diff --git a/projects/convert_csv_to_html.ipynb b/projects/convert_csv_to_html.ipynb index 13a25c6..cfb3774 100644 --- a/projects/convert_csv_to_html.ipynb +++ b/projects/convert_csv_to_html.ipynb @@ -2,7 +2,7 @@ "cells": [ { "cell_type": "code", - "execution_count": 167, + "execution_count": 1, "id": "62188aef", "metadata": {}, "outputs": [], @@ -63,15 +63,15 @@ }, { "cell_type": "code", - "execution_count": 189, + "execution_count": 2, "id": "ccb7eed8", "metadata": {}, "outputs": [], "source": [ "import pandas as pd\n", "csv_file_path = 'proj_data_ex.xlsx'\n", - "csv_file_path = 'distributed_ai.xlsx'\n", - "csv_file_path = 'questionner.xlsx'\n", + "#csv_file_path = 'distributed_ai.xlsx'\n", + "#csv_file_path = 'questionner.xlsx'\n", "\n", "xls = pd.read_excel(csv_file_path, sheet_name=None, engine='openpyxl')\n", "\n" @@ -79,7 +79,7 @@ }, { "cell_type": "code", - "execution_count": 190, + "execution_count": 3, "id": "762b688a", "metadata": {}, "outputs": [ @@ -91,13 +91,25 @@ "
\n", "
\n", "
\n", - "
مدل‌های پرسشگر

ساخت مدل‌هایی که تسهیل‌کر خلق ایده‌ی نو توسط کاربر هستند و نه اینکه خود مولد باشند. چگونه کاربر راهنمایی شود بدون اینکه مدل جهت‌دهی خاصی را به او بدهد؟ و چگونه در خلق گمانه‌ی نو میتواند موثر باشد؟

وضعیت پیشرفت
۰٪

  • تولید داده‌ی پرسشگری
  • بازآموزش مدل
  • هدایت تقویتی

\n", + "
کشف روابط در پایگاه داده به وسیله‌ی مدل

پیدا کردن روابط در پایگاه داده؛ مثلاَ استفاده از مدل زبانی برای کشف رابطه‌ی استناد بین داده‌ها.

وضعیت پیشرفت
۲۰٪

آدرس گیت هاب

 \n", " \n", "\n", "
\n", "
\n", "
\n", - "
طراحی رفتار پرسشگر

مدل‌های مولد عموماً در غالب پاسخگو طراحی و استفاده می‌شوند. این امر می‌تواند باعث محدودیت بر خلاقیت انسان در تولید محتوی نو و جدید شود. در این پروژه ما به دنبال طراحی رفتار‌های کاربر (مانند prompt engineering) با محوریت مدل پرسشگر در مقابل انسان پاسخگو هستیم.

وضعیت پیشرفت
۱۰۰٪

  • مهندسی پرامپت روی مدل‌های زبانی برای تغییر رفتار مدل

آدرس گیت هاب

\n", + "
سیستم پیشنهاد دهنده با مدل تنبل

پیدا کردن یادگیری عمیق و تنبل برای بهینه استفاده در پشنهاد دهنده‌ها. داده‌های مورد ارجاع میتوانند نسبت به تغییر علاقه‌ی کاربر عوض شوند.

وضعیت پیشرفت
۰٪

\n", + " \n", + "\n", + "
\n", + "
\n", + "
\n", + "
خلاصه سازی شرطی در پایگاه داده

آیا میتوان به صورت سلسله وار از مدل‌های مولد استفاده کرد و در هر مرحله با ترکیب خروجی با داده‌های دیگر خلاصه سازی نمود؟‍

وضعیت پیشرفت
۳۰٪

  • مدل زبانی بر پایه RAG
  • ترکیب داده‌های یک مرحله‌ای
  • ترکیب داده‌های چند مرحله‌ای

\n", + " \n", + "\n", + "
\n", + "
\n", + "
\n", + "
تخمین ارزش‌گذاری متن برا اساس معیار

سنجش میزان هماهنگی و شباهت متون با متن‌های معیار که از جانب متخصص آگاه تعیین شده‌اند.

وضعیت پیشرفت
۵۰٪

  • مهندسی پرامپت برای تخمین ارزش
  • مدل‌های دسته بندی ارزشی
  • مدل‌های بالفعل ارزش سنجی
  • مدل‌های منعطف با ارزش‌های جدید

آدرس گیت هاب

\n", " \n" ] } diff --git a/projects/explinability.html b/projects/explinability.html index f800dbe..abc7fa5 100644 --- a/projects/explinability.html +++ b/projects/explinability.html @@ -286,7 +286,11 @@ - +
+
+
+
سیستم پیشنهاد دهنده با مدل تنبل

پیدا کردن یادگیری عمیق و تنبل برای بهینه استفاده در پشنهاد دهنده‌ها. داده‌های مورد ارجاع میتوانند نسبت به تغییر علاقه‌ی کاربر عوض شوند.

وضعیت پیشرفت
۰٪

  • سیستم پیشنهاد دهنده باتوجه به داده‌ها و اندازه‌گیری دقت مدل.
  • یادگیری تقویتی با انتخاب داده‌های برتر و بازآموزش مدل.

+ diff --git a/projects/proj_data_ex.xlsx b/projects/proj_data_ex.xlsx index fb3fa3d..a727aaa 100644 Binary files a/projects/proj_data_ex.xlsx and b/projects/proj_data_ex.xlsx differ diff --git a/projects/questionner.html b/projects/questionner.html index 9c24bdb..bf52032 100644 --- a/projects/questionner.html +++ b/projects/questionner.html @@ -144,6 +144,11 @@
طراحی رفتار پرسشگر

مدل‌های مولد عموماً در غالب پاسخگو طراحی و استفاده می‌شوند. این امر می‌تواند باعث محدودیت بر خلاقیت انسان در تولید محتوی نو و جدید شود. در این پروژه ما به دنبال طراحی رفتار‌های کاربر (مانند prompt engineering) با محوریت مدل پرسشگر در مقابل انسان پاسخگو هستیم.

وضعیت پیشرفت
۱۰۰٪

آدرس گیت هاب

+
+
+
+
همگرایی دانش با RAG

مدل‌های زبانی میتوانند کمک کنند تا اطلاغ و دانش افراد به صورت برخط با داده‌های دیگران نسبت سنجی بشود. در این حالت کاربر میتواند ایده‌های خود را تدقیق کند و یا با دیگر ایده‌ها همگرایی کند.

وضعیت پیشرفت
۰٪

  • پیدا کردن اطلاع‌های مرتبط با RAG
  • نسبت سنجی کاربر برای پیدا کردن فرق‌ها و یا اشتراکات
  • همگرایی دو ایده توسط مدل زبانی

+ diff --git a/projects/questionner.xlsx b/projects/questionner.xlsx index af358c6..a5c22e8 100644 Binary files a/projects/questionner.xlsx and b/projects/questionner.xlsx differ