#تجربه

من به همه‌ی دوستانی که می‌خوان وارد حوزه هوش مصنوعی بشن می‌گم که به هیچ وجه دوره‌های ایرانی رو شرکت نکنید دوتا دلیل اولیه هم داره :

۱- ۹۸٪ دزدی هست

۲- ۲٪ باقی مانده متاسفانه درآمد دوره با وقت نمی‌خونه ( مجبور میشن سر و تهش رو بزنن) یا اینکه فارسی کردن کلمات تخصصی که شمارو از چاله در میاره میندازه توی چاه

خلاصه اینکه :
Coursera
که هست رایگان بشینید ببینید دیگه.


اما چندتا از تجربیات دوستان :

۱- بوت کمپ هوش مصنوعی شرکت کردند بعد توش
مدرس نشسته، هنر شفاف اندیشیدن رو خلاصه کرده و گفته

۲- دوره NLP بوت کمپی رو شنیدم که کلا؛ ۲ جلسه بوده (جلسات ۳ ساعت)
شما
Advance Regex
رو هم تو یوتیوب سرچ کنید دوره‌اش ۳ ساعت هست
حالا اون همه مباحث
ML / nltk / gensim / spacy / DL
اصن بیخیال

۳- دوره برگذار کردن، با هدف معرفی به استارتاپ های هوش مصنوعی اونم انجام نشده
دقت کنید فقط معرفی بوده ها نه استخدام و ...

گوگل که نیست بابا خودتون ۴ تا استارتاپ تشکیل می‌دادید دیگه بلدید که

۴- بوت کمپ ی شرکتی تشکیل می‌ده بعد حامی ایده برتر هوش مصنوعی می‌شه آخر دوره با کمک ۷۵۰ م تومنی

بعد ایده ۱۵ میلیون دلاری توش رد شده

۵- دوره
Reinforcement Learning
تبلیغ دیدم ۷۰ میلیون تومان


بی‌تعارف بگم ۹۰٪ کسایی که هوش مصنوعی می‌خونند حقوق ۳م در ماه بیشتر درآمد نداشتند

شخصاً اگر قرار باشه ۵ میلیون هزینه دوره‌ای رو بدم باید حداقل ۲۰ برابر ازش درآمد زایی داشته باشم


تورو خدا شرکت نکنید این دوره‌ هارو چون ژرف زده مدیر فلان شرکت یا سنیور هوش مصنوعی
باور نکنید دوره‌اش رو

خلاصه‌اش کنم اگر ی روزی خواستید اشتباه کنید و دوره ایرانی رو شرکت کنید؛ از مدرسش ۴ تا پروژه لایو بخواید

که بتونید دمو اون رو به راحتی باهاش کار کنید و استفاده کنید.

#تجربه_شخصی :

کسی که توی تیم بنده دیتا لیبل می‌زد، هفته پیش لینکدین زده بود

Senior Deep learning engineer

جالبه بدونید ایشون نمی‌تونه توی پایتون Class تعریف کنه.

برای دوستانی که سوال کردند :

کمتر فعالیت کردن این مدت، بخاطر توسعه‌ی یک ابزار هست که لازم بود شخصاً وارد موضوعات جدیدی بشم.

بستگی به تصمیم سرمایه‌گذاران هم خواهد داشت ولی احتمال زیاد
نسخه
Free - OpenSource
هم خواهد داشت برای دولوپر‌ها و بیزینس‌های کوچکتر

توی لیست کتاب‌هایی که باید خوند.

Second Edition 👌

#نظر_شخصی

راجب کتاب باید بگم که بسیار ساده و روان نوشته شده
تمام چیزی که برای کار با کراس لازم هست رو داره (۹۹٪ منبع دیگری برای کراس لازم نخواهید داشت)

ی خوبی که نسبت به کتاب :
Hands On Machine Learning

داره اینه که کدهای اضافه رسم شکل و گراف و ... نداره و همه چیز به دقت و خط به خط توضیح داده شده

متأسفانه توی Hands On ML این مشکل هست که تازه کارها درگیر کد‌های اضافی رسم شکل و .... می‌شوند.

