آموزش Claude با Google Cloud Vertex AI از Anthropic - آخرین آپدیت

دانلود Claude with Google Cloud Vertex AI by Anthropic

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره:

این دوره یک آموزش جامع فنی در زمینه یکپارچه‌سازی و استقرار مدل‌های هوش مصنوعی Claude از طریق پلتفرم Google Cloud Vertex AI ارائه می‌دهد. توسعه‌دهندگان در این دوره یاد می‌گیرند که قابلیت‌های API کلود (Claude API) را، از مدیریت درخواست‌های پایه تا ویژگی‌های پیشرفته شامل استفاده از ابزارها (Tool Use)، تولید تقویت‌شده با بازیابی (RAG) و پروتکل کانتکست مدل (MCP) پیاده‌سازی کنند. برنامه آموزشی این دوره شامل الگوهای پیاده‌سازی کاربردی، تکنیک‌های بهینه‌سازی عملکرد و گردش‌کارهای آماده برای محیط عملیاتی جهت ساخت اپلیکیشن‌های مبتنی بر هوش مصنوعی است.

پیش‌نیازها:

  • تسلط بر برنامه‌نویسی پایتون (Python)
  • دانش پایه در کار با داده‌های JSON
  • داشتن حساب گوگل کلاود با دسترسی به Vertex AI

نکته: این دوره توسط شرکت Anthropic تهیه شده است و ما مفتخریم که این آموزش را در کتابخانه خود میزبانی کنیم.


سرفصل ها و درس ها

مقدمه Introduction

  • خوش‌آمدگویی به دوره Welcome to the course

1. بررسی کلی آنتروپیک (Anthropic) 1. Anthropic Overview

  • بررسی کلی مدل‌های کلود Overview of Claude models

2. دسترسی به کلود از طریق API 2. Accessing Claude with the API

  • پارامتر دما (Temperature) Temperature

  • دسترسی به API Accessing the API

  • گفتگوهای چند مرحله‌ای Multi-turn conversations

  • پرامپت‌های سیستمی System prompts

  • کنترل خروجی مدل Controlling model output

  • تمرین داده‌های ساختاریافته Structured data exercise

  • تمرین چت Chat exercise

  • تمرین پرامپت‌های سیستمی System prompts exercise

  • داده‌های ساختاریافته Structured data

  • استریم کردن پاسخ‌ها Response streaming

  • ارسال درخواست Making a request

3. ارزیابی پرامپت 3. Prompt Evaluation

  • تمرین ارزیابی پرامپت‌ها Exercise on prompt evals

  • نمره‌دهی مبتنی بر مدل Model-based grading

  • نمره‌دهی مبتنی بر کد Code-based grading

  • یک گردش‌کار معمولی ارزیابی A typical eval workflow

  • تولید مجموعه‌داده‌های تست Generating test datasets

  • اجرای ارزیابی Running the eval

  • ارزیابی پرامپت Prompt evaluation

4. تکنیک‌های مهندسی پرامپت 4. Prompt Engineering Techniques

  • ارائه مثال‌ها Providing examples

  • ساختاردهی با تگ‌های XML Structure with XML tags

  • مهندسی پرامپت Prompt engineering

  • دقیق بودن در درخواست Being specific

  • شفاف و مستقیم بودن Being clear and direct

  • تمرین پرامپت‌نویسی Exercise on prompting

5. استفاده از ابزارها در کلود 5. Tool Use with Claude

  • استفاده از چندین ابزار Using multiple tools

  • ابزارهایی برای داده‌های ساختاریافته Tools for structured data

  • مقدمه‌ای بر استفاده از ابزارها Introducing tool use

  • ابزار جستجوی وب The web search tool

  • گفتگوهای چند مرحله‌ای با ابزارها Multi-turn conversations with tools

  • بررسی کلی پروژه Project overview

  • توابع ابزارها Tool functions

  • اسکیماهای ابزار Tool schemas

  • پیاده‌سازی مراحل چندگانه Implementing multiple turns

  • مدیریت بلوک‌های پیام Handling message blocks

  • ابزار ویرایش متن The text edit tool

  • ابزار دسته‌ای (Batch) The batch tool

  • ارسال نتایج ابزار Sending tool results

6. تولید تقویت‌شده با بازیابی (RAG) 6. Retrieval-Augmented Generation

  • پیاده‌سازی جریان RAG Implementing the RAG flow

  • رتبه‌بندی مجدد نتایج Reranking results

  • جستجوی لکسیکال BM25 BM25 lexical search

  • خط لوله RAG با چند ایندکس A multi-index RAG pipeline

  • جریان کامل RAG The full RAG flow

  • جاسازی‌های متنی (Text Embeddings) Text embeddings

  • بازیابی زمینه‌ای Contextual retrieval

  • مقدمه‌ای بر تولید تقویت‌شده با بازیابی (RAG) Introducing retrieval-augmented generation (RAG)

