به هوش مصنوعی Spring برای مبتدیان خوش آمدید!
این دوره برای معرفی آرام و گام به گام هوش مصنوعی Spring طراحی شده است که شما را راهنمایی می کند
از اصول اولیه تا مفاهیم پیشرفته تر. خواه کاملاً مبتدی هستید یا دارید
تجربه با هوش مصنوعی، این دوره به شما کمک می کند تا قدرت هوش مصنوعی Spring را درک کنید و از آن استفاده کنید
ساخت برنامه های کاربردی مبتنی بر هوش مصنوعی.
اهداف دوره:
- یادگیری تدریجی: هوش مصنوعی بهار را به تدریج از موضوعات ابتدایی تا پیشرفته با واضح و
یاد بگیریددستورالعمل های مختصر.
- درک جامع: بدانید چرا هوش مصنوعی Spring ابزاری قدرتمند برای ساختن هوش مصنوعی است
برنامهها و نحوه ادغام مدلهای زبان در پروژههای شما.
- تجربه عملی: با ویژگیهای ضروری بهار هوش مصنوعی مانند
تجربه عملی کسب کنیدالگوها، زنجیرهها، عوامل، بارکنندههای سند، تجزیهکنندههای خروجی و کلاسهای مدل درخواست.
آنچه خواهید آموخت:
- مقدمه ای بر هوش مصنوعی Spring: با اصول اولیه هوش مصنوعی Spring شروع کنید و هسته آن را درک کنید
مفاهیم.
- Building Blocks of Spring AI: درباره الگوهای سریع، زنجیرهها، عوامل، بارکنندههای سند، اطلاعات کسب کنید.
تجزیه کننده های خروجی و کلاس های مدل.
- ایجاد برنامههای هوش مصنوعی: ببینید چگونه این ویژگیها با هم ترکیب میشوند تا هوشمند و انعطافپذیر ایجاد کنند
- کدنویسی عملی: نمونههای کد بنویسید و اجرا کنید تا درک عملی از هوش مصنوعی Spring
توسعه به نظر می رسد.
ساختار دوره:
- فصل های مختصر: هر فصل بر موضوع خاصی در برنامه نویسی بهار هوش مصنوعی تمرکز دارد،
اطمینان حاصل میکند که درک عمیقی از هر مفهوم به دست آوردهاید.
- یادگیری تعاملی: کد به همراه مثال های ارائه شده برای تقویت یادگیری و ساختن شما
مهارت های شما.
در پایان این دوره، شما:
بیاموزید که هوش مصنوعی Spring چگونه استفاده از LLM ها را در برنامه های ما ساده می کند
از OpenAI LLM در برنامه Spring Boot استفاده کنید
از LLM های منبع باز مانند Mistral، Gemma در برنامه Spring Boot استفاده کنید
LLMهای منبع باز را با استفاده از OLLAMA در دستگاه محلی خود اجرا کنید
از PromptTemplates برای استفاده مجدد و ساخت اعلان های پویا
استفاده کنیدبا چرایی و نحوه نگهداری تاریخچه گپ آشنا شوید
بیاموزید جاسازیها چیست و از مدل جاسازیها برای یافتن شباهت متن استفاده کنید
میدانید فروشگاه وکتور چیست و از آن برای ذخیره و بازیابی موارد جاسازی شده استفاده کنید
درک فرآیند بازیابی نسل افزوده (RAG)
(RAG) را برای استفاده از دادههای خود با LLM در مراحل ساده پیادهسازی کنید
تحلیل تصاویر با استفاده از مدلهای چند وجهی
با استفاده از Thymeleaf و Spring AI چندین برنامه LLM بسازید
همه در مراحل ساده
شما خالق سرنوشت خود هستید
نمایش نظرات