آموزش ساخت با هوش مصنوعی: مدل‌های استدلالی برای عامل‌های هوشمند (AI Agents) - آخرین آپدیت

دانلود Build with AI: Reasoning Models for AI Agents

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره:

توضیحات

این دوره درباره چیست؟

در دنیای جذاب مدل‌های استدلالی (Reasoning Models) غوطه‌ور شوید تا بیاموزید این مدل‌ها چه تفاوتی با مدل‌های هدف عمومی دارند. با به‌کارگیری مدل‌های استدلالی برای حل وظایف پیچیده، مانند استخراج و مقایسه داده‌های درآمد آنلاین یا تهیه وعده‌های غذایی متناسب با محدودیت‌های رژیمی، مهارت‌های عملی خود را توسعه دهید. قابلیت‌های مدل‌های استدلالی را بررسی کنید؛ از جمله اینکه چگونه می‌توانند به طور موثر اطلاعات را ارزیابی کنند، تصمیم بگیرند و وظایفی را که نیاز به تفکر تحلیلی دارند، اجرا نمایند. این دوره برای توسعه‌دهندگان نرم‌افزار در سطح متوسط طراحی شده است که به دنبال ارتقای تخصص خود در حوزه هوش مصنوعی از طریق ادغام مدل‌های استدلالی در برنامه‌های خود هستند. در پایان این دوره، شما مهارت‌های عملی لازم برای ساخت عامل‌های هوش مصنوعی (AI Agents) را کسب خواهید کرد که قادر به انجام کارهایی مانند تولید بصری‌سازی داده‌ها و تطبیق دستورالعمل‌های غذایی برای نیازهای مختلف رژیمی باشند. آیا آماده‌اید تا پیچیدگی‌های مدل‌های استدلالی را کشف کنید و بیاموزید چگونه می‌توانند برنامه‌های هوش مصنوعی شما را بهبود ببخشند؟

اهداف دوره

در پایان این دوره قادر به انجام چه کارهایی خواهم بود؟

  • توضیح نقش و نحوه عملکرد مدل‌های استدلالی در مقایسه با مدل‌های غیر استدلالی.
  • استفاده از یک مدل استدلالی برای انجام کارهایی مانند جستجوهای وب یا ساخت اپلیکیشن‌ها.
  • مقایسه مدل‌های استدلالی مختلف و شناسایی نقاط قوت و ضعف آن‌ها در حل مسئله.
  • ارزیابی دقت و کارایی مدل‌های استدلالی در استخراج اطلاعات صحیح و مرتبط.
  • توسعه برنامه‌های هوش مصنوعی با بهره‌گیری از مدل‌های استدلالی برای پاسخ به پرسش‌ها یا مسائل خاص.

مخاطبان دوره

این دوره برای چه کسانی است؟

  • توسعه‌دهندگان برنامه‌های هوش مصنوعی
  • مهندسان یادگیری ماشین (Machine Learning Engineer)
  • دانشمندان داده (Data Scientist)
  • پژوهشگران هوش مصنوعی
  • توسعه‌دهندگان نرم‌افزار
  • معماران راهکارهای هوش مصنوعی
  • مدیران فنی پروژه

پیش‌نیازها

قبل از شروع این دوره چه چیزهایی باید بدانم؟

  • درک اولیه از مدل‌های زبانی بزرگ (LLMs) و کاربردهای آن‌ها
  • آشنایی با مفاهیم و اصطلاحات هوش مصنوعی
  • تجربه برنامه‌نویسی، ترجیحاً با زبان‌های مورد استفاده در توسعه AI مانند پایتون (Python)
  • آشنایی با تکنولوژی‌ها و ابزارهای مبتنی بر وب
  • مهارت‌های بنیادی در تحلیل داده‌ها و حل مسئله


سرفصل ها و درس ها

مقدمه Introduction

  • ساخت با استدلال: عامل‌های هوشمندتر، نتایج واقعی‌تر Build with reasoning: Smarter agents, real results

  • مقایسه مدل غیر استدلالی و مدل استدلالی Comparing a nonreasoning model and a reasoning model

1. جستجو و مقایسه داده‌های درآمد آنلاین 1. Search and Compare Online Revenue Data

  • تولید نمودار برای بصری‌سازی داده‌های درآمد Generate a chart to visualize revenue data

  • ارجاع به منابع داده‌های درآمد با مدل استدلالی Cite revenue data sources with a reasoning model

  • استفاده از ابزار جستجوی وب برای استخراج داده‌های درآمد Use a web search tool to scrape revenue data

2. تهیه شام با استفاده از مدل استدلالی 2. Prepare Dinner with a Reasoning Model

  • استخراج لیست خرید از داده‌های دستور پخت Extract a grocery list from our recipe data

  • یافتن و مقایسه سه دستور پخت مختلف Find and compare three different recipes

  • تطبیق دستورهای پخت با محدودیت‌های رژیمی Adapt recipes to accommodate dietary restrictions

3. نکات تکمیلی درباره مدل‌های استدلالی 3. More on Reasoning Models

جمع‌بندی Conclusion

  • گام‌های بعدی: ادامه ماجراجویی شما در هوش مصنوعی Next steps: Your AI adventure continues

نمایش نظرات

آموزش ساخت با هوش مصنوعی: مدل‌های استدلالی برای عامل‌های هوشمند (AI Agents)
جزییات دوره
0h 15m
9
(آخرین آپدیت)
2,216
- از 5
ندارد
دارد
دارد
Yujian Tang
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Yujian Tang Yujian Tang

یوجیان تانگ یک سازنده جامعه، سازنده برنامه های کاربردی هوش مصنوعی و مهندس نرم افزار سابق است.

یوجیان توسعه نرم افزار را به طور حرفه ای در سن 16 سالگی آغاز کرد. او در کالج، علوم کامپیوتر، علوم اعصاب، و آمار را مطالعه کرد و مقالات یادگیری ماشین را منتشر کرد. در کنفرانس هایی مانند IEEE Big Data. او پس از فارغ التحصیلی، روی سیستم AutoML در آمازون کار کرد و سپس برای ساخت شرکت‌های خود از جمله یک برنامه تجمیع داده، یک NLP API، و شرکت فعلی‌اش، OSS4AI، سازمانی که هدف آن فراهم کردن دسترسی توسعه‌دهندگان به منابع مورد نیاز برای درک است، کار کرد. ، استفاده کنید و در جهت گیری و توسعه هوش مصنوعی کمک کنید.