آموزش یادگیری جامع هوش مصنوعی مولد با جاوا، Spring Boot و Spring AI - آخرین آپدیت

دانلود Master Generative AI with Java and Spring Boot | Spring AI

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

به دوره جامع آموزش هوش مصنوعی با جاوا و Spring Boot | Spring AI خوش آمدید. این دوره برای توسعه دهندگان جاوا و Spring طراحی شده است که به دنبال استفاده از قدرت هوش مصنوعی (AI) در برنامه های خود هستند. این دوره جامع شما را با مهارت ها و دانش لازم برای ساخت برنامه های هوشمند و غنی از ویژگی با استفاده از Spring AI و اکوسیستم Spring توانمند می کند.

چرا این دوره؟

هوش مصنوعی با اتوماسیون وظایف پیچیده، شخصی سازی تجربه کاربری و ایجاد نوآوری، صنایع را متحول می کند. به عنوان یک توسعه دهنده Java/Spring، ادغام هوش مصنوعی در برنامه های شما دیگر اختیاری نیست - این آینده است. این دوره شکاف بین توسعه هوش مصنوعی و Spring را پر می کند و شما را قادر می سازد برنامه های مبتنی بر هوش مصنوعی را به طور یکپارچه ایجاد کنید.

آنچه خواهید آموخت:

ماژول 1: مقدمه ای بر Spring AI

  • کشف کنید که چگونه هوش مصنوعی در حال شکل دادن به برنامه های کاربردی مدرن در صنایع مختلف، از جمله مراقبت های بهداشتی، تجارت الکترونیک، اتوماسیون و امنیت است.

  • نقش هوش مصنوعی در اکوسیستم Spring، از جمله ادغام مدل هوش مصنوعی، پردازش زبان طبیعی (NLP) و یادگیری ماشین (ML) را درک کنید.

  • قابلیت های اصلی Spring AI، مانند درک زبان طبیعی، تولید تصویر، سنتز صدا و جستجوی پیشرفته را بیاموزید.

  • محیط توسعه خود را راه اندازی کنید و اولین برنامه Spring Boot خود را با قابلیت های هوش مصنوعی ایجاد کنید.

ماژول 2: کار با مدل های هوش مصنوعی در Spring

  • مدل های هوش مصنوعی از پیش آموزش دیده را در برنامه های Spring خود ادغام کنید.

  • با استفاده از ابزارهای پیشرفته مانند ChatModel، ChatClient و PromptTemplate، API ها بسازید.

  • انواع مختلف اعلان (Prompt) و موارد استفاده آنها را در تعاملات مبتنی بر هوش مصنوعی کاوش کنید.

  • ادغام API های سطح پایین و سطح بالا، از جمله پیاده سازی های مبتنی بر Entity و BeanConverter را بیاموزید.

ماژول 3: مهندسی اعلان (Prompt Engineering)

  • در هنر مهندسی اعلان برای بهینه سازی تعاملات مدل هوش مصنوعی تسلط یابید.

  • تکنیک های ساخت اعلان های دقیق برای مدل های زبانی را بیاموزید.

  • برنامه های کاربردی و مطالعات موردی دنیای واقعی را برای مهندسی اعلان موثر کشف کنید.

ماژول 4: Spring AI با DALL-E و مدل های صوتی (چند وجهی)

  • با DALL-E برای تولید و دستکاری تصاویر کار کنید.

  • API هایی برای وظایف تبدیل متن به تصویر، تبدیل تصویر به متن و پردازش صدا ایجاد کنید.

  • ویژگی های ترجمه و تبدیل متن به گفتار را برای برنامه های کاربردی فعال با صدا پیاده سازی کنید.

ماژول 5: تولید تقویت شده بازیابی (RAG) با Spring AI

  • درک عمیقی از تولید تقویت شده بازیابی (RAG) و اهمیت آن در برنامه های کاربردی مبتنی بر هوش مصنوعی به دست آورید.

  • RAG را با Spring AI و Vector Stores برای جستجوی پیشرفته و پاسخ های متنی پیاده سازی کنید.

  • موارد استفاده مانند خلاصه سازی اسناد، توصیه های شخصی و بازیابی دانش را کاوش کنید.

