آموزش ساخت پروژه جامع GenAI: طراحی دستیار هوشمند سفر با پایتون - آخرین آپدیت

دانلود Build End-to-End GenAI Project: Travel AI Agent with Python

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: تسلط بر هوش مصنوعی مولد (GenAI) از طریق ساخت یک دستیار سفر هوشمند - از ورود داده‌ها تا خط لوله RAG و استقرار نهایی، همه در یک دوره جامع. در این دوره یک اپلیکیشن کامل GenAI را از ابتدا و به صورت End-to-End با استفاده از پایتون خواهید ساخت. مفاهیم و پیاده‌سازی ورود اسناد (Document Ingestion)، تکه‌تکه کردن متن (Text Chunking) و تولید امبدینگ‌ها (Embeddings) را بیاموزید. پیاده‌سازی خط لوله‌های تولید تقویت‌شده با بازیابی (RAG) با استفاده از مدل‌های OpenAI یا Hugging Face. یادگیری نحوه مدیریت متغیرهای محیطی، پیکربندی‌ها و ساختاربندی پروژه‌های GenAI برای محیط عملیاتی (Production). پیش نیازها: یک کامپیوتر با دسترسی به اینترنت و اجازه نصب پکیج‌های پایتون. اشتیاق برای ساخت و استقرار اپلیکیشن‌های مبتنی بر هوش مصنوعی از صفر.

آیا می‌خواهید یک اپلیکیشن واقعی GenAI را از ابتدا بسازید و مستقر کنید؟
در این دوره عملی، شما یاد می‌گیرید که دستیار هوشمند سفر (AI Travel Agent) خود را خلق کنید - یک دستیار هوشمند که می‌تواند راهنماهای PDF را بخواند، آن‌ها را به صورت امبدینگ ذخیره کند و با استفاده از تکنیک‌های تولید تقویت‌شده با بازیابی (RAG) به سوالات کاربران پاسخ دهد.

این دوره شما را در تمام مراحل توسعه همراهی می‌کند؛ از تنظیمات اولیه پروژه، ساخت رابط کاربری با Streamlit، توسعه بک‌اند با FastAPI، اتصال به پایگاه داده برداری (Qdrant) و ادغام مدل‌های زبانی OpenAI یا Hugging Face. در پایان، شما نه‌تنها نحوه عملکرد اپلیکیشن‌های مدرن GenAI را درک خواهید کرد، بلکه دستیار هوشمند خود را آماده استفاده و توسعه در محیط ابری خواهید داشت.

آنچه خواهید ساخت:

  • یک دستیار سفر هوشمند فعال که می‌تواند فایل‌های PDF را دریافت کرده و به سوالات مربوط به سفر به صورت هوشمند پاسخ دهد.

  • یک ساختار پروژه پایتونی تمیز و ماژولار، مناسب برای استقرار در دنیای واقعی.

  • یک خط لوله RAG که مراحل ورود داده، امبدینگ، بازیابی و تولید متن توسط LLM را به صورت یکپارچه متصل می‌کند.

  • استقرار کامل فرانت‌اند و بک‌اند روی پلتفرم‌های ابری مانند Railway و Streamlit Cloud.

آنچه خواهید آموخت:

  • نحوه تنظیم و ساختاربندی حرفه‌ای پروژه‌های GenAI.

  • ساخت رابط‌های کاربری زیبا با Streamlit به همراه قابلیت آپلود فایل و بخش پرسش و پاسخ.

  • ایجاد APIهای بک‌اند با استفاده از FastAPI و طراحی End-pointهای /upload و /ask.

  • درک مفاهیم ورود اسناد، امبدینگ‌ها و پایگاه‌های داده برداری.

  • اتصال به Qdrant برای ذخیره و بازیابی بهینه امبدینگ‌ها.

  • پیاده‌سازی تکنیک‌های RAG برای ترکیب بازیابی و تولید جهت دستیابی به پاسخ‌های هوشمندانه‌تر.

  • ادغام مدل‌های OpenAI و Hugging Face با مدیریت صحیح کلیدهای API.

  • استقرار کامل (End-to-End) اپلیکیشن شما در فضای ابری.


در پایان این دوره، شما تجربه عملی کامل چرخه توسعه GenAI را کسب خواهید کرد - از ایده تا محصولی که به طور کامل مستقر شده است.


سرفصل ها و درس ها

مقدمه Introduction

  • مرور کلی پروژه Project Overview

  • دمو و نمایش Demo

سورس کد پروژه Project Source Code

  • بررسی سورس کد Source Code

تنظیمات پروژه Project Setup

  • تنظیمات گیت‌هاب Github Setup

  • آشنایی با Streamlit Streamlit Introduction

  • پیاده‌سازی فرانت‌اند Frontend Implementation

  • آشنایی با FastAPI FastAPI Introduction

  • پیاده‌سازی بک‌اند Backend Implementation

ورود داده‌ها Data Ingestion

  • پیاده‌سازی جریان ورود داده‌ها Ingestion Flow Implementation

تولید امبدینگ‌ها Generating Embeddings

  • مقدمه‌ای بر امبدینگ‌ها Embeddings Introduction

  • نحوه تولید امبدینگ‌ها Generating Embeddings

اتصال به ذخیره‌ساز برداری Vector Store Integration

  • آشنایی با پایگاه داده برداری Vector Database Introduction

  • تنظیمات Qdrant Qdrant Setup

  • ساخت کالکشن در Qdrant Creating Qdrant Collection

  • افزودن داده‌ها به دیتابیس برداری Adding Data to Vector Database

پیاده‌سازی جریان RAG RAG Flow Implementaion

  • مقدمه‌ای بر RAG RAG Introduction

  • بازیابی داده‌های مرتبط Retrieving Relevant Data

ادغام مدل زبانی LLM LLM Integration

  • آشنایی با OpenAI OpenAI Introduction

  • تولید کلید API برای OpenAI OpenAI API Key Generation

  • معرفی Huggingface و تولید API Huggingface Intro and API generation

  • بهینه‌سازی پاسخ‌های LLM LLM Fine Tuned Response

یکپارچه‌سازی اپلیکیشن App Integration

  • اتصال فرانت‌اند و بک‌اند Integrating Frontend & Backend

استقرار و انتشار Deployment

  • گزینه‌های استقرار ابری Cloud Deployment Options

نمایش نظرات

آموزش ساخت پروژه جامع GenAI: طراحی دستیار هوشمