یک پروژه با RAG پیاده‌سازی می‌کردم
و متوجه شدم چرا همه این قدر روی vector database ها مانور میدن
یک knowledge base ساده از ۵۰۰ تا PDF ساختم، Embedding ازشون گرفتم و توی ChromaDB ریختم
حالا هر سوالی بپرسم، دقیقاً از همون PDF مربوطه جواب میده
یعنی عملاً می‌تونم یک chatbot متخصص بسازم که روی داده‌های خودم کار کنه
نه اینکه بره ChatGPT عمومی استفاده کنم که نصف حرفاش اشتباهه😎
مشکل اینجاس که embedding quality خیلی مهمه
اگه sentence transformer ضعیفی استفاده کنی، کل سیستم می‌ره تو فاز هذیون‌گویی
و chunk size هم باید دقیق تنظیم کنی وگرنه context گم میشه

تعداد «متخصص هوش مصنوعی»ها توی ایران داره از تعداد «متخصص کرونا»ی سال ۱۴۰۰ هم بیشتر میشه!

یک زمانی یک شوخی رایج بود که توی ایران به ازای هر شنونده، 5تا خواننده پاپ هست. الان باید بگیم به ازای هر دانشجو کامپیوتر، 10تا مدرس و متخصص هوش مصنوعی

رفقا یه حرف مهم بهتون میگم
بازار کار حساسه و بی‌رحمه
یک عمر مهارت یاد می‌گیری ولی به خاطر یه تغییر تکنولوژیکی همه چیز از بین میره (همیشه HTML و CSS کار می‌کردی ولی یهو همه چی شد React)
کسب و کار هم همینطوره
یک اشتباه ممکنه کل اعتبارت رو نابود کنه (همیشه پروژه‌هات به موقع تحویل می‌دادی ولی یه بار دیر کردی)
پس مراقب باش و از این فکر خطرناک فاصله بگیر:
"فقط یه باره" یا "من که همیشه به‌روز بودم، حالا این یک بار که پشت تکنولوژی نمونم، چیزی نمیشه"
هوش مصنوعی اومده، چه بخوای چه نخوای، حالا تصمیم با خودته

یک حرف مهم هستش که در قالب یک تجربه مطرح بشه بهتره

اون حرف هم اینه:
"AI Agents are 90% engineering, 10% AI."

و خب اصل داستان:

چند روز پیش داشتم یک ویدیو توی یوتیوب در مورد AI Agent می دیدم و متوجه شدم چرا همه میگن ۹۰ درصدش engineering هست
مدل زبانی که فقط ۱۰ درصد کل ماجراس، مثل مغز آدم
ولی بقیه سیستم چی؟ اون بدن، سیستم عصبی، تنفس و قلب که نگهش می‌داره کجان؟
این نگاه که یک API call به GPT و یکم prompt engineering کافیه، خب لزوما درست نیست


باید database برای memory بسازی تا بتونه چیزایی که یاد گرفته رو یادش بمونه
باید infrastructure بچینی که بتونه scale کنه و crash نکنه
باید observability پیاده‌سازی کنی تا بدونی کجا گیر داده
باید security لحاظ کنی تا کسی hack نکنه
باید orchestration بنویسی تا بتونه با چندتا model مختلف کار کنه
یعنی اگه فکر می‌کنی AI Agent یعنی ChatGPT + prompt، خیلی ساده‌انگارانه فکر می‌کنی

پس
اصل کار توی اون ۹۰ درصد engineering هست

این روزا و از سر کنجکاوی ذهنم درگیر Fine-tuning مدل‌های کوچیکه
دیدم می‌شه یک Llama 7B رو روی dataset خودمون tune کرد که عملکرد بهتری نسبت به GPT-4 داشته باشه
البته برای domain specific tasks
من یک dataset از ۱۰ هزار sample سوال و جواب پزشکی جمع کردم، با LoRA fine-tune کردم
نتیجه‌ش جالب بود، توی medical queries دقت ۸۵ درصدی داشت
در حالی که GPT-4 حدود ۷۲ درصد می‌زد
نکته مهم اینه که GPU requirement خیلی کمتره
با یک RTX 4090 می‌شه fine-tune کرد
ولی data preparation اصل ماجراس، اگه quality dataset نداشته باشی، هر چی train کنی بی‌فایده‌س

هوش مصنوعی، علم prompt نیست که صد تا technique یاد بگیریم
مهم حل مسئله است
شرکت بهت مشکل میده
مهم نیست با GPT-4 حلش کنی یا Claude یا Gemini
ولی قطعا مهمه مشکل اون شرکت حل بشه
یا مثلا هزینه‌هاش نصف بشه
الان متاسفانه مد شده دوره‌های چند صد ساعته با هزینه نجومی برگزار می‌کنن ولی فقط آموزش ابزاره
مثل آشپزی که یک آشپزخونه پر از ابزار داره
ولی بلد نیست یه غذای خوشمزه درست کنه

دیشب تا ۳ صبح داشتم با یکی از این AI voice assistants کار می‌کردم
تقریبا قطعی شد برام به زودی دیگه نیازی نیست call center داشته باشیم
این سیستم می‌تونه با هزاران مشتری همزمان صحبت کنه، سوالاتشون رو جواب بده، حتی شکایتشون رو رسیدگی کنه
صدای طبیعی داره، احساسات رو تشخیص میده، حتی وقتی مشتری عصبانیه می‌تونه آرومش کنه
یعنی اون ۲۰-۳۰ نفری که توی call center کار می‌کنن الان چیکار کنن؟
یک شبه هزاران شغل نابود میشه
و ما هنوز داریم فکر می‌کنیم تکنولوژی فقط برنامه‌نویس‌ها رو تهدید می‌کنه
نه، همه مشاغل توی خط نشونه‌اس

پ.ن: این پست برای روحیه دادن به برنامه نویسا بود😂

همکاری Meta و Ray-Ban و عینک‌های هوشمندشون جالبه

آدم می‌پوشتش و می‌تونه با دیدن هر چیزی، سوال بپرسه و جواب بشنوه
مثلاً نگاه می‌کنی به یک ساختمان و می‌پرسی چند سال قدمته، یا نگاه می‌کنی به یک گل و می‌گی اسمش چیه
ولی نکته دارکش اینجاس که این عینکیه ی سری چیزارو ضبط می‌کنه
یعنی اگه کسی این عینک رو بپوشه و باهات حرف بزنه، تمام گفتگوتون داره ذخیره میشه
حریم شخصی صفر😂 (واقعا حریم شخصی دچار چالش جدی میشه)
تصور کنین همه با عینک راه برن و هر کسی که ببینن، تشخیص بدن کیه، کجا کار می‌کنه، چی خریده
دیگه فقط خدا نیست که از عیوب ما باخبره، همه از خوب و بد هم باخبریم😁

یه چیز عجیبی (و البته خیلی شایع) دیدم امروز یک دانشجوی سال آخر کارشناسی کامپیوتر داشت CV می‌نوشت نوشته بود:
"مسلط به 5 زبان برنامه‌نویسی"

پرسیدم: "یه پروژه با Go نوشتی؟" گفت: "نه ولی Hello World زدم!"

بازار کار الان شرایط عجیبیه HR یا تکنیکال اینتروری که مقابلت میشینه حرفه‌ای‌تر از قبله تو ۵ دقیقه می‌فهمه واقعا بلدی یا فقط اسم بلدی

بهتره بنویسی: "تخصص در پایتون - ۳ پروژه عملی انجام دادم
" تا اینکه بنویسی: مسلط به Python, Java, C++, JavaScript, Go, Rust, ...
حداقل از دید من مصاحبه کننده حس بهتری میگیرم تا یک لیست بالا بلند

میدونم کلیشه ای هست ولی یک مهارت عمیق بهتر از ۱۰ تا مهارت سطحی‌ه مخصوصا تو دورانی که همه چیز در دسترسه کیفیت مهمه، کمیت نه

داشتم با یک استارتاپ صحبت می‌کردم، گفت ما ۳ ماهه داریم ChatGPT Plus می‌خریم برای تیممون ولی نمی‌دونیم چرا هنوز نتایج کارمون بهتر نشده!
سوال کردم: "پرامپت‌هاتون چطوریه؟"
جواب: "سلام، لطفا این کد را بررسی کن"

فارغ از اینکه که از نسخه 5 استفاده می کرد که یکم خنگ تر شده ولی
بهش گفتم، هوش مصنوعی جادو نیست یک پرامپت خوب مثل یک دستور العمل آشپزیه وقتی به آشپز میگی "غذا درست کن" انتظار نداری شاهکار بسازه ولی وقتی میگی "برای ۴ نفر خورشت قیمه با گوشت چرخ کرده، نصف کیلو عدس، رب گوجه تند، زعفران..."
معلومه بهتر عمل کنه و غذای خوشمزه تری می پزه
یک پرامپت خوب ترجیحا یعنی:

زمینه مشخص (تو یک برنامه‌نویس سینیورهستی)
هدف روشن (میخوام این کد بهینه‌تر بشه و بهینه از چه نظر)
محدودیت‌ها (با زبان پایتون، حداکثر ۵۰ خط)
مثال (مثل این نمونه که میفرستم)


پند اخلاقی😉: ابزار خوبی داری؟ عالی. حالا یاد بگیر ازش حرفه‌ای استفاده کنی.

