پرش به محتوا

David Vicente Campos

بنیان‌گذار NeuraLIA Labs و هم‌بنیان‌گذار MyRealFood

من مهندس کامپیوتر و فارغ‌التحصیل دانشگاه لئون هستم. هم‌بنیان‌گذار MyRealFood بودم، جایی که به‌عنوان مدیر ارشد فناوری اپلیکیشنی را ساختم که میلیون‌ها نفر برای سالم‌تر غذا خوردن از آن استفاده کرده‌اند، و NeuraLIA Labs را بنیان‌گذاری کردم؛ جایی که محصولات هوش مصنوعی می‌سازم. اینجا از چیزهایی می‌نویسم که در طول مسیر باید می‌فهمیدم، همان‌طور که دوست داشتم کسی برایم توضیح می‌داد.

هوش مصنوعی از پایه

30 فصل

  1. پرسپترون از صفر: یک نورون چه چیزی محاسبه می‌کند
  2. تابع زیان از کجا می‌آید: درست‌نمایی، نه قرارداد
  3. سرازیر: Gradient Descent و دو گامی که همه جا می‌اندازند
  4. طبقه‌بندی، Cross-Entropy، و چطور خودتان را فریب ندهید
  5. Backpropagation از صفر: اول موتور، بعد شبکه
  6. وادار کردن شبکه به آموزش، و وادار کردنش به تعمیم
  7. ساخت یک BPE Tokenizer: چرا مدل شما تعداد Rها را نمی‌شمارد
  8. پیش‌بینی token بعدی: embeddingها و معنای Perplexity
  9. Attention و بلوک transformer، از دلِ یک میانگین
  10. پیش‌آموزش یک LLM: داده، محاسبه، قوانین مقیاس‌پذیری و هزینه
  11. از مدل پایه تا assistant: SFT، RLHF، DPO و GRPO
  12. Chain of Thought، RLVR و Test-Time Compute، اندازه‌گیری‌شده
  13. ارزان‌کردن Inference: KV cache، Batching و Quantization
  14. اولین فراخوان LLM در production: streaming، retry و timeout
  15. Prompt Engineering با عدد و سنجش: چه چیزی خروجی را تغییر می‌دهد
  16. Context Window، tokenها و صورت‌حساب؛ با عدد و اندازه‌گیری
  17. Temperature، Top-p و قطعیتی که ندارید
  18. Tool Calling و خروجی‌های ساختاریافته: قراردادی که پابرجا می‌ماند
  19. RAG در Production: chunking، بازیابی و ارجاع‌های صادقانه
  20. Fine-tune، بازیابی یا prompt؟ تصمیم اقتصادی است
  21. قیمت‌گذاری چندوجهی: تصاویر، صدا و ویدئو واقعاً چه چیزی را صورتحساب می‌کنند
  22. AI Agent چیست: پنج نوع کلاسیک، دو تعریف رقیب
  23. ساخت یک agent harness: حلقه و پنج راه خروج از آن
  24. Context Engineering: چرا agent شما در نوبت 40 کم‌هوش‌تر می‌شود
  25. هماهنگ‌سازی multi-agent: پنج الگو و زمان برنده‌شدن یکی از آن‌ها
  26. MCP بر اساس مشخصات: سرور واقعاً چیست
  27. انتشار یک MCP Server: TypeScript و Python، با اندازه‌گیری واقعی
  28. Agent Skills و SKILL.md: افشای تدریجی، با اندازه‌گیری
  29. ارزیابی LLM: از benchmarkهای عمومی تا مجموعه طلایی شما
  30. Prompt Injection و Lethal Trifecta: ایمن‌سازی یک agent واقعی