لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش جامع هوش مصنوعی مولد (Generative AI) برای مبتدیان
- آخرین آپدیت
دانلود Generative AI for complete beginners
نکته:
ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره:
آموزش هوش مصنوعی مولد و مفاهیم پشت پرده ChatGpt، Claude و سایر ابزارهای AI
معرفی هوش مصنوعی مولد، تفاوت بین GenAI و هوش مصنوعی سنتی و راهاندازی LLMهای محلی با استفاده از Ollama
نصب و پیکربندی Ollama
بررسی مدلهای پایه از جمله OpenAI، Llama، Gemini، Claude و Qwen و معماری Transformer
مهندسی پرامپت (Prompt Engineering) شامل تکنیکهای zero shot، few shot و chain of thought و کاربرد پرامپتهای مختلف برای وظایف گوناگون
ضرورت پایگاههای داده برداری (Vector Databases)، تفاوتهای بین Pinecone، Chroma و FAISS با دیتابیسهای سنتی
بررسی فریمورکهای پیشرو مانند LangChain، LlamaIndex و vLLM
فشردهسازی مدل و Fine-tuning شامل متدهای Lora، QLora و PEFT و آموزش مدل با استفاده از GCP و LORA
کاربردها و معماریهای هوش مصنوعی مولد (IR, RAG, RAG with reRanker, Hybrid Search, Contextual RAG و LightRAG) و قابلیتهای نظارت (Observability)
توسعه اپلیکیشنها و APIها با استفاده از Streamlit و Gradio، تعریف REST end points برای مدلهای زبانی، تبدیل زبان طبیعی به SQL، و بررسی سیستمهای تک-عاملی و چند-عاملی (Agents & Multi Agent Systems).
پیشنیازها: مهارتهای پایه برنامهنویسی
سرفصلهای این دوره:
1. مقدمهای بر هوش مصنوعی مولد، تفاوت GenAI با AI سنتی، مدلهای مختلف AI شامل رگرسیون خطی، طبقهبندی و خوشهبندی و راهاندازی LLM محلی با Ollama 2. مدلهای پایه شامل OpenAI، Llama، Gemini، Claude و Qwen، اهمیت پارامترها، تفاوت LLMهای معمولی با مدلهای استدلالی (Reasoning LLMs) و معماری ترنسفورمر 3. مهندسی پرامپت شامل zero shot، few shot و chain of thought و بهینهسازی پرامپتها برای تسکهای مختلف 4. پایگاههای داده برداری، تفاوت Pinecone، Chroma و FAISS با دیتابیسهای سنتی، نحوه وارد کردن دانش سازمانی به دیتابیس برداری از طریق chunking و embeddings و جستجوی معنایی (Semantic Search) 5. فریمورکهای LangChain، LlamaIndex و vLLM؛ ساخت اپلیکیشنهای مختلف و نحوه استقرار مدلها در محیط محلی یا On-prem برای استنتاج (Inferencing) 6. فشردهسازی و Fine-tuning مدل شامل Lora، QLora و PEFT، آموزش مدل با GCP و تکنیکهای مختلف کوانتیزاسیون (Quantization) 7. معماریهای هوش مصنوعی مولد (IR, RAG, RAG with reRanker, Hybrid Search, Contextual RAG و LightRAG) و Observability 8. ساخت اپلیکیشن و API با Streamlit و Gradio، ایجاد REST end points، تبدیل زبان طبیعی به SQL، سیستمهای Agentic AI و تفاوت آن با Gen AI و بررسی معماریهای مختلف عاملی.
سرفصل ها و درس ها
برنامه آموزشی دوره
Course Agenda
برنامه آموزشی دوره
Course Agenda
مقدمهای بر هوش مصنوعی مولد
GenAI Introduction
مقدمه
Introduction
ثبتنام و آمادهسازی
Signups and Setups
راهاندازی Ollama
Ollama set up
مدلهای پایه و پیشرو
Foundational or Frontier Models
معرفی مدلهای پیشرو و LLMها
Frontier models and LLMs introduction
نمایش نظرات