ماژول 6: ساخت پروژه ها

  • دانش خود را برای ساخت برنامه های کاربردی مبتنی بر هوش مصنوعی عملی و سرتاسری به کار ببرید.

  • روی پروژه های عملی که مدل های هوش مصنوعی را با مجموعه داده ها و موارد استفاده دنیای واقعی ادغام می کنند، کار کنید.

ماژول 7: پروژه های دنیای واقعی

  • برای تثبیت مهارت های خود و کسب تجربه در ساخت برنامه های کاربردی هوش مصنوعی در سطح صنعتی، به پروژه های دنیای واقعی بپردازید.

ویژگی های کلیدی این دوره:

  • آموزش های گام به گام با مثال های عملی.

  • موارد استفاده دنیای واقعی، پروژه های عملی و تمرین های کدنویسی.

  • بینش های دقیق در مورد ادغام فناوری های هوش مصنوعی مانند NLP، DALL-E و RAG با Spring Boot.

  • راهنمایی در مورد استقرار راه حل های مقیاس پذیر هوش مصنوعی در تولید.

چه کسانی باید ثبت نام کنند؟

  • توسعه دهندگان Java و Spring مشتاق به ادغام هوش مصنوعی در برنامه های خود.

  • علاقه مندان به هوش مصنوعی که می خواهند نحوه کار با مدل های هوش مصنوعی پیشرفته را در یک اکوسیستم Spring بیاموزند.

  • مهندسان نرم افزاری که به دنبال پیشرفت در چشم انداز فناوری در حال تحول با تسلط بر توسعه برنامه های کاربردی مبتنی بر هوش مصنوعی هستند.

پیش نیازها:

  • دانش اولیه از Java و Spring Framework.

  • آشنایی با API های REST و Spring Boot.

  • کنجکاوی برای کاوش در فناوری های هوش مصنوعی و کاربردهای آنها.

آنچه به دست خواهید آورد:

در پایان این دوره، تخصص لازم برای ساخت، استقرار و نگهداری برنامه های کاربردی مبتنی بر هوش مصنوعی با استفاده از Spring AI را خواهید داشت. شما برای حل مشکلات دنیای واقعی و ایجاد راه حل های نوآورانه مجهز خواهید بود و فرصت های هیجان انگیزی را در حرفه خود به عنوان یک توسعه دهنده نرم افزار باز می کنید.

همین حالا بپیوندید و قدرت هوش مصنوعی را در برنامه های Spring خود آزاد کنید!


سرفصل ها و درس ها

مقدمه‌ای بر Spring AI Introduction to Spring AI

  • معرفی Introduction

  • نقش هوش مصنوعی در اکوسیستم Spring Role of AI in Spring Ecosystem

  • قابلیت‌های Spring AI Spring AI Capabilities

کار با مدل‌های هوش مصنوعی در Spring Working with AI Models in Spring

  • جزئیات Git Repo Git Repo details

  • LLM چیست؟ What is LLM

  • مستندات Spring AI Spring AI Documentation

  • آموزش OpenAI ChatGPT OpenAI ChatGPT Walkthrough

  • ایجاد پروژه Spring AI Generating Spring AI Project

  • کلید API OpenAI و آموزش OpenAI API Key and Walkthrough

  • تنظیم برنامه با کلید API Setting Application with API Key

  • فراخوانی ChatClient با Controller Calling ChatClient with Controller

  • فراخوانی API با شیء ChatResponse API Call with ChatResponse Object

  • فراخوانی API با PromptTemplate API with PromptTemplate

  • فراخوانی API با String Template برای Promptها API with String Template of Prompts

  • نقش‌ها در Promptها برای API Roles in Prompts for API

  • فراخوانی API با Prompt و داده API with Prompt and data

  • OutputConverters و مثال BeanOutputConverter با API OutputConverters and BeanOutputConverter example with API

  • ListOutputConverter و مدیریت Entity در API ListOutputConverter and Entity handling in API

  • آزمون: کار با مدل‌های هوش مصنوعی در Spring Quiz: Working with AI Models in Spring

مهندسی Prompt Prompt Engineering

  • مقدمه‌ای بر مهندسی Prompt Introduction to Prompt Engineering

  • مهندسی Prompt چیست؟ What is Prompt Engineering ?

