آموزش معماری هوش مصنوعی مولد و توسعه اپلیکیشن - آخرین آپدیت

هوش مصنوعی مولد با LLMها Generative AI with LLMs

• معرفی دوره Course Introduction

• چرخه حیات پروژه LLM و هوش مصنوعی مولد LLMs and Generative AI Project Lifecycle

• ادامه چرخه حیات LLM LLM Lifecycle in Continuation

• پیش‌آموزش و مقیاس‌پذیری LLM LLM Pre-Training and Scaling

• مقیاس‌پذیری LLM LLM-Scaling

• تکنیک‌های مقیاس‌پذیری LLM LLM-Scaling Techniques

• تنظیم دقیق (Fine-Tuning) مدل‌های LLM با دستورالعمل‌های خاص Fine-Tuning LLMs with Specific Instructions

• دموی عملی تنظیم دقیق Demonstration on Fine Tuning

• یادگیری تقویت‌شده از بازخورد انسانی (RLHF) Reinforcement Learning from Human Response

مدل‌های LLM برای جستجو، پیش‌بینی و تولید LLMs for Search, Prediction, and Generation

• تکمیل عبارت جستجو Search Query Completion

• مکانیزم تکمیل عبارت جستجو Workings of Search Query Completion

• پیش‌بینی کلمه بعدی Next Word Prediction

• لایه LINEAR + SOFTMAX LINEAR + SOFTMAX

• پیش‌بینی کلمه بعدی در سایر دامنه‌ها Next Word Prediction in Other Domains

• جایگذاری کلمات (Word Embeddings) Word Embeddings

• تکنیک‌های Word Embedding Techniques for Word Embedding

• ترنسفورمرها (Transformers) Transformers

• نحوه عملکرد ترنسفورمرها Working of Transformers

• تولید متن Generating Text

• مکانیزم تولید متن Working of Generating Text

• پشته‌سازی لایه‌های Attention Stacking Attention Layers

• ایجاد لایه‌های پشته‌ای Attention Creation of Stacking Attention Layers

استفاده از LangChain برای توسعه اپلیکیشن‌های LLM LangChain for LLM Application Development

• استفاده از LangChain برای توسعه اپلیکیشن‌های LLM Using LangChain to Develop LLM Applications

• مفاهیم اصلی LLM Core Concepts of LLM

• توسعه مدل‌های LLM Developing LLMs

• منطق اپلیکیشن‌های LLM Logic of LLM Application

• ارزش‌های پیشنهادی LangChain Value Propositions of LangChain

• اجزای تشکیل‌دهنده LangChain Components of LangChain

• مزایای رویکرد مبتنی بر اجزا Benefits of Components Based approach

• زنجیره‌های آماده (Off the Shelf) در LangChain Off-the-Shelf Chains in LangChain

• ساخت و استقرار اپلیکیشن‌های مبتنی بر LLM با LangChain Build and Deploy LLM-Powered Applications using LangChain

• طراحی گردش کار LLM و سایر مراحل Design your LLM Workflow and other steps

تعامل با داده‌ها با استفاده از LangChain و RAG Interacting with Data Using LangChain and RAG

• درک تولید تقویت‌شده با بازیابی (RAG) Understanding Retrieval-Augmented Generation (RAG)

• کاربردهای تولید تقویت‌شده با بازیابی (RAG) Usage of Retrieval-Augmented Generation (RAG)

• نحوه عملکرد RAG Working of Retrieval-Augmented Generation (RAG)

• مزایای تولید تقویت‌شده با بازیابی (RAG) Benefits of Retrieval-Augmented Generation (RAG)

• بارگذاری و قطعه‌بندی اسناد Document Loading and Splitting

• نحوه عملکرد LangChain Working of LangChain

• ادامه نحوه عملکرد LangChain Working of LangChain in Continuation

• مزایای بارگذاری و قطعه‌بندی اسناد Benefits of Document Loading and Splitting

• ذخیره‌سازهای برداری (Vector Stores) و Embeddingها Vector Stores and Embeddings

• انواع ذخیره‌سازهای برداری Types of Vector Stores

• نحوه عملکرد بردارها Working of Vectors

• بازیابی (Retrieval) Retrieval

• رویه فنی پشت عملیات بازیابی Technical Procedure Behind Retrieval

• پاسخ به سوالات با چت‌بات‌ها Question Answering with Chatbots

• ساخت یک چت‌بات با LangChain و RAG Building a Chatbot with LangChain And RAG

• ساخت مدل‌های RAG با استفاده از LangChain Building RAG Models using LangChain

• ادامه ساخت مدل‌های RAG با استفاده از LangChain Building RAG Models using LangChain in Continuation

ارزیابی عملکرد LLM Evaluating LLM Performance

• مقایسه عملکرد مدل‌های LLM LLM Performance Comparison

• جنبه‌های کلیدی در مقایسه عملکرد LLM Key Aspects of LLM Performance Comparison

• مفهوم Perplexity (سرگشتگی) Perplexity

• اصل بنیادی پشت Perplexity Core Principle Behind Perplexity

• نحوه محاسبه Perplexity How to calculate Perplexity

• امتیاز BLEU BLEU Score

• اصل بنیادی پشت امتیاز BLEU Core Principle Behind BLEU Score

• ارزیابی انسانی Human Evaluation

• محدودیت‌های ارزیابی انسانی Limitations of Human Evaluation

• انتخاب معیارهای مناسب Choosing the Right Metrics

• تفسیر نتایج Interpreting the Results

• جنبه‌های کلیدی در تفسیر نتایج Key Aspects of Interpreting Results

هوش مصنوعی مولد برای حریم خصوصی و حفاظت از داده‌ها Gen AI for Data Privacy and Protection

• مروری بر حریم خصوصی داده‌ها Overview of Data Privacy

• درک نقش هوش مصنوعی مولد در حریم خصوصی داده‌ها Understand the Role of Generative AI in Data Privacy

• چالش‌های حریم خصوصی در هوش مصنوعی مولد Privacy Challenges with Generative AI

• بررسی عمیق قوانین انطباق حریم خصوصی Diving Deep into Privacy Compliance Law

• نکاتی برای محافظت از سازمان شما Tips to Safeguard your Organization

• اهمیت ملاحظات اخلاقی و قانونی Importance of Ethical and Legal Considerations

• قوانین خاص AI و نهادهای نظارتی AI specific Laws and Governing Bodies

• مسئولیت Gen AI در حفاظت از داده‌ها Gen AI Responsibility for Protecting Data

جمع‌بندی دوره و ارزیابی‌ها Course Wrap-up and Assessments

• جمع‌بندی نهایی دوره Course Summary