آموزش هوش مصنوعی مولد، مدل‌های زبانی بزرگ (LLM) و کاربردهای پیشرفته با پایتون - آخرین آپدیت

مدل‌های مولد Generative Models

• خودرمزگذارهای تغییراتی (VAEs): نحوه عملکرد Variational Auto-Encoders (VAEs) - How They Work

• خودرمزگذارهای تغییراتی (VAE): پیاده‌سازی عملی با Fashion MNIST Variational Auto-Encoders (VAE) - Hands-On with Fashion MNIST

• شبکه‌های خصم‌آور مولد (GANs): نحوه عملکرد Generative Adversarial Networks (GANs) - How They Work

• شبکه‌های خصم‌آور مولد (GANs): کار با دموها Generative Adversarial Networks (GANs) - Playing with Some Demos

• شبکه‌های خصم‌آور مولد (GANs): پیاده‌سازی عملی با Fashion MNIST Generative Adversarial Networks (GANs) - Hands-On with Fashion MNIST

• یادگیری بیشتر درباره یادگیری عمیق Learning More about Deep Learning

هوش مصنوعی مولد: GPT، ChatGPT، ترنسفورمرها و شبکه‌های عصبی مبتنی بر خود-توجهی Generative AI: GPT, ChatGPT, Transformers, Self-Attention Based Neural Networks

• معماری ترنسفورمر (انکودرها، دیکودرها و خود-توجهی) The Transformer Architecture (encoders, decoders, and self-attention.)

• بررسی عمیق خود-توجهی، خود-توجهی ماسک‌شده و خود-توجهی چند-سره Self-Attention, Masked Self-Attention, and Multi-Headed Self Attention in depth

• کاربردهای ترنسفورمرها (GPT) Applications of Transformers (GPT)

• GPT چگونه کار می‌کند، بخش اول: معماری ترنسفورمر GPT How GPT Works, Part 1: The GPT Transformer Architecture

• GPT چگونه کار می‌کند، بخش دوم: توکنایزیشن، کدگذاری موقعیتی و Embedding How GPT Works, Part 2: Tokenization, Positional Encoding, Embedding

• تنظیم دقیق و یادگیری انتقالی با ترنسفورمرها Fine Tuning / Transfer Learning with Transformers

• [فعالیت] توکنایزیشن با Google CoLab و HuggingFace [Activity] Tokenization with Google CoLab and HuggingFace

• [فعالیت] کدگذاری موقعیتی (Positional Encoding) [Activity] Positional Encoding

• [فعالیت] خود-توجهی ماسک‌شده و چند-سره با BERT، BERTViz و exBERT [Activity] Masked, Multi-Headed Self Attention with BERT, BERTViz, and exBERT

• [فعالیت] استفاده از مدل‌های کوچک و بزرگ GPT در Google CoLab و HuggingFace [Activity] Using small and large GPT models within Google CoLab and HuggingFace

• [فعالیت] تنظیم دقیق GPT با مجموعه داده IMDb [Activity] Fine Tuning GPT with the IMDb dataset

• از GPT تا ChatGPT: یادگیری تقویت‌شده عمیق و گرادینت‌های سیاست نزدیک (PPG) From GPT to ChatGPT: Deep Reinforcement Learning, Proximal Policy Gradients

• از GPT تا ChatGPT: یادگیری تقویت‌شده از بازخورد انسانی (RLHF) و نظارت From GPT to ChatGPT: Reinforcement Learning from Human Feedback and Moderation

رابط برنامه‌نویسی OpenAI (توسعه با GPT و ChatGPT) The OpenAI API (Developing with GPT and ChatGPT)

• [فعالیت] API تکمیل چت OpenAI [Activity] The OpenAI Chat Completions API

• [فعالیت] استفاده از توابع در API تکمیل چت OpenAI [Activity] Using Functions in the OpenAI Chat Completion API

• [فعالیت] API تصاویر (DALL E) در OpenAI [Activity] The Images (DALL-E) API in OpenAI

• [فعالیت] API امبدینگ‌ها در OpenAI: یافتن شباهت‌ها بین کلمات [Activity] The Embeddings API in OpenAI: Finding similarities between words

• [فعالیت] API تکمیل (Completions) در OpenAI [Activity] The Completions API in OpenAI

• API قدیمی تنظیم دقیق برای مدل‌های GPT در OpenAI The Legacy Fine-Tuning API for GPT Models in OpenAI

• [دمو] تنظیم دقیق مدل Davinci شرکت OpenAI برای شبیه‌سازی داده‌های Star Trek [Demo] Fine-Tuning OpenAI's Davinci Model to simulate Data from Star Trek

• API جدید تنظیم دقیق OpenAI؛ تنظیم دقیق GPT 3.5 برای شبیه‌سازی Commander Data The New OpenAI Fine-Tuning API; Fine-Tuning GPT-3.5 to simulate Commander Data!

• [فعالیت] API نظارت (Moderation) در OpenAI [Activity] The OpenAI Moderation API

• [فعالیت] API صوتی OpenAI (تبدیل گفتار به متن) [Activity] The OpenAI Audio API (speech to text)

تولید تقویت‌شده با بازیابی (RAG)، RAG پیشرفته و عامل‌های LLM Retrieval Augmented Generation (RAG), Advanced RAG, and LLM Agents

• تولید تقویت‌شده با بازیابی (RAG): نحوه عملکرد و مثال‌ها Retrieval Augmented Generation (RAG): How it works, with some examples

• دمو: استفاده از RAG برای شبیه‌سازی داده‌های Star Trek Demo: Using Retrieval Augmented Generation (RAG) to simulate Data from Star Trek

• معیارهای RAG: سه‌گانه RAG، ارتباط، فراخوانی، دقت و موارد دیگر RAG Metrics: The RAG Triad, relevancy, recall, precision, accuracy, and more

• [فعالیت] ارزیابی مدل Cdr. Data مبتنی بر RAG با استفاده از RAGAS و langchain [Activity] Evaluating our RAG-based Cdr. Data using RAGAS and langchain

• RAG پیشرفته: پیش-بازیابی، تکه‌بندی (Chunking)، تکه‌بندی معنایی و استخراج داده‌ها Advanced RAG: Pre-Retrieval; chunking; semantic chunking; data extraction

• RAG پیشرفته: بازنویسی پرس‌وجو (Query Rewriting) Advanced RAG: Query Rewriting

• RAG پیشرفته: فشرده‌سازی پرامپت و فرصت‌های بهینه‌سازی بیشتر Advanced RAG: Prompt Compression, and More Tuning Opportunities

• [فعالیت] شبیه‌سازی Cdr. Data با RAG پیشرفته و langchain [Activity] Simulating Cdr. Data with Advanced RAG and langchain

• عامل‌های LLM و دسته‌های (Swarms) عامل‌ها LLM Agents and Swarms of Agents

• [فعالیت] ساخت چت‌بات Cdr. Data با عامل‌های LLM، جستجوی وب و ابزارهای ریاضی [Activity] Building a Cdr. Data chatbot with LLM Agents, web search & math tools

پروژه نهایی Final Project

• تکلیف پروژه نهایی: طبقه‌بندی ماموگرام Your Final Project Assignment: Mammogram Classification

• مرور پروژه نهایی Final Project Review

پایان دوره You Made It!

• مباحث بیشتر برای کاوش More to Explore