وقتی توی طاقچه تصمیم گرفتیم زیرساخت یادگیری ماشین و هوش مصنوعی رو برای «گلدون» داشته باشیم، اسپاتیفای برام خیلی الهام‌بخش بود. اون موقع اسپاتیفای به تازگی توی بلاگ مهندسی‌اش مطلبی منتشر کرده بود که زیرساخت یادگیری ماشین‌شون چیه. بر اساس این مطلب به سمت یه سری ابزارهای جدیدی رفتیم که خیلی‌هاشون هم اون موقع mature نبودند و طی مسیری که داشتیم می‌رفتیم stable شدند؛ مثل TFX. این ریسک بزرگی بود و درس‌های زیادی هم داشت ولی خب الان راجع بهش نمی‌خوام بنویسم.

دیروز اسپاتیفای مطلب جدیدی روی وبلاگ مهندسی‌ش منتشر کرد که توضیحات خیلی مفصلی راجع به زیرساخت و ابزارهای فعلی‌شون میده. هنوز فرصت نکردم کامل مطلب رو بخونم ولی در نگاه گذری که داشتم خیلی جالب به نظر می‌رسه و بسیار پیشنهادش می‌کنم:

https://engineering.atspotify.com/2023/02/unleashing-ml-innovation-at-spotify-with-ray/

دوشنبه‌ای که گذشت، مایکروسافت اعلام کرد که نسخه‌ی رایگانی از
Azure Kubernetes Service (AKS)
ارائه کرده.
با این سرویس می‌تونید رایگان سرویس کوبرنتیز اجرا کنید:

https://learn.microsoft.com/en-us/azure/aks/free-standard-pricing-tiers

January in AI

Ready for February?

چه ژانویه‌ی فشرده‌ای بود 🥲

Mood

Mood

3. #the_faraway_nearby: Ice

اینجا یه رودمپی برای یادگیری کوبرنتیز از پایه تا حرفه‌ای آورده
البته در حال تکمیل عه

https://github.com/techiescamp/kubernetes-learning-path

Mood

تولیدی 😌😌

وقتی وسط مرضیه و دلکش و ویگن، یهو اسنوپ داگ میخونه 🚶🚶🚶

Mood

بیشتر از یک سال پیش، چند روز بعد از اینکه این کانال رو درست کردم، به این فکر می‌کردم که براش می‌خوام یه عکس انتخاب کنم.
این قصه خیلی قبل‌تر از معرفی تکنولوژی‌ها و الگوریتم‌های خفنی مثل dalle2 یا stablediffusion عه.
حدود دو سال پیش، اولین مدل‌های تبدیل متن به عکس معرفی شده بودند ولی فقط جامعه‌ی فنی هوش مصنوعی درگیرشون بودند. الگوریتم‌ها، مقالات، پیاده‌سازی‌های فنی، و چیزای مشابه این. خبری از دموهای الان یا اینکه همه راجع بهش بدونن و بشه راحت درباره‌شون حرف زد نبود.
من هم مدت زیادی بود که دورادور اخبارش رو می‌خوندم و نمونه‌های مختلفی رو توی توییتر و جاهای دیگه می‌دیدم و خیلی دوست داشتم خودم یه بار امتحانش کنم. و وقتی که برای این کانال دنبال عکس می‌گشتم، بهترین وقت بود!
اون موقع با استفاده از یکی از پیاده‌سازی‌هایی که روی گوگل کولب انجام شده بود و ور رفتن با کدها عکس فعلی کانال رو درست کردم. عکسی که برای خودم خیلی جالب بود چون که واقعا چیز تر و تمیز و مرتبط و unique ای شده بود.
حالا، بعد از بیشتر از یک سال،‌ با این همه امکانات و پیشرفت‌های خیلی زیاد توی این حوزه تصمیم گرفتم که عکس رو بازطراحی کنم.
از مواردی که بودند دو تا رو بیشتر پسندیدم. هر دوی این‌ها با استفاده از مدل stablediffusion 2.1 درست شده‌اند.
این‌ها رو می‌گذارمشون اینجا. با لایک و دیسلایک نظرتون رو بگید. و نهایتا عکسی که بیشتر ازش استقبال شد رو فردا آپدیت می‌کنم:

خاویار آماتریاین (امیدوارم درست تلفظ کرده باشم اسمش رو) مدیر بخش مهندسی و تحقیقاتی نتفلیکس بوده که کارهای خیلی خفنی کرده. من به خاطر تاثیر فوق‌العاده‌ای که توی فضای سیستم‌های توصیه‌گر داشته می‌شناختمش. مدت خیلی زیادی هم مدیر بخش مهندسی Quora بوده و الان مدیر مهندسی و استراتژیست محصول هوش مصنوعی توی لینکدینه.
خلاصه که خیلی آدم خفنیه.

توی وبسایت شخصیش، صفحه‌ی مفصلی راجع به مدل‌های transformer داره که واقعا خیلی کامله.
توی این صفحه که کاملا آپدیته، از مدل‌های اولیه مثل encoder/decoder ها شروع می‌کنه و مکانیزم attention رو هم میگه. بعد به RLHF و مدل‌های diffusion هم میرسه.
دسته‌بندی و کاتالوگ مفصلی هم از مدل‌های موجود ارائه می‌کنه.

لیستش خیلی خیلی کامل و به روزه. مدل‌های چت جی پی تی و مدل‌های جدید رو هم شامل میشه. دسته‌بندی و نمودارهایی که درست کرده واقعا به درد بخور و کاملن.

این لینک صفحه‌ایه که میگم:
https://amatriain.net/blog/transformer-models-an-introduction-and-catalog-2d1e9039f376/

همچنین این عکسی که اتچ کردم رو یکی بر اساس این صفحه‌ درست کرده. (منبع)