آموزش تسلط بر اولاما: ساخت برنامه های LLM محلی خصوصی با پایتون

دانلود Mastering Ollama: Build Private Local LLM Apps with Python

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره: Ollama LLM های سفارشی را به صورت خصوصی روی سیستم خود اجرا کنید—از رابط کاربری ChatGPT مانند—پروژه های عملی—بدون نیاز به ابر یا هزینه های اضافی Ollama را در سیستم محلی خود نصب و پیکربندی کنید تا مدل های زبان بزرگ را به صورت خصوصی اجرا کنید. با استفاده از گزینه‌های Ollama و ابزارهای خط فرمان، مدل‌های LLM را متناسب با نیازهای خاص سفارشی کنید. تمام دستورات ترمینال لازم برای کنترل، نظارت و عیب یابی مدل های اوللاما را اجرا کنید. رابطی شبیه به ChatGPT را تنظیم و مدیریت کنید که به شما امکان می دهد با مدل ها به صورت محلی تعامل داشته باشید. از انواع مدل‌های مختلف - از جمله متن، دید و مدل‌های تولیدکننده کد - برای برنامه‌های مختلف استفاده کنید. مدل های سفارشی LLM را از فایل Modelfile ایجاد کنید و آنها را در برنامه های خود ادغام کنید. برنامه‌های پایتون بسازید که با مدل‌های اوللاما با استفاده از کتابخانه بومی آن و سازگاری OpenAI API ارتباط برقرار کنند. با ادغام مدل های Ollama با LangChain، برنامه های Retrieval-Augmented Generation (RAG) را توسعه دهید. پیاده سازی ابزارها و فراخوانی تابع برای افزایش تعاملات مدل برای گردش کار پیشرفته. یک رابط کاربری کاربرپسند ایجاد کنید تا کاربران بتوانند با مدل‌های مختلف اوللاما ارتباط برقرار کنند و چت کنند. پیش نیازها: دانش برنامه نویسی پایه پایتون با رابط خط فرمان (CLI)

آیا نگران حریم خصوصی داده ها و هزینه های بالای استفاده از مدل های زبان بزرگ (LLM) هستید؟

اگر چنین است، این دوره برای شما مناسب است. «تسلط بر اولاما: ساخت برنامه‌های LLM خصوصی با پایتون» به شما این امکان را می‌دهد که مدل‌های هوش مصنوعی قدرتمند را مستقیماً بر روی سیستم خود اجرا کنید و از حریم خصوصی کامل داده‌ها اطمینان حاصل کنید و نیازی به سرویس‌های ابری گران قیمت را از بین ببرید.

با یادگیری استقرار و سفارشی‌سازی LLM‌های محلی با Ollama، کنترل کامل بر داده‌ها و برنامه‌های خود را حفظ خواهید کرد و در عین حال از هزینه‌های مداوم و خطرات احتمالی راه‌حل‌های مبتنی بر ابر اجتناب می‌کنید.


این دوره آموزشی شما را از مبتدی تا متخصص در استفاده از Ollama، پلتفرمی که برای اجرای مدل‌های محلی LLM طراحی شده است، می‌برد. شما یاد خواهید گرفت که چگونه مدل ها را تنظیم و سفارشی کنید، یک رابط مانند ChatGPT ایجاد کنید، و برنامه های خصوصی را با استفاده از Python بسازید—همه از راحتی سیستم شما.

در این دوره، شما:

  • Olama را برای اجرای مدل LLM محلی نصب و پیکربندی کنید.

  • با استفاده از ابزار Olama's، مدل‌های LLM را مطابق با نیازهای خاص خود سفارشی کنید.

  • ابزارهای خط فرمان را برای کنترل، نظارت، و عیب‌یابی مدل‌های Olama استاد کنید.

  • مدل‌های مختلف، از جمله متن، دید، و مدل‌های تولیدکننده کد را ادغام کنید و حتی مدل‌های سفارشی خود را ایجاد کنید.

  • برنامه‌های پایتون بسازید که با مدل‌های اوللاما با استفاده از کتابخانه بومی آن و سازگاری OpenAI API ارتباط برقرار می‌کنند.

  • با ادغام مدل‌های Ollama با LangChain، برنامه‌های Retrieval-Augmented Generation (RAG) را توسعه دهید.

  • ابزارها و فراخوانی تابع را برای بهبود تعاملات مدل در محیط‌های ترمینال و LangChain پیاده‌سازی کنید.

  • یک رابط کاربری کاربرپسند ایجاد کنید تا کاربران بتوانند با مدل‌های مختلف Ollama چت کنند.

چرا این دوره مهم است؟

در دنیایی که حریم خصوصی داده ها در حال رشد است، اجرای LLM به صورت محلی تضمین می کند که داده های شما در دستگاه شما باقی می ماند. این امر امنیت داده ها را افزایش می دهد و به شما امکان می دهد مدل ها را برای کارهای تخصصی بدون وابستگی خارجی یا هزینه های اضافی سفارشی کنید.

