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

added excel content generator

Browse Source
This commit is contained in:
siavash32tm
2025-05-06 15:33:48 +02:00
parent 631013058e
commit f24ee7ec76
9 changed files with 618 additions and 206 deletions
Download Patch File Download Diff File Expand all files Collapse all files
projects/dist_llm.html
+23 -160
View File
@@ -132,134 +132,31 @@
<div class="container">
<h2 class="text-center mb-5">گام‌نمای پروژه</h2>
<div class="row g-4">
<div class="col-md-6 col-lg-4">
<div class="card project-card">
<div class="card-body">
<h5 class="h4 mb-3">موازی‌سازی پردازش مدل‌ها روی شبکه</h5>
<p class="card-text">با استفاده از موازی سازی پردازش مدل‌ها روی شبکه میتوان از منابع (inference) مدل‌ها استفاده کرد که دیگر نیازی به مرکز گرا بودن این فرایند نباشد. مثلاَ شروع با مدل‌های Transformer.</p>
<div class="container text-center justify-content: center">
وضعیت پیشرفت
<div class="progress-container">
<div class="progress" style="width: 80%; padding-right: 80%;">
80
<!-- Repeat for other projects -->
<div class="col-md-6 col-lg-4">
<div class="card project-card">
<div class="card-body">
<h5 class="h4 mb-3">موازی‌سازی پردازش مدل‌ها روی شبکه</h5> <p class="card-text">با استفاده از موازی سازی پردازش مدل‌ها روی شبکه میتوان از منابع (inference) مدل‌ها استفاده کرد که دیگر نیازی به مرکز گرا بودن این فرایند نباشد. مثلاَ شروع با مدل‌های Transformer. </p><div class="container text-center justify-content: center">وضعیت پیشرفت <div class="progress-container"><div class="progress" style="width:80%; padding-right: 40%;">۸۰٪</div></div></div><p><ul style="list-style-type: '✅ ' ;"><li>موازی سازی پردازش مدل ها‌ روی شبکه</li><li>موازی سازی پردازش مدل ها‌ روی اندروید</li></ul><ul style="list-style-type: '⏳ ' ;"><li>مدل‌های مولد</li><li>سرور هماهنگ کننده برای شبکه‌ی موبایلی</li><li>مدل‌های بسیار کوچک زبانی</li></ul></p><a href="https://github.com/aliakbar1881/dist_model"><p class="card-text">آدرس گیت هاب</p></a></div></div></div>
<!-- Repeat for other projects -->
</div>
</div>
</div>
<p>
<ul style="list-style-type: '✅ ' ;">
<li>موازی سازی پردازش مدل ها</li>
</ul>
<ul style="list-style-type: ' ⏳ ' ;">
<li>مدل‌های مولد</li>
</ul>
</p>
<a href="https://github.com/aliakbar1881/IpsofactoModel">
<p class="card-text">ادرس گیت هاب</p>
</a>
</div>
</div>
</div>
<div class="col-md-6 col-lg-4">
<div class="card project-card">
<div class="card-body">
<h5 class="h4 mb-3">استفاده از منابع توزیع شده</h5>
<p class="card-text">پیاده سازی پلتفرمی برای توسعه آموزش مدل های توزیع شده بر روی شبکه ماند Keras، Torch، SparkML که آموزش در لحظه را در اختیار محققان و کاربران بگذارد. </p>
<div class="container text-center justify-content: center">
وضعیت پیشرفت
<div class="progress-container">
<div class="progress" style="width: 0%; padding-right: 0%;">
0
<div class="col-md-6 col-lg-4">
<div class="card project-card">
<div class="card-body">
<h5 class="h4 mb-3">استفاده از منابع توزیع شده</h5> <p class="card-text">پیاده سازی پلتفرمی برای توسعه آموزش مدل های توزیع شده بر روی شبکه ماند Keras، Torch، SparkML که آموزش در لحظه را در اختیار محققان و کاربران بگذارد. </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>پیاده سازی پلتفرمی برای توسعه آموزش مدل های توزیع شده</li></ul></p></div></div></div>
<!-- Repeat for other projects -->
</div>
</div>
</div>
<p>
<ul style="list-style-type: '✅ ' ;">
</ul>
<ul style="list-style-type: ' ⏳ ' ;">
<li>پیاده سازی پلتفرمی برای توسعه آموزش مدل های توزیع شده</li>
</ul>
</p>
<a href="">
<p class="card-text">ادرس گیت هاب</p>
</a>
</div>
</div>
</div>
<div class="col-md-6 col-lg-4">
<div class="card project-card">
<div class="card-body">
<h5 class="h4 mb-3">بالا بردن ظرفیت خطای ورودی مدل در شبکه متزلزل</h5>
<p class="card-text">بالا بردن توانایی تعمیم پذیری مناسب و ترکیب مناسب داده‌ها مثلاَ با استفاده‌ی روشی مشابه dropout.</p>
<div class="container text-center justify-content: center">
وضعیت پیشرفت
<div class="progress-container">