  • اهمیت مهندسی Prompt Importance of Prompt Engineering

  • Promptهای دستوری Instruction Prompts

  • Promptهای تکمیلی Completion Prompts

  • Promptهای Zero-Shot Zero-Shot Prompts

  • Promptهای Few-Shot Few-Shot Prompts

  • Promptهای مبتنی بر نقش Role based Prompts

  • Promptهای مکالمه‌ای Conversartional Prompts

  • Promptهای زنجیره تفکر (Chain of Thought) Chain of Thought Prompts

  • Promptهای خلاقانه Creative Prompts

  • داستان خلاقانه از Prompt Creative Story from Prompt

  • Promptهای مقایسه‌ای Comparison Prompts

  • Promptهای رفع اشکال Debugging Prompts

  • بهترین روش‌ها در مهندسی Prompt Best Practices in Prompt Engineering

  • چالش‌ها و کاربردهای مهندسی Prompt Challenges and Application of Prompt Engineering

Spring AI با DALL-E و مدل‌های صوتی (چند وجهی) Spring AI with DALL-E and Audio Models (MultiModality)

  • جزئیات Git Repo Git Repo details

  • معرفی Spring AI Multimodal Spring AI Multimodal Introduction

  • API تولید متن از تصویر Image to Text generation API

  • API تولید تصویر Image Generation API

  • API رونویسی صدا Audio Transcription API

  • API تبدیل متن به گفتار Text to Speech API

تولید افزایش‌یافته بازیابی (RAG) با Spring AI Retrieval-Augmented Generation (RAG) with Spring AI

  • جزئیات Git Repo Git Repo details

  • RAG چیست؟ What is RAG

  • مقدمه‌ای بر Vector و Vector Database Introduction to Vector and Vector Database

  • مروری بر پیاده‌سازی RAG RAG Implementation Overview

  • پیاده‌سازی SimpleVector Store برای RAG SimpleVector Store Imlementation for RAG

  • درک Tokenها برای مدل‌های LLM Understanding Tokens for LLM Models

  • بارگیری Simple Vector Store در برنامه Loading Simple Vector Store in App

  • پیاده‌سازی API برای استفاده از Simple Vector Store برای RAG Implementing API to use Simple Vector Store for RAG

  • افزودن PGVector Store در برنامه Adding PGVector Store in Application

  • بارگیری داده‌ها به PGVector Store برای RAG Loading Data to PGVector Store for RAG

  • پیاده‌سازی SimilaritySearch با PGVector Store برای RAG Implementing SimilaritySearch with PGVector Store for RAG

ساخت برنامه مبتنی بر هوش مصنوعی Building AI driven Application

  • جزئیات Git Repo Git Repo details

  • مروری بر برنامه Application Overview

  • دستورات برای ایجاد برنامه FE Commands for Creating FE App

  • ایجاد برنامه Frontend و تنظیم پیکربندی Creating Frontend App and setting up config

  • افزودن فرم بازخورد در UI Adding Feedback Form in UI

  • افزودن تاریخچه بازخورد در UI Adding Feedback History in UI

  • ایجاد برنامه Spring Boot مبتنی بر هوش مصنوعی Creating AI driven Spring Boot Application

  • واکشی API بازخورد Fetching Feedbcak API

  • ذخیره API بازخورد Save Feedback API

  • پیاده‌سازی ذخیره بازخورد در UI Implement Save Feedback in UI

  • پیاده‌سازی تاریخچه بازخورد در UI Implement Feedback History in UI

  • بهبود UI برنامه Enhancing UI of Application

نمایش نظرات

آموزش یادگیری جامع هوش مصنوعی مولد با جاوا، Spring Boot و Spring AI
جزییات دوره
6 hours
63
Udemy (یودمی) Udemy (یودمی)
(آخرین آپدیت)
3,067
4.4 از 5
دارد
دارد
دارد
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Shabbir Dawoodi Shabbir Dawoodi

توسعه دهنده ارشد نرم افزار