یکی از این robot های جدید Tesla رو نگاه می‌کردم
این بچه (ربات) می‌تونه ظرف بشوره، لباس تا کنه، حتی بچه نگهداری کنه
قیمتش چیزی حدود ۳۰ هزار دلاره ولی یک بار می‌خری، ۲۰ سال کار می‌کنه

درسته تقریباً همه مشاغل physical هم در خطرن
ولی آینده به شدت هیجان انگیزه (شایدم ترسناک)
خیلی از محدودیت های مهم صنعت از بین میره (آسیب نیروی کار، بد بودن شرایط روحی یا جسمی و بیماری، خسته شدن) در چنین شرایطی خط تولیدهای 24ساعته که دقیق و منظم دارن تولید می کنن
جهش بزرگی توی صنعت خواهیم داشت، کیفیت محصولات و تولیدات بالاتر میره و بار کاری انسان ها روی دوش ربات ها میره و تنبل تر میشیم😂

دارم خودم تصور می کنم یک مزرعه دارم و 4 تا کارگر رباتیک دارم و مشغول برده داری نوینم😎 واسم دارن کشاورزی می کنن

امروز یه کار عملی برای تون دارم می‌خواید ببینید دیتاتون چقدر کیفیت داره؟
کد زیر رو اجرا کنید (Python):

import pandas as pd

# فایل CSV خودتون رو بخونید
df = pd.read_csv('your_data.csv')

# گزارش سریع کیفیت داده
print(f"تعداد سطرها: {len(df)}")
print(f"تعداد ستون‌ها: {len(df.columns)}")
print(f"مقادیر خالی: {df.isnull().sum().sum()}")
print(f"سطرهای تکراری: {df.duplicated().sum()}")

# آماره سریع
print("\nخلاصه آماری:")
print(df.describe())

# مقادیر خالی به تفکیک ستون
print("\nمقادیر خالی هر ستون:")

۵ دقیقه وقت بذارید، اجراش کنید نتیجه رو ببینید شاید متوجه بشید چرا مدلتون خوب نتیجه نمیده
داده کثیف = نتیجه کثیف
این قانون طلایی علم دادس

پ.ن: می دونم کد خیلی ساده ای هست
ولی این نمونه هستش، و اینو میشه خیلی پیشرفته انجام دادش. واسم توی کامنت ها بنویسید که چه روش های بهتری سراغ دارین.

یک پند به دوستان جونیور😅

یکی از بزرگترین اشتباهات فریلنسرها: نمونه کار نداشتن

با یک کارفرما صحبت می‌کردم، می گفت
"۵ نفر برام پیشنهاد دادن، ولی هیچکدوم نمونه کار نداشتن"

دوستان، GitHub خالی = فرصت از دست رفته

حداقل ۳ تا پروژه کوچیک بذارید:

۱. یک داشبورد ساده (Streamlit یا Dash)
۲. یک API بسیط (FastAPI)
۳. یک تحلیل داده با matplotlib/plotly

نمونه کار == اعتماد و اعتماد == کار => پول

برای شروع:
• GitHub Pages مجانیه: https://pages.github.com
• Streamlit Cloud رایگان: https://streamlit.io/cloud
• Heroku هم پلن مجانی داره

به قول ما اصفهانیا الان شروع کنید، فردا دیرس😂

موضوع جدید این روزها: AI Agents
همه دارن راجع بهش حرف می‌زنن ولی کمتر کسی می‌دونه چیه

AI Agent
یعنی یک سیستم که:
• هدف داره
• برنامه‌ریزی می‌کنه
• تصمیم می‌گیره
• عمل می‌کنه
• نتیجه رو ارزیابی می‌کنه

مثلا به جای اینکه بگی: "این ایمیل رو جواب بده" می‌گی: "مشتری ناراضیه، مشکلش رو حل کن"
خود Agent:
• ایمیل رو تحلیل می‌کنه
• مشکل رو شناسایی می‌کنه
• راه حل پیشنهاد می‌ده
• ایمیل مؤدبانه می‌نویسه
• اگه لازم بود، follow up می‌کنه

ابزارهای عملی:
• AutoGen: https://github.com/microsoft/autogen
• LangGraph: https://langchain-ai.github.io/langgraph
• CrewAI: https://crewai.com

پیش بینی یکم خوشبینانه: احتمالا تا ۶ ماه آینده agent-ها جای assistant-ها رو می‌گیرن.

