Python Hints

توی آنالیز جوابها بیشترین حوزه مورد علاقه (گفتم با اولویت) مربوط به
Machine/Deep learning
هست؛ بعد پروژه واقعی و بعد بکندها

ولی مهمترین نکته‌اش می‌دونید چیه ؟
بیش از نصف کسانی که زدند Machine/Deep learning مورد علاقشون هست توی سوال پایتون چه خبر پایین‌تر از سطح متوسط هستند.

همینجا بگم من وقتی میگم Machine/Deep learning منظورم این نیست که بریم langchain, n8n, ... رو یاد بگیریم یا yolo رو از ultralytics برداریم و باهاش یک ابزاری رو بسازیم که اگر اون بود شما ML کار نیستید شما Software Engineer ایی هستید که یاد گرفتید با ابزارهای ML هم کار کنید.

مثل این میمونه فرانت دولوپر چون داره به بکند request میزنه و دیتا از دیتابیس براش آماده میاد بگه من Database Administrator هستم. لطفا حواستون به این مورد باشه.

درنهایت اگر یک همچین دوره‌ای قرار باشه برگذار بشه؛ از هر ۱۰ ساعت آموزش ۸ ساعت تئوری خواهد بود و ۲ ساعت پیاده‌سازی پایه‌ای فرمول‌های و مباحث تئوری و برای این مورد خیلی خیلی نیاز هست که شما Software Engineer باشید اول.

مثلا این مورد رو ببینید :
https://www.tg-me.com/pytens/1087

یا توی کنفرانس‌های قبلی صحبت شد (اینی که میگم برای 2018-2019 هست) با یک تیمی در چین کار میکردیم؛ برای اینکه سرعت شناسایی چهره بره بالاتر اونجا هم من همین کار رو کردم embedding تصاویر رو توی redis نگه میداشتم و فقط توی لحظه نیاز اختلاف تصاویر رو میگرفتم.
حتی چون تعداد کاربرها زیاد بود و این قضیه هم باز کند بود؛ بر اساس جنسیت - اینکه از کدوم دستگاه میاد و ... دیتابیس‌ها رو تفکیک کرده بودیم.


خلاصه برای AI اول باید Software Engineer خوبی باشید (میانبور نزنید که وقتتون هدر میره) - بازم به توییت Andrej Karpathy اشاره می‌کنم و استخدام Software Engineer برای موقعیت‌های هوش مصنوعی Tesla

Telegram

دستاوردهای یادگیری عمیق(InTec)

#تجربه
ی trick بگم، شاید به کار شما هم بیاد.
معمولاً واسه این مشاوره‌ها پول خوبی میگیرم

توی همه پروژه‌های متنی دیگه شاهد استفاده از
Embedding
ها هستیم و خیلی وقتا توی بیزینس خاص خودمون ممکنه از یک
Embedding
برای چندین مدل و تسک استفاده بشه.

اما ۳…

www.tg-me.com/jp/Python Hints/com.pyHints/816

3.4K viewsMay 28 at 07:38

توی آنالیز جوابها بیشترین حوزه مورد علاقه (گفتم با اولویت) مربوط به
Machine/Deep learning
هست؛ بعد پروژه واقعی و بعد بکندها

ولی مهمترین نکته‌اش می‌دونید چیه ؟
بیش از نصف کسانی که زدند Machine/Deep learning مورد علاقشون هست توی سوال پایتون چه خبر پایین‌تر از سطح متوسط هستند.

همینجا بگم من وقتی میگم Machine/Deep learning منظورم این نیست که بریم langchain, n8n, ... رو یاد بگیریم یا yolo رو از ultralytics برداریم و باهاش یک ابزاری رو بسازیم که اگر اون بود شما ML کار نیستید شما Software Engineer ایی هستید که یاد گرفتید با ابزارهای ML هم کار کنید.

مثل این میمونه فرانت دولوپر چون داره به بکند request میزنه و دیتا از دیتابیس براش آماده میاد بگه من Database Administrator هستم. لطفا حواستون به این مورد باشه.

درنهایت اگر یک همچین دوره‌ای قرار باشه برگذار بشه؛ از هر ۱۰ ساعت آموزش ۸ ساعت تئوری خواهد بود و ۲ ساعت پیاده‌سازی پایه‌ای فرمول‌های و مباحث تئوری و برای این مورد خیلی خیلی نیاز هست که شما Software Engineer باشید اول.

مثلا این مورد رو ببینید :
https://www.tg-me.com/pytens/1087

یا توی کنفرانس‌های قبلی صحبت شد (اینی که میگم برای 2018-2019 هست) با یک تیمی در چین کار میکردیم؛ برای اینکه سرعت شناسایی چهره بره بالاتر اونجا هم من همین کار رو کردم embedding تصاویر رو توی redis نگه میداشتم و فقط توی لحظه نیاز اختلاف تصاویر رو میگرفتم.
حتی چون تعداد کاربرها زیاد بود و این قضیه هم باز کند بود؛ بر اساس جنسیت - اینکه از کدوم دستگاه میاد و ... دیتابیس‌ها رو تفکیک کرده بودیم.


خلاصه برای AI اول باید Software Engineer خوبی باشید (میانبور نزنید که وقتتون هدر میره) - بازم به توییت Andrej Karpathy اشاره می‌کنم و استخدام Software Engineer برای موقعیت‌های هوش مصنوعی Tesla

BY Python Hints