شما در فعالیت‌های عملی مانند ساخت مدل‌های سفارشی، توسعه برنامه‌های RAG که درخواست‌های کاربر را بر اساس داده‌های شما بازیابی می‌کنند و به آنها پاسخ می‌دهند، و ایجاد رابط‌های تعاملی شرکت خواهید کرد.

هر بخش دارای برنامه های کاربردی در دنیای واقعی است تا به شما تجربه و اعتماد به نفس ایجاد کنید تا راه حل های محلی LLM خود را بسازید.

چرا این دوره را انتخاب کنید؟

این دوره به طور منحصر به فردی ساخته شده است تا مفاهیم پیشرفته هوش مصنوعی را قابل دسترس و عملی کند. ما بر یادگیری عملی و عملی تمرکز می کنیم و شما را قادر می سازد از روز اول راه حل های دنیای واقعی بسازید. شما عمیقاً در پروژه‌هایی فرو خواهید رفت که تئوری و عمل را به هم متصل می‌کنند و تضمین می‌کنند که مهارت‌های ملموسی در توسعه برنامه‌های LLM محلی به دست می‌آورید. فرقی نمی‌کند در مدل‌های زبانی بزرگ تازه کار باشید یا به‌دنبال تقویت توانایی‌های موجود خود باشید، این دوره همه راهنمایی‌ها و ابزارهایی را که برای ایجاد برنامه‌های هوش مصنوعی خصوصی با استفاده از Olama و Python نیاز دارید، ارائه می‌کند.


آماده ای برای توسعه برنامه های هوش مصنوعی قدرتمند در حالی که داده های خود را کاملاً خصوصی نگه دارید؟

امروز ثبت نام کنید و کنترل کامل سفر هوش مصنوعی خود را با اولاما در دست بگیرید.

از قابلیت‌های LLM محلی در سیستم خود استفاده کنید و مهارت‌های خود را به سطح بعدی ببرید!



سرفصل ها و درس ها

مقدمه Introduction

  • مقدمه و آنچه شما یاد خواهید گرفت Introduction & What Will Your Learn

  • پیش نیازهای دوره Course Prerequisites

  • لطفا این دمو را تماشا کنید Please WATCH this DEMO

راه اندازی محیط توسعه Development Environment Setup

  • راه اندازی محیط توسعه Development Environment Setup

  • Udemy 101 - نکاتی برای یک تجربه یادگیری بهتر Udemy 101 - Tips for A Better Learning Experience

کد و منابع را دانلود کنید Download Code and Resources

  • نحوه دریافت کد منبع How to Get Source Code

  • کد منبع و منابع را دانلود کنید Download Source code and Resources

Ollama Deep Dive - مقدمه ای بر Ollama و Setup Ollama Deep Dive - Introduction to Ollama and Setup

  • Ollama Deep Dive - Ollama Overview - Ollama چیست و مزایا Ollama Deep Dive - Ollama Overview - What is Ollama and Advantages

  • ویژگی های کلیدی Ollama و موارد استفاده Ollama Key Features and Use Cases

  • سیستم مورد نیاز و راه اندازی Olama - نمای کلی System Requirements & Ollama Setup - Overview

  • دانلود و راه اندازی Olama and Llam3.2 Model - Hands-on & Testing Download and Setup Ollama and Llam3.2 Model - Hands-on & Testing

  • صفحه مدل های اولاما - نمای کلی Ollama Models Page - Full Overview

  • پارامترهای مدل اولاما دیپ دیو Ollama Model Parameters Deep Dive

  • درک پارامترها و اندازه دیسک و منابع محاسباتی مورد نیاز Understanding Parameters and Disk Size and Computational Resources Needed

دستورات Ollama CLI و REST API - عملی Ollama CLI Commands and the REST API - Hands-on

  • دستورات اولاما - کشیدن و آزمایش یک مدل Ollama Commands - Pull and Testing a Model

  • مدل چندوجهی Llava را بکشید و یک تصویر را شرح دهید Pull in the Llava Multimodal Model and Caption an Image

  • خلاصه سازی و تحلیل احساسات و سفارشی کردن مدل ما با فایل Model Summarization and Sentiment Analysis & Customizing Our Model with the Modelfile

  • Ollama REST API - نقاط پایانی ایجاد و چت کنید Ollama REST API - Generate and Chat Endpoints

  • Ollama REST API - حالت JSON را درخواست کنید Ollama REST API - Request JSON Mode

  • مدل های اولاما از وظایف مختلف پشتیبانی می کنند - خلاصه Ollama Models Support Different Tasks - Summary

Olama - رابط های کاربری برای مدل های اوللاما Ollama - User Interfaces for Ollama Models

  • روش های مختلف برای تعامل با مدل های اولاما - بررسی اجمالی Different Ways to Interact with Ollama Models - Overview

  • Ollama Model Running Under Msty App - Frontend Tool - RAG System Chat with Docs Ollama Model Running Under Msty App - Frontend Tool - RAG System Chat with Docs

کتابخانه Olama Python - استفاده از Python برای تعامل با مدل‌های Ollama Ollama Python Library - Using Python to Interact with Ollama Models