<div class="progress" style="width: 0%; padding-right: 0%;">
0
<div class="col-md-6 col-lg-4">
<div class="card project-card">
<div class="card-body">
<h5 class="h4 mb-3">بالا بردن ظرفیت خطای ورودی مدل در شبکه متزلزل</h5> <p class="card-text">بالا بردن توانایی تعمیم پذیری مناسب و ترکیب مناسب داده‌ها مثلاَ با استفاده‌ی روشی مشابه dropout. </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>ترکیب مناسب داده‌ها</li><li>بالا بردن توانایی تعمیم پذیری</li></ul></p></div></div></div>
<!-- Repeat for other projects -->
</div>
</div>
</div>
<p>
<ul style="list-style-type: '✅ ' ;">
</ul>
<ul style="list-style-type: ' ⏳ ' ;">
<li>ترکیب مناسب داده‌ها</li>
<li>بالا بردن توانایی تعمیم پذیری</li>
</ul>
</p>
<a href="">
<p class="card-text">ادرس گیت هاب</p>
</a>
</div>
</div>
</div>
<div class="col-md-6 col-lg-4">
<div class="card project-card">
<div class="card-body">
<h5 class="h4 mb-3">امنیت داده‌ها با پردازش توزیع‌شده</h5>
<p class="card-text">آنالیز انکشاف در داده‌های مدل‌های توزیع ‌شده روش شبکه و بررسی امکان بالا بردن سطح خصوصی داده‌ها، مانند روش Differential provacy.</p>
<div class="container text-center justify-content: center">
وضعیت پیشرفت
<div class="progress-container">
<div class="progress" style="width: 0%; padding-right: 0%;">
0
</div>
</div>
</div>
<p>
<ul style="list-style-type: '✅ ' ;">
</ul>
<ul style="list-style-type: ' ⏳ ' ;">
<li>استفاده از روش Differential provacy</li>
</ul>
</p>
<a href="">
<p class="card-text">ادرس گیت هاب</p>
</a>
</div>
</div>
</div>
<div class="col-md-6 col-lg-4">
<div class="card project-card">
<div class="card-body">
<h5 class="h4 mb-3">امنیت داده‌ها با پردازش توزیع‌شده</h5> <p class="card-text">آنالیز انکشاف در داده‌های مدل‌های توزیع ‌شده روش شبکه و بررسی امکان بالا بردن سطح خصوصی داده‌ها، مانند روش Differential privacy. </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>استفاده از روش Differential privacy برای داده‌های متنی</li></ul></p></div></div></div>
<!-- Repeat for other projects -->
<!-- Repeat for other projects -->
</div>
</div>
@@ -275,41 +172,7 @@
<div class="row justify-content-center">
<div class="col-md-8">
<div class="testimonial p-4">
<p class="lead">
<p class="lead m-5 text-center">
<h4 class="text-left mb-5 text-primary">تاثیر رویکرد سرمایه‌دارانه بر روی توسعه و کاربرد هوش‌مصنوعی</h2>
<ol>
<li>
<b>کالاسازی داده</b> باعث رقابت در تجمیع و انحصار در اطلاعات شده تا حایی که داده را نفت جدید
می‌خوانند.
</li>
<br>
<li>
<b>شرکت‌های تولید کننده‌ی سخت‌افزار</b> برای ضمانت رشد سود خود محققین را جهت‌دهی می‌کنند که فقط
تحت زیربنای محاسباتی آنها توسعه‌ی نرم‌افزاری دهند. مثلاً شرکت <b>NVIDIA</b> با تحت تاثیر قرار
دادن جامعه‌ی علمی و تولیدی و پشتیبانی، از فروش سخت‌افزارهای <b>AMD</b>، که معمولاً کارکرد بهتری
دارد، جلوگیری می‌کند.
</li>
<br>
<li>
<b>همچنین با هژمونیک کردن این نگاه</b>، جامعه‌ی علمی به دنبال سخت‌افزارهای روز، که بزرگتر و
سریعتر می‌شوند، می‌باشد. در این حین دیدگاه‌های دموکراتیک‌تر، مانند <b>پردازش سیستم‌های
توزیع‌شده</b> که می‌تواند از سخت‌افزار‌های کوچک مردم همزمان بهره ببرد، از ادبیات تحقیقی حذف
شده‌اند. در نتیجه راه‌کار‌های سرمایه‌دارانه تنها جهت پیشرفت و توسعه دیده می‌شود. البته روش‌های
پردازش سیستم‌های توزیع‌شده به کل حذف نشده‌اند. بلکه آنها هم در جهت منافع شرکت‌های چند ملیتی
توسعه داده می‌شوند.
</li>
<br>
</ol>
<p>
با آمدن کرونا، شرکت <b>NVIDIA</b> از کاربران بازی‌های رایانه‌ای خواست تا سیستمی نصب کنند که به آنها
اجازه می‌داد از سیستم کاربران برای توسعه‌ی هوش‌مصنوعی در جهت کشف دارو‌های جدید، استفاده کنند. در
نمونه‌ای دیگر، شرکت <b>گوگل</b> از دستگاه‌های تلفن کاربران برای آموزش مدل‌های هوش‌مصنوعی خود بهره
می‌برد و آن را باز به مشتریان جدید می‌فروشد. محصولی که با داده‌های مردم و سخت‌افزار آنها درست شده در
جهت منافع مالی این شرکت استفاده می‌شود.
</p>
</p>
</p>
ما در آینده مدل‌هایی خواهیم ساخت که نیاز کمتری به منابع متمرکز داشته باشند. مثلا نمونه‌ی کنونی ما یک مدل زبانی‌ است که بر روی شبکه‌ای از چند تلفن هوشمند اجرا میشود و نیاز به سخت افزار قوی و متمرکز را کم می‌کند.
</div>
</div>
</div>