siavash/socia.ai
1
0
Fork 0
Code Issues Pull Requests Actions Packages Projects Releases Wiki Activity

added fairness

Browse Source
This commit is contained in:
siavash32tm
2025-06-03 15:19:43 +02:00
parent 3a331e9caf
commit d418c774fc
4 changed files with 210 additions and 23 deletions
Download Patch File Download Diff File Expand all files Collapse all files
projects/convert_csv_to_html.ipynb
+5 -22
View File
@@ -63,15 +63,16 @@
},
{
"cell_type": "code",
"execution_count": 2,
"execution_count": 6,
"id": "ccb7eed8",
"metadata": {},
"outputs": [],
"source": [
"import pandas as pd\n",
"csv_file_path = 'proj_data_ex.xlsx'\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 = 'fairness.xlsx'\n",
"\n",
"xls = pd.read_excel(csv_file_path, sheet_name=None, engine='openpyxl')\n",
"\n"
@@ -79,7 +80,7 @@
},
{
"cell_type": "code",
"execution_count": 3,
"execution_count": 7,
"id": "762b688a",
"metadata": {},
"outputs": [
@@ -91,25 +92,7 @@
" <div class=\"col-md-6 col-lg-4\">\n",
" <div class=\"card project-card\">\n",
" <div class=\"card-body\">\n",
" <h5 class=\"h4 mb-3\">کشف روابط در پایگاه داده به وسیله‌ی مدل</h5> <p class=\"card-text\">پیدا کردن روابط در پایگاه داده؛ مثلاَ استفاده از مدل زبانی برای کشف رابطه‌ی استناد بین داده‌ها. </p><div class=\"container text-center justify-content: center\">وضعیت پیشرفت <div class=\"progress-container\"><div class=\"progress\" style=\"width:20%; padding-right: 10%;\">۲۰٪</div></div></div><p><ul style=\"list-style-type: '✅ ' ;\"><li>نمونه‌ی اولیه کشف تاثیر با داده‌های MNIST.</li><li>نمونه‌ی اولیه کشف روابط با داده‌های MNIST.</li></ul><ul style=\"list-style-type: '⏳ ' ;\"><li>توضیح‌پذیری مدل زبانی برای کشف تاثیر اطلاعات دادگان بر یکدیگر</li><li>جستجوی گراف متون بر اساس روابط تاثیر</li></ul></p><a href=\"https://github.com/siavashBigdeli/marginalized_sample_influence\"><p class=\"card-text\">آدرس گیت هاب</p></a></div></div></div> \n",
" <!-- Repeat for other projects -->\n",
"\n",
" <div class=\"col-md-6 col-lg-4\">\n",
" <div class=\"card project-card\">\n",
" <div class=\"card-body\">\n",
" <h5 class=\"h4 mb-3\">سیستم پیشنهاد دهنده با مدل تنبل</h5> <p class=\"card-text\">پیدا کردن یادگیری عمیق و تنبل برای بهینه استفاده در پشنهاد دهنده‌ها. داده‌های مورد ارجاع میتوانند نسبت به تغییر علاقه‌ی کاربر عوض شوند. </p><div class=\"container text-center justify-content: center\">وضعیت پیشرفت <div class=\"progress-container\"><div class=\"progress\" style=\"width:10%; padding-right: 2%;\">۰٪</div></div></div><p><ul style=\"list-style-type: '⏳ ' ;\"><li>سیستم پیشنهاد دهنده باتوجه به داده‌ها و اندازه‌گیری دقت مدل.</li><li>یادگیری تقویتی با انتخاب داده‌های برتر و بازآموزش مدل.</li></ul></p></div></div></div> \n",
" <!-- Repeat for other projects -->\n",
"\n",
" <div class=\"col-md-6 col-lg-4\">\n",
" <div class=\"card project-card\">\n",
" <div class=\"card-body\">\n",
" <h5 class=\"h4 mb-3\">خلاصه سازی شرطی در پایگاه داده</h5> <p class=\"card-text\">آیا میتوان به صورت سلسله وار از مدل‌های مولد استفاده کرد و در هر مرحله با ترکیب خروجی با داده‌های دیگر خلاصه سازی نمود؟‍ </p><div class=\"container text-center justify-content: center\">وضعیت پیشرفت <div class=\"progress-container\"><div class=\"progress\" style=\"width:30%; padding-right: 15%;\">۳۰٪</div></div></div><p><ul style=\"list-style-type: '✅ ' ;\"><li>مدل زبانی بر پایه RAG</li><li>ترکیب داده‌های یک مرحله‌ای</li></ul><ul style=\"list-style-type: '⏳ ' ;\"><li>ترکیب داده‌های چند مرحله‌ای</li></ul></p></div></div></div> \n",
" <!-- Repeat for other projects -->\n",
"\n",
" <div class=\"col-md-6 col-lg-4\">\n",
" <div class=\"card project-card\">\n",
" <div class=\"card-body\">\n",
" <h5 class=\"h4 mb-3\">تخمین ارزش‌گذاری متن برا اساس معیار</h5> <p class=\"card-text\">سنجش میزان هماهنگی و شباهت متون با متن‌های معیار که از جانب متخصص آگاه تعیین شده‌اند. </p><div class=\"container text-center justify-content: center\">وضعیت پیشرفت <div class=\"progress-container\"><div class=\"progress\" style=\"width:50%; padding-right: 25%;\">۵۰٪</div></div></div><p><ul style=\"list-style-type: '✅ ' ;\"><li>مهندسی پرامپت برای تخمین ارزش</li><li>مدل‌های دسته بندی ارزشی</li></ul><ul style=\"list-style-type: '⏳ ' ;\"><li>مدل‌های بالفعل ارزش سنجی</li><li>مدل‌های منعطف با ارزش‌های جدید</li></ul></p><a href=\"https://github.com/siavashBigdeli/prompt_engineering_questioner\"><p class=\"card-text\">آدرس گیت هاب</p></a></div></div></div> \n",
" <h5 class=\"h4 mb-3\">انصاف در اثرگذاری</h5> <p class=\"card-text\">روش متفاوتی ربای معیار سنجی انصاف مدل بر اساس میزان تاثیر کلی هر داده (یا گروه داده) بر روی تصمیمات مدل. </p><div class=\"container text-center justify-content: center\">وضعیت پیشرفت <div class=\"progress-container\"><div class=\"progress\" style=\"width:40%; padding-right: 20%;\">۴۰٪</div></div></div><p><ul style=\"list-style-type: '✅ ' ;\"><li>تخمین سهم تاثیر داده‌ها</li><li>محاسبه تاثیر کناری برای دسته‌های مختلف داده</li></ul><ul style=\"list-style-type: '⏳ ' ;\"><li>دسته‌بندی روش‌های متفاوت برای نسبت سنجی تاثیر</li><li>مقایسه‌ی شرایط منصفانه و غیر منصفانه</li><li>مقایسه‌ی کیفی شرایط تشخیص با روش‌های کنونی</li><li>اعمال شرط انصاف در آموزش مدل</li></ul></p></div></div></div> \n",
" <!-- Repeat for other projects -->\n"
]
}