین ایدئولوژی LLM‌های شرقی و LLM‌های غربی از لحاظ ایدئولوژی تفاوت قابل توجهی وجود داره (مدل‌های زبانی غربی لیبرال دموکرات هستند ولی شرقی‌ها مثلا نظرات منفی‌تری به این‌ها دارند). سوم هم این که بین خود LLM‌های غربی هم تفاوت دیدگاه ایدئولوژیک وجود داره. برای مثال openai نسبت به سیاست‌های دولت رفاه، اتحادیه اروپا و متمرکزسازی نظرات منفی داره. چرا مهمه؟ در آینده نه چندان دور، LLM‌ها به بخش مهمی از تعاملات و منابع دانش ما تبدیل می‌شن. نسل‌های بعدی نسل‌هایی خواهند بود که احتمالا بیشتر از ما به LLM‌ها باور و تکیه دارند. در چنین شرایطی LLM‌ها می‌تونند ابزاری برای ایدئولوژی سازنده‌هاشون باشند. https://arxiv.org/abs/2410.18417 🏷 #هوش_مصنوعی | #LLM ♾ @fanavar_ir

چگونه اطرافیان بر ما تأثیر می‌گذارند ... 🏷 #توسعه_فردی ♾ @fanavar_ir