  • کتابخانه Olama Python برای ساخت برنامه های محلی LLM - بررسی اجمالی The Ollama Python Library for Building LLM Local Applications - Overview

  • تعامل با Llama3 در پایتون با استفاده از Ollama REST API - Hands-on Interact with Llama3 in Python Using Ollama REST API - Hands-on

  • کتابخانه اولاما پایتون - چت با یک مدل Ollama Python Library - Chatting with a Model

  • نمونه چت با جریان Chat Example with Streaming

  • با استفاده از Ollama show Function Using Ollama show Function

  • یک مدل سفارشی در کد ایجاد کنید Create a Custom Model in Code

برنامه های Ollama Building LLM با مدل های Olama Ollama Building LLM Applications with Ollama Models

  • عملی: یک برنامه LLM بسازید - دسته بندی لیست مواد غذایی Hands-on: Build a LLM App - Grocery List Categorizer

  • ساختن سیستم های RAG با اوللاما - بررسی اجمالی RAG و LangChain Building RAG Systems with Ollama - RAG & LangChain Overview

  • Deep Dive into Vectorstore and Embeddings - The Whole Picture - Crash Deep Dive into Vectorstore and Embeddings - The Whole Picture - Crash course

  • مرور کلی سیستم PDF RAG - آنچه که خواهیم ساخت PDF RAG System Overview - What we'll Build

  • راه اندازی سیستم RAG - انتقال سند و ایجاد پایگاه داده برداری و جاسازی Setup RAG System - Document Ingestion & Vector Database Creation and Embeddings

  • سیستم RAG - بازیابی و پرس و جو RAG System - Retrieval and Querying

  • RAG System - Cleaner Code RAG System - Cleaner Code

  • RAG System - Streamlit UI RAG System - Streamlit UI

فراخوانی تابع ابزار اوللاما - عملی Ollama Tool Function Calling - Hands-on

  • فراخوانی عملکرد (ابزار) نمای کلی Function Calling (Tools) Overview

  • Setup Tool Function Calling Application Setup Tool Function Calling Application

  • اقلام را با استفاده از مدل دسته بندی کنید و لیست ابزارها را تنظیم کنید Categorize Items Using the Model and Setup the Tools List

  • ابزار فراخوانی برنامه LLM - محصول نهایی Tools Calling LLM Application - Final Product

سیستم RAG نهایی با اوللاما و پاسخ صوتی Final RAG System with Ollama and Voice Response

  • سیستم صدای RAG - نمای کلی Voice RAG System - Overview

  • کلید EleveLabs API را راه اندازی کنید و سند را بارگیری و خلاصه کنید Setup EleveLabs API Key and Load and Summarize the Document

  • سیستم Ollama Voice RAG - کار می کند! Ollama Voice RAG System - Working!

  • افزودن ElevenLab Voice ایجاد شده با خواندن پاسخ به ما Adding ElevenLab Voice Generated Reading the Response Back to Us

جمع کنید Wrap up

  • پایان - بعد چی؟ Wrap up - What's Next?

نمایش نظرات

Udemy (یودمی)

یودمی یکی از بزرگ‌ترین پلتفرم‌های آموزشی آنلاین است که به میلیون‌ها کاربر در سراسر جهان امکان دسترسی به دوره‌های متنوع و کاربردی را فراهم می‌کند. این پلتفرم امکان آموزش در زمینه‌های مختلف از فناوری اطلاعات و برنامه‌نویسی گرفته تا زبان‌های خارجی، مدیریت، و هنر را به کاربران ارائه می‌دهد. با استفاده از یودمی، کاربران می‌توانند به صورت انعطاف‌پذیر و بهینه، مهارت‌های جدیدی را یاد بگیرند و خود را برای بازار کار آماده کنند.

یکی از ویژگی‌های برجسته یودمی، کیفیت بالای دوره‌ها و حضور استادان مجرب و با تجربه در هر حوزه است. این امر به کاربران اعتماد می‌دهد که در حال دریافت آموزش از منابع قابل اعتماد و معتبر هستند و می‌توانند به بهترین شکل ممکن از آموزش‌ها بهره ببرند. به طور خلاصه، یودمی به عنوان یکی از معتبرترین و موثرترین پلتفرم‌های آموزشی آنلاین، به افراد امکان می‌دهد تا به راحتی و با کیفیت، مهارت‌های مورد نیاز خود را ارتقا دهند و به دنبال رشد و پیشرفت شغلی خود باشند.

آموزش تسلط بر اولاما: ساخت برنامه های LLM محلی خصوصی با پایتون
جزییات دوره
3.5 hours
45
Udemy (یودمی) Udemy (یودمی)
(آخرین آپدیت)
161
4.5 از 5
ندارد
دارد
دارد
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Paulo Dichone  Software Engineer, AWS Cloud Practitioner   Instructor Paulo Dichone Software Engineer, AWS Cloud Practitioner Instructor

Android، Flutter، AWS، پرفروش ترین مربی