Видео

A ja mam prośbę nieco od czapy. ;) To, rzecz jasna, kwestia przyzwyczajenia, ale chętnie posłuchałbym o pip vs conda/mamba; przy okazji przesiadki na nowego kompa znowu zacząłem odkrywać koło na nowo. Conda wydaje się oczywistym wyborem... do czasu, gdy potrzebna libka jest dostępna tylko przez pip. To mógłby być fajny spin-off. Używacie virtualenv z virtualenvwrapper -> co Was najbardziej irytuje, jakie z tych problemów rozwiązałaby conda? I w drugą stronę - co w obecnym setupie jest lepsze? :)

Wiedza domenowa, ciekawe akademickie słowotwórstwo, które ominęło inne gałęzie przemysłu.

I nie pokazaliśmy na końcu czy nadal jest overfitting :)))

a czy w lini 37 nie ma bledu ???

Wymagania pamięci są chyba nieco mniejsze - uruchomiłem Blielika-11B na maszynce z 16GB Ram, pamięć współdzielona z grafiką i śmiga (procek M4 oraz Ollama + WebUI z dokera - wszystko lokalnie więc zabiera pamięć a model odpowiada) .

bielik

Jeszcze się orzeł bielik.. Dziękuję za materiał.

Czy da się to uruchomić na rtx 3060 na laptopie?

Serwujemy ❤

TensorFlow

Gpuski

Kibicuję! Pomyślności panowie !

Drogi są dwie albo mamy dostęp do dużej ilości danych i chcemy z nich skleic maszynkę AI do exploracji albo mamy jakąś fajną maszynkę i chcemy generować nowe dane. Jako że żadna świeża osoba na rynku nie ma raczej żadnej specjalistycznej wiedzy domenowej to najlepiej byłoby się zastanowić jak wygenerować nowe dane i zbudować swoją wiedzę domenową na podstawie tego co daje narzędzie AI. Tak mi się wydaje

🎉bielik!

Bielik. 👍👍

bielik

Bielik

Mi by się przydała wersja small Q4 np. 1B/1.5B/2B/2.5B/3B by uruchomić ją na telefonie np. w aplikacji ChatterUI

Da sie to "obsluzyc" poprzez ollame?

Film o polskim LLMie? Nie muszę włączać a już klikam like. POLSKA GUROM

Wow, Panowie, przepięknie zrealizowany tutorial. Nie dość, że "od zera do bohatera", to jeszcze nie zapomnieliście o zabezpieczeniu endpointu. I nawet cenowo ten g5.xlarge w AWS wychodzi całkiem znośnie, piątak za godzinę to uczciwa cena 🙂

Bielik

Super przedstawione, mega ciekawy materiał. Fajnie, że jednak coś jest w naszym ojczystym języku. Bielik!

Bardzo dobrze wytłumaczone. Spróbuję krok po kroku zastosować na swoim przypadku.

Ale idealnie trafiliście! Sam planowałem postawić Bielika w chmurze, żeby się nim pobawić (i przy okazji poduczyć, jak z technicznego punktu widzenia najlepiej to zrobić). A z Waszym filmem i materiałami będzie to o wiele prostsze! Dzięki, że robicie takie materiały :D PS: Bielik 🦅

Czy Bielika można wcześniej nakarmić danymi aby był czymś w rodzaju "bazy wiedzy"?

Odpowiedź to F1 Score! Aż kusiło, żeby dodać go do metryk w tych eksperymentach :D

Obejrzałem jako MLOps z 4-letnim doświadczeniem po pracy dla relaksu, i żałuję że nie trafiłem na takie materiały te 4 lata temu. Dobra robota i niezła edycja nagrań! 😁

PyTorch 🔥

GPUski

Możliwy jest jednoczesny tuning hiperparametrów modelu wraz z tuningiem thresholdu?

Kiedy kolejny odcinek?

Ma swoje wady i zalety :)

lubie Flaska od wersji 2.0 ;)

Poproszę materiał o preprocessingu danych. Mam na myśli jak zamienić dane tekstowe na dane liczbowe

👌

Nie lubię Flaska

Dzięki Spoko materiał

dobra robota byczki =D

Spoko

A jak wygląda ten moment, czy proces przejścia od słowa pisanego, do jego reprezentacji wektorowej? Skąd się bierze informacja o rozmiarze i kolorze (w nawiązaniu do Waszego przykładu)? I w jaki sposób jest robiony ten embedding wielowymiarowy w przypadku całego zdania, czy kilku zdań per jedna reprezentacja wektorowa? Algorytmy nie rozumieją słów, więc jak tworzą ich reprezentacje na tym poziomie złożoności? Ta magia mi umyka ;)

REWELACJA!😀

Tak patrzę na te wykresy zależności pomiędzy zmiennymi niezależnymi (chyba 3 były pokazane), a jakością wina, to korelacje są tam dosyć słabe, więc pewnie to co wpływa na jakość wina to kombinacja zmiennych. P.S. Pokazaliście dekorator do cashowania, jako metodę w streamlicie - czy są analogiczne, które można zastosować poza streamlitem? Bardzo przystępnie wyjaśnione zagadnienie - jak zwykle zresztą ;)

MetaLlica Workout :) Świetny materiał.

Super materiał! Dzięki za wyjaśnienie :D

Ładne ząbki Marcin, ładne :D gratki ukończenia leczenia :P

Problem jaki widzę to taki, że ludzie nie znaja możliwości technicznych LLMow, albo są one nieaktualne. To co bylo trudne dla LLMów rok temu, dziś może być duzo łatwiejsze (np. tłumaczenia na jezyki inne niż angielski). W ilu firmach pani Krysia recznie przepisuje dane z papierowych faktur do systemu fakturowego, skoro dziś AI bez problemu jest w stanie zczytać dane z zeskanowanej faktury w formacie JPG i za pomoca odpowieniego API moglaby sama wrzucic dane do bazy danych. To tylko przykad. Przykładów gdzie mozna by uzyc LLMy jest mnostwo w niemal każdej branzy, tylko ludzie maja problem z wymysleniem ktorą czesc ich pracy mozna by zlecić aplikacji bazujacej na LLM.