هرچند که Hands On ML جزو بهترین منابع هست.

این خلاصه نویسی از دوره ی Deep learning Specialization مربوط به کورسرا واقعا عالی هست
پیشنهاد می‌‌کنم حتما دانلود کنید.

متاسفانه منبع رو پیدا نکردم

حدودا ۶ ماه از پستی که راجب
Rocky Linux
نوشتم میگذره از همون موقع یکی از سیستمهای شخصی خودم + یکی از سرورهای R&D شرکتی که باهاش کار می‌کنم رو به Rocky سویچ کردیم.

توی هر ۲ حالت مشکلی نداشتیم؛ اوایل ترس از نبود کامیونیتی قوی بود که خب مشکلی نداره چون همه چیز رو میتونید تو فروم های CentOS جستجو کنید

برای استفاده روی سرور هیچ مشکلی نداشتیم تا اینجا؛ البته ی نکته ناراحت کننده حجم آپدیت هاس
که خب ما از اول توقع همچین چیزی رو داشتیم؛ مخصوصا اینکه با نسخه Release Candidate شروع بکار کردیم
و حالا قرار هست سرورهای بیشتری رو به Rocky Linux سویچ کنیم

اما برای سیستم شخصی فعلا نظرم روی همون PopOS هست؛ مخصوصا اگر هوش مصنوعی هم کار می کنید
مشکلی با بخش دولوپری و … نداره Rocky Linux اما با ماژول های مختلف مثلا صدا؛ وای فای؛ بلوتوث و …. ممکنه به مشکل بخورید بعد از آپگریدها و خب تا آپگرید بعدی مجبورید خودتون ماژول هارو ادیت کنید و یا حتی تغییر بدید و load کنید


در هرصورت بنظرم بهترین جایگزین برای CentOS, RedHat با اختلاف همین مورد هست.

بهترین مدل هوش مصنوعی دنیا رویم بزنید تا وقتی deploy نشه و user نداشته باشه بدرد بیزینس نمیخوره.
برای RestAPI توی پایتون ۳تا گزینه محبوب و سریع هست :
FastAPI, Django, Flask
این کتاب اولین و فعلا کاملترین کتاب برای FastAPI هست.

پیشنهاد میکنم دوستان علاقمند به FastAPI این کتاب رو مد نظر داشته باشند.
به خوبی و روان نوشته شده؛ فوق العاده نیست اما شروع بسیار خوبی هست.

چقدر یک همچین پروفایلر دقیقی ‌می‌تونه کمک کننده باشه
اپتیمایز ساده‌تر خواهد شد قطعا

Nvidia Youtube

GANformer: Generative Adversarial Transformers

Github,
Paper

GauGAN2 text-to-image

Nvidia Blog

گیت‌هابم دان میشه
به خودت سخت نگیر

این کدی هست که از یک
Senior Python Developer
به من رسیده برای پروژه‌ی یک دوست، توی همین ایران

متأسفانه نمی‌تونم کد رو به اشتراک بذارم (وگرنه مزخرفترین کد از بدو تولد پایتون بود قطعاً) ، اما نتونستم راجبش چیزی نگم.

من اول پروژه رو زدم و به جاهای خوبی رسیدم بعد که وقتم خالی شد (۲۴ ساعت گذشته نشستم و این کد رو خط به خط دیباگ کردم و خوندم) آمار جالبی توش پیدا شد :
۱- ۷۰ تا متغیر وجود داره که ۲۰ تا ازونا بعد از کلی محاسبه هیچ استفاده‌ای نداره.
۲- برای ساده‌ترین اعمال ریاضی numpy vector شاهد for loop تو در تو هستیم
۳- ۲۰ تا محاسبه سنگین وجود داره که نتایجش هیچ‌کجا استفاده نشده
۴- مورد عکس رو دقت کردید !؟
همه‌ی متغیرها input تعریف شده !؟ حتی خود input !؟
۵- ۵۵ تا عبارت شرطی گذاشته شده که ۴۵ مورد هیچوقت True نمی‌شه و ....