  • استراتژی‌های تکه تکه کردن متن (Chunking) Text chunking strategies

7. ویژگی‌های کلود 7. Features of Claude

  • پشتیبانی از PDF PDF support

  • ارجاعات و استنادها Citations

  • کشینگ پرامپت در عمل Prompt caching in action

  • کشینگ پرامپت (Prompt Caching) Prompt caching

  • تفکر گسترده (Extended Thinking) Extended thinking

  • قوانین کشینگ پرامپت Rules of prompt caching

  • پشتیبانی از تصویر Image support

8. پروتکل کانتکست مدل (MCP) 8. Model Context Protocol (MCP)

  • کلاینت‌های MCP MCP clients

  • دسترسی به منابع Accessing resources

  • پیاده‌سازی یک کلاینت Implementing a client

  • تعریف منابع Defining resources

  • راه‌اندازی پروژه Project setup

  • مقدمه‌ای بر MCP Introducing MCP

  • تعریف پرامپت‌ها Defining prompts

  • تعریف ابزارها با MCP Defining tools with MCP

  • پرامپت‌ها در کلاینت Prompts in the client

  • بازرس سرور (Server Inspector) The server inspector

  • مرور کلی MCP MCP review

9. اپلیکیشن‌های آنتروپیک: Claude Code و استفاده از کامپیوتر 9. Anthropic Apps: Claude Code and Computer Use

  • نحوه عملکرد Computer Use How Computer Use works

  • استفاده از کامپیوتر (Computer Use) Computer Use

  • Claude Code در عمل Claude Code in action

  • دیباگ خودکار Automated debugging

  • راه‌اندازی Claude Code Claude Code setup

  • موازی‌سازی Claude Code Parallelizing Claude Code

  • بهبودها با سرورهای MCP Enhancements with MCP servers

  • اپلیکیشن‌های آنتروپیک Anthropic apps

10. ایجنت‌ها و گردش‌کارها 10. Agents and Workflows

  • گردش‌کارها در مقابل ایجنت‌ها Workflows vs agents

  • گردش‌کارهای مسیریابی (Routing) Routing workflows

  • زنجیره‌سازی گردش‌کارها Chaining workflows

  • ایجنت‌ها و ابزارها Agents and tools

  • بررسی محیط (Environment Inspection) Environment inspection

  • ایجنت‌ها و گردش‌کارها Agents and workflows

  • گردش‌کارهای موازی‌سازی Parallelization workflows

11. جمع‌بندی نهایی 11. Wrapping Up!

  • جمع‌بندی دوره Course wrap-up

نمایش نظرات

آموزش Claude با Google Cloud Vertex AI از Anthropic
جزییات دوره
7h 51m
82
(آخرین آپدیت)
3,923
- از 5
دارد
دارد
دارد
Anthropic
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Anthropic Anthropic

شرکت Anthropic یک شرکت عام‌المنفعه است که هدف آن تضمین مزایای هوش مصنوعی و کاهش خطرات آن است.

آنتروپیک یک شرکت تحقیقاتی و ایمنی هوش مصنوعی است. ما سیستم‌های هوش مصنوعی قابل اعتماد، تفسیرپذیر و هدایت‌پذیری می‌سازیم. ما ایمنی هوش مصنوعی را به عنوان یک علم سیستماتیک می‌بینیم؛ تحقیقات انجام می‌دهیم، آن‌ها را در محصولاتمان به کار می‌بریم، بینش‌های به‌دست آمده را به تحقیقاتمان بازمی‌گردانیم و به طور منظم یافته‌های خود را با جهان به اشتراک می‌گذاریم. آنتروپیک تیمی متشکل از محققان، مهندسان، کارشناسان سیاست‌گذاری، رهبران کسب‌وکار و اپراتورهایی است که تجربیات خود را از حوزه‌های مختلف در این مسیر به کار می‌گیرند.