لطفا جهت پرداخت (ورود به درگاه بانک) فیلترشکن خود را خاموش نمایید.
لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
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
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
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.
نمایش نظرات