من نمی‌دونم چجوری ی نیرو از طرف شرکت ایرانی تبدیل به سنیور دولوپر می‌شه

نمی‌دونم چطور ی همچین دولوپری خودشو سنیور معرفی می‌کنه

اما الان می‌دونم چرا استارتاپ‌های ایرانی زیادی fail می‌شوند.

برای رفرنس: فیچر اول،
زمان کد قبل : ۲۰ ثانیه
زمان کد من: ۵۰۰ میلی ثانیه

https://nvda.ws/3d7HP7n

Up to 6x acceleration for inference.
Support for transformers.

Just with 1 line of code (Tensorflow/ Pytorch)

What it takes to be a machine learning engineer !?

وضعیت من برای هر ۶ ماه سال، تحقیقاتی که خونده شده و تحقیقاتی که برای پروژه‌ها انجام شده
و دیگه لازم نیست.

پ.ن : مانیتور قدیمی که روی میز هست برای این هست که یادم نره چطور گذشت.

ازون مقالات جالب و بسیار کاربردی
اگر تو زمینه
image processing , video

کار میکنید ۱۰۰٪ این مقاله رو باید بخونید و کدهاش رو ذخیره کنید

GitHub Link

Blurry object ?! no problem 👌

الگوریتم ریکامندر تیک‌تاک لو رفت

طوری که گفته می‌شه و بر اساس پست نیویورک تایمز این گذارش فنی نیست، و برای ارائه به تیم‌های دیگه آماده شده مثل اینکه اما به اندازه کافی دید خوبی میده

NyTimes Post

‌#خارج_از_بحث

تو این چندروز چندین بار این خبر رو دوستان برای من فرستادند (بیش از ۳ سال هست که پیگیر این موضوع هستم مخصوصاً با شرکت‌های آمریکایی؛ اولین موفقیت‌ها مربوط به این گروه بود)

خبر:
تولید گوشت گیاهی از نخود و برگ چغندر در دانشگاه تهران

اهمیت این خبر اگر حقیقت باشه و حمایت بشه برای ایران بسیار زیاد هست قطعاً

مخصوصاً توی شرایط بی‌ آبی و مشکلات فعلی
اما می‌تونید این ویدئو از مارک رابر رو ببیند و متوجه اهمیت بسیار زیاد این مسئله بشید :

Youtube Link

#انتقال_تجربه
از برنامه‌نویس های بد گفتم
از کارهای بد (یا حداقل آگهی استخدام بد) هم بگم
هرچند این مدل آگهی استخدام‌ها طبق تجربه اکثراً شر هست.

از متن آگهی (که توی این تصویر نیست) و البته خط قبل از نیازمندی‌ها مشخص هست که توی این شرکت شما تنها نیروی Data Scientist هستید, به خودی خود بد نیست (من تجربه‌اش رو داشتم) اما وقتی مدیر یا ... رویاپرداز باشه راجب کار یا اینکه درک درستی از Data science نداشته باشه اوضاع فاجعه‌اس.
ازین موضوع بگذریم، توی خط اول تمام کار‌های data engineer هم به شما سپرده شده توجه کنید اینکارها به تیم یا نهایتاً به شخصی جدا نیاز داره (چون تجربه اینکار رو دارم بهتون اطمینان میدم خیلی بیشتر از چیزی که فکرش رو بکنید وقتتون رو میگیره)
اطمینان میدم ۹۹٪ شرکت‌های ایرانی شناسنامه دیتابیس و دیتا ندارند خیلی از بخش‌های بزرگ اصلا نمی‌دونند چی هست این موضوع.