تازگی داشتم با Anthropic Claude Computer Use کار می‌کردم
این چیز واقعاً ترسناکه!
می‌تونه خودش کامپیوتر رو کنترل کنه، روی دکمه‌ها کلیک کنه، فرم‌ها رو پر کنه
گفتم برام یک فاکتور توی اکسل درست کن
خودش فایل رو باز کرد، جدول کشید، فرمول نوشت، حتی رنگ‌بندی کرد
یعنی اون assistant اداری که شرکت‌ها استخدام می‌کنن برای این کارا الان چیکار کنه؟
فعلاً خیلی beta هست و گاهی خراب می‌کنه ولی آینده‌اش روشنه
تا 2 سال دیگه شاید بتونیم بگیم: "کل فروش امروز رو بررسی کن و گزارش بده"
و خودش انجام بده

پ.ن: به قول محمدرضا شعبانعلی به زودی شاهد نابودی وب خواهیم بود. شاید بگین چه ربطی داره؟ خب وقتی ایجینت خودش محتوا تصویر و متنی آماده کنه، خودش هم میره ویو فیک میزنه و همه چی خودکار و بدون دخالت انسان انجام میشه. پس وب دیگه چه ارزش افزوده ای خواهد داشت؟

لینک: https://docs.anthropic.com/en/docs/computer-use

چند وقت پیش یک دوستی از پیام داد:
"من با Python خیلی خوبم، حالا کدوم فریمورک یاد بگیرم؟ Django یا FastAPI؟"
گفتم: "کی آخرین بار برنامت کرش کرد؟"
گفت: "دیروز"
"چرا؟"
"نمی‌دونم، memory leak بود یا چیزی"
گفتم برو اول اینارو یاد بگیر:

چطور کدت رو debug کنی
چطور memory رو مدیریت کنی
چطور test بنویسی
چطور error handling کنی

بعدش بیا فریمورک یاد بگیر😄
پایه قوی نداشته باشی، هر فریمورکی یاد بگیری مشکلت همونه😉

یک چیز باحال دیدم: Replit Agent
می‌گی: "یک فروشگاه آنلاین بساز"
خودش کد می‌نویسه، دیتابیس می‌سازه، UI طراحی می‌کنه، تست می‌کنه، deploy می‌کنه
10 دقیقه طول کشید

اگه ترسیدی و به درستی پیش خودت میگی: پس ما برنامه‌نویسا چیکار کنیم؟
جوابش اینه: بجای code monkey بودن، باید product manager و problem solver بشیم
ابزار کد می‌نویسه، ولی نمی‌دونه چه چیزی بسازه
ما باید بگیم چه مشکلی حل کنه
نقش ما داره تغییر می‌کنه، نابود نمیشه (عجب جلمه قصاری گفتم🥹)

همون نصیحت همیشگی من: مهندس نرم افزار باش تا 5 سال آینده توپ هم نمی تونه تکونت بده😎

لینک ابزار: https://replit.com/agent

دوستان عزیز، سال ۲۰۲۵ هست
بهینه ساز SGD
برای اکثر کارهای deep learning دیگه گزینه اول نیست
ساده بگم:

SGD: قدیمی، کنده، نیاز به تنظیم زیاد
Adam: سریع، خودکار، برای اکثر کارها خوبه
AdamW: نسخه بهتر Adam با weight decay

یک قاعده ساده (که لزوما همه جا هم جواب نمیده):
اول Adam رو امتحان کنید
اگر overfitting دیدید، برید سراغ AdamW

کدش:

optimizer = torch.optim.AdamW(model.parameters(), lr=1e-4, weight_decay=0.01)

یک تیم می شناسم که 6 ماهه دنبال ML engineer می‌گرده و پیدا نمی کنه
گفتم: "چه شرایطی می‌خواید؟"

لیست شرایط:

PhD در AI/ML
5+ سال تجربه
مسلط به PyTorch, Hugging Face
تجربه MLOps و Kubernetes
تجربه fine-tuning مدل‌های بزرگ

گفتم: "حقوق چقدر؟"
گفت: "22 میلیون تومان"
گفتم این حقوق برای یک junior developer خوبه!

کسی که این رزومه رو داره، حداقل 50 میلیون می‌ارزه
یا بره شرکت‌های بین‌المللی کار کنه

بازار کار خیلی غیرواقعی شده
انتظارات بالا، پول کم

پ.ن: خیلی وقت بود پست ناله محور نزاشته بودم😃

Iranian developers are building amazing AI tools but nobody knows about them

لینک: https://devm.io/machine-learning/ai-tools-haghiri

بدون شرح