وبلاگ
مقالات و محتوای متنوع من — از یادداشتهای تخصصی تا تجربه و دیدگاه، جدا از هر موضوع خاصی.
چطور محتوای تولیدشده با هوش مصنوعی شبیه کپیکار ماشینی نباشد
تولید محتوای متنی با هوش مصنوعی بدون افت کیفیت نیازمند تزریق دادههای اختصاصی، اعمال قیود سلبی در پرامپت و بازبینی انسانی است. در این مقاله راهکارهای عملی این فرآیند را بررسی میکنیم.
چرا دقت بالا در مدلهای هوش مصنوعی پزشکی گمراهکننده است؟ بررسی یک نمونه داده واقعی
بررسی خطای معیار Accuracy در سیستمهای غربالگری پزشکی با دادههای نامتوازن و معرفی جایگزینهای عملیاتی مانند Focal Loss و تحلیل آستانه تصمیمگیری.
مخزن FarrokhML؛ نمونهکارهای کاربردی یادگیری ماشین با تمرکز بر مسائل واقعی کسبوکار
مجموعه پورتفولیوی FarrokhML رویکردی عملیاتی به یادگیری ماشین دارد و بر تصمیمگیری مالی، ارزیابی دقیق مدلها و حل مسائل واقعی صنعت تمرکز میکند.
منشی رباتیک: پاسخگویی ۲۴ ساعته بدون افزودن نیروی انسانی
بررسی فنی و عملیاتی پیادهسازی منشی صوتی هوشمند، معماری سیستم، هزینهها، چالشهای گفتار به متن فارسی و شرایطی که این پروژه توجیه اقتصادی ندارد.
عامل گفتوگومحور استرداد دانش و مسیریابی ابزارها بدون نیاز به APIهای ابری
پروژه Knowledge Retrieval Agent یک سیستم گفتوگومحور محلی و قابل بازرسی است که با ترکیب حافظه کوتاهمدت، مسیریابی ابزارها و ارزیابی واقعی، درخواستهای متنی و اسناد سازمانی را مدیریت میکند.
سیستم تشخیص هوشمند عیوب صنعتی با بینایی ماشین کلاسیک
پروژه کنترل کیفیت بصری سطوح فلزی با استخراج ویژگیهای HOG و LBP و الگوریتمهای یادگیری ماشین روی پردازندههای عادی.
پروژه Decision Layer؛ ارزیابی واقعی مدلهای پیشبینی در مدیریت زنجیره تامین
پروژه Decision Layer یک سیستم هوش عملیاتی است که بر اساس ۱۰۰ هزار سفارش واقعی، کارایی مدلهای یادگیری عمیق و آماری را در کاهش هزینههای موجودی مقایسه میکند.
پایش هوشمند تجهیزات ایمنی فردی با پردازش تصویر کلاسیک
پروژه helmet-safety-gear-detection ابزاری سبک و سریع برای ارزیابی رعایت الزامات ایمنی در محیطهای صنعتی بر پایه پردازش تصویر کلاسیک و فضای رنگی HSV است.
پورتفولیوی کاربردی FarrokhML: ارزیابی واقعی و متدولوژی دقیق در پروژههای یادگیری ماشین
مجموعه پروژههای کاربردی یادگیری ماشین فرخ احمدی با تمرکز بر ارزیابی دقیق، جلوگیری از نشت داده و حل مسائل واقعی صنعت و مالی.
طراحی عاملهای گفتگومحور هوشمند: بررسی معماری Knowledge Retrieval Agent
معرفی پروژه Knowledge Retrieval Agent؛ ابزاری برای بهبود بازیابی اطلاعات در عاملهای گفتگومحور با تکیه بر مسیریابی TF-IDF و رفع ابهام ضمایر در مکالمات چندمرحلهای.
ساخت مدلهای زبانی بزرگ از صفر: واکاوی پروژه LLMs-from-scratch سباستین راشکا
پروژه LLMs-from-scratch کدهای رسمی کتابی به همین نام است که پیادهسازی گامبهگام و بدون وابستگی یک مدل زبانی مشابه GPT را در PyTorch آموزش میدهد.
مدیریت و بهینهسازی پرامپتهای هوش مصنوعی با ابزار متنباز prompts.chat
پلتفرم متنباز prompts.chat ابزاری محبوب برای کشف، مدیریت و میزبانی اختصاصی بانک پرامپتهای هوش مصنوعی در سازمانهاست.