اینکار در کنار شغل اصلی شما هست که بعنوان Data Scientist قرار هست استخدام بشید.
متن دعوت به همکاری بوی پروژه‌ای رو میده که زمانبدی‌اش عقب افتاده (حدس هست فقط)

ادامه 👇👇

تا اینجا شما با عنوان شغلی
Data Science
برای چند شغل
Research / Data Scientist / Data Engineer
دارید استخدام می‌شوید.

اینکه من شک می‌کنم (بازم میگم فقط حدس میزنم) مدیر این مجموعه سواد دیتاساینس ندارند و احتمالاً هم رویاپرداز هستند تا اینجا اگر براتون ثابت نشده به قسمت
نیازمندی‌ها توجه کنید :

قبل و بعد این بخش تلاش بر القا محیطی انعطاف پذیر با کاری کم استرس هست که با حدس من که زمان پروژه عقب هست تناقض داره

توی نیازمندی‌ها تمامی روش‌هایی که اسمش مرسوم هست اومده، برای تکمیل و عدم اعتراض هم کلمات کلی اضافه شده، ینی هرچی بهتون گفته بشه مخالفت نباید بکنید
زبان برنامه‌نویسی اهمیتی نداره (چون هدف فقط تحویل پروژه هست نه چیز دیگه‌ای)
و با توجه به متنی که قبلش نوشته شده
شغل‌های دیگری هم دارید :

Data Analyst / BI

خط آخر نیازمندی‌هارو من متوجه نمی‌شم
سازمان پویا با حداقل اسناد و فرآیند رو باید با خودمون داشته باشیم !؟
معنی خود جمله هم کلا برام سوال زیاد داره، بگذریم

مزایا رو ببینید که شاهکار هست :
داده بانکی جذاب ...
ینی شما قرار هست نیروی data science استخدام کنید ۶ تا شغل مختلف رو انجام بده بعد بهش دیتا هم ندید !؟
بعنوان کسی که با داده بانکی کلی کار کرده (این داده هیچ جذابیت خاصی نداره دقیقاً ی چیزی هست مثل همه داده‌های دیگه) باور ندارید داده‌های بانکی زیادی لو رفته توی اینترنت هست می‌تونید کار کنید.

ساعت کاری قابل انعطاف: ترجمه - شما میتونید بین ساعت ۸ تا ۹ صبح هروقت خواستید کارت بزنید ولی ازونور باید بمونید.

بیمه؛ تکمیلی بودن رو نمی‌دونم
ولی بطور کلی بیمه وظیفه‌اس نه مزیت
این مورد رو هیچوقت یادتون نره

بسته حقوقی رقابتی، نظر خاصی ندارم راجبش.



ببخشید اگر طولانی شد، فقط خواستم دقیق بررسی کنم و بگم خودم چطور دعوت به کارها رو بررسی می‌کنم (مخصوصاً برای تازه کارها)

اگر با همه‌ی اینها خواستید رزومه بفرستید (شرایط مملکت سخت هست متوجه‌ام)، من زیر این پست توی لینکدین کامنت گذاشتم.
روی پروفایل بنده می‌تونید ببینید. 🌹🌹



My LinkedIn

vscode live share

امروز متوجه شدم بعضی از اعضای تیم که با vscode هم کار میکنند متاسفانه این ابزار رو ندارند؛
و برای کوچیکترین کاری هم مجبور به انتخاب یکی از ۳ روش قدیمی :
اشتراک گذاری فایل / دسترسی دادن به گیت هاب یا تماس تصویری و share screen هستند

البته که شخصا گیتهاب رو توی تیم ترجیح میدم تا بدونم کی به باقی اعضا کمک کرده و مسئول هر خط کد کی هست.


ولی خب قطعا راهکار بهتر این مورد هست؛ مخصوصا برای لایوها و …
اگر این Extension رو تا حالا روی VsCode نداشتید
قطعا و حتما باید نصب کنید.



VsCode Link