آموزش مبانی هوش مصنوعی مولد و مهندسی پرامپت [ویدیو] - آخرین آپدیت

دانلود GenAI Foundations and Prompt Engineering [Video]

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: هوش مصنوعی مولد (Generative AI) زمانی ارزش تجاری ایجاد می‌کند که سیستم‌ها با معماری شفاف، انتخاب مدل‌های قابل اعتماد، پرامپت‌های قدرتمند و کنترل‌های کیفی تکرارپذیر طراحی شوند. متخصصان به پایه‌ای نیاز دارند که فراتر از استفاده‌های ابتدایی از AI باشد و توضیح دهد که اپلیکیشن‌های مقیاس‌پذیر چگونه ساختاریافته، یکپارچه، اندازه‌گیری و بهبود می‌یابند. این دوره تأثیر هوش مصنوعی مولد بر مهندسی، مبانی معماری سیستم، محیط‌های توسعه محلی و ابری، داستان‌های پیاده‌سازی سازمانی، اجزای LLM، مقایسه مدل‌ها، تنظیمات API، چارچوب انتخاب استراتژیک مدل، ماتریس اپلیکیشن‌های سازمانی، معماری راهکارهای خاص هر صنعت، طراحی دستیارهای پشتیبانی و اندازه‌گیری ROI را پوشش می‌دهد. سپس به سراغ اصول مهندسی پرامپت، عناصر ساختاری پرامپت، گردش کار ساخت پرامپت‌های تعاملی، الگوهای طراحی، زنجیره‌های پرامپت چندمرحله‌ای، بهینه‌سازی پنجره کانتکست، راهنمای پیاده‌سازی، استراتژی‌های مدیریت خطا، طراحی مکالمات ربات‌های پشتیبانی، معماری قالب‌های پاسخ و چارچوب‌های تست تضمین کیفیت (QA) می‌پردازد. آموزش‌گیرندگان توانایی طراحی اپلیکیشن‌های GenAI، مقایسه گزینه‌های یکپارچه‌سازی LLM سازمانی، ساخت استراتژی‌های پرامپت برای موارد استفاده تجاری، بهینه‌سازی زنجیره‌های پرامپت و توسعه سیستم‌های مکالمه پشتیبانی مشتری را کسب خواهند کرد. این مهارت‌ها برای نقش‌های نرم‌افزاری، محصول، داده و کسب‌وکاری که با راهکارهای مبتنی بر AI کار می‌کنند، ضروری است. - به‌کارگیری اصول معماری GenAI - مقایسه گزینه‌های یکپارچه‌سازی LLM در سطح سازمانی - ساخت الگوهای پرامپت برای کیس‌های تجاری - بهینه‌سازی زنجیره‌های پرامپت و پنجره‌های کانتکست - توسعه سیستم‌های مکالمه پشتیبانی - تست خروجی‌های AI با چارچوب‌های QA مهندسان نرم‌افزار، مدیران محصول، دانشمندان داده و تحلیلگران کسب‌وکار از این دوره بهره‌مند خواهند شد. این دوره برای متخصصانی مناسب است که به دنبال یکپارچه‌سازی AI، راهکارهای محصول مبتنی بر AI، گسترش هوش مصنوعی مولد، بهینه‌سازی گردش کار، پشتیبانی از تصمیم‌گیری و اتوماسیون پشتیبانی مشتری هستند. مباحث شامل: مبانی معماری GenAI (مکانیسم‌های LLM، محیط‌ها، APIها و انتخاب مدل) * پوشش استراتژی پرامپت با الگوها، زنجیره‌ها، بهینه‌سازی کانتکست، قالب‌ها و مدیریت خطاها * مسیر اپلیکیشن‌های پشتیبانی مشتری با طراحی مکالمه، تست QA، بررسی ROI و متریک‌ها.

سرفصل ها و درس ها

مقدمه Introduction

  • معرفی دوره Course Introduction

مبانی Foundations

  • تأثیر هوش مصنوعی مولد بر مهندسی Generative AI Impact on Engineering

  • مبانی معماری سیستم‌های هوش مصنوعی مولد Fundamentals of Generative AI Systems Architecture

  • راه‌اندازی محیط‌های توسعه GenAI: محلی و ابری Setting Up GenAI Development Environments: Local & Cloud

  • داستان‌های موفق پیاده‌سازی سازمانی Enterprise Implementation Success Stories

  • اجزای LLM و مکانیسم‌های اصلی LLM Components and Core Mechanics

  • مقایسه مدل‌های LLM سازمانی Enterprise LLM Model Comparison

  • یکپارچه‌سازی LLM و تنظیمات API LLM Integration and API Setup

  • چارچوب استراتژیک انتخاب مدل Strategic Model Selection Framework

  • ماتریس اپلیکیشن‌های GenAI سازمانی Enterprise GenAI Application Matrix

  • معماری راهکارهای تخصصی هر صنعت Industry-Specific Solution Architecture

  • طراحی سیستم دستیار پشتیبانی Support Assistant System Design

  • اندازه‌گیری ROI و متریک‌ها ROI Measurement and Metrics

مهندسی پرامپت Prompt Engineering

  • اصول کلیدی مهندسی پرامپت Prompt Engineering Core Principles

  • عناصر ساختاری پرامپت‌ها Structural Elements of Prompts

  • گردش کار ساخت تعاملی پرامپت Interactive Prompt Building Workflow

  • کتابخانه الگوهای طراحی پرامپت Prompt Design Pattern Library

  • طراحی زنجیره‌های پرامپت چندمرحله‌ای Multi-Step Prompt Chain Design

  • تکنیک‌های بهینه‌سازی پنجره کانتکست Context Window Optimization Techniques

  • راهنمای پیشرفته پیاده‌سازی پرامپت Advanced Prompt Implementation Guide

  • چارچوب استراتژی مدیریت خطا Error Handling Strategy Framework

  • طراحی مکالمات ربات پشتیبانی Support Bot Conversation Design

  • طراحی معماری قالب‌های پاسخ Response Template Architecture Design

  • راهنمای پیاده‌سازی سیستم قالب‌بندی Template System Implementation Guide

  • چارچوب تست تضمین کیفیت (QA) Quality Assurance Testing Framework

جمع‌بندی Conclusion

  • جمع‌بندی دوره Course Conclusion

نمایش نظرات

آموزش مبانی هوش مصنوعی مولد و مهندسی پرامپت [ویدیو]
جزییات دوره
2h 16m
26
Packtpub Packtpub
(آخرین آپدیت)
از 5
ندارد
دارد
دارد
Starweaver
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Starweaver Starweaver

Starweaver فرصت‌هایی را برای مربیان، شرکت‌ها و پلتفرم‌ها ایجاد می‌کند.

Starweaver محتوای مورد تقاضای متمرکزی را ارائه می‌کند که حوزه‌های موضوعی کلیدی، گواهینامه‌های پیشرو در صنعت، و یادگیری و توسعه مستمر را پوشش می‌دهد. محتوای Starweaver با ارائه نتایج شایستگی با کیفیت بالا برای صدها شرکت در سراسر جهان، توسط مربیان دنیای واقعی هدایت می‌شود که برای تجهیز دانش‌آموزان به مهارت‌های مورد نیاز برای دستیابی به اهداف حرفه‌ای و پیشبرد اهداف شغلی بلندمدت خود اختصاص داده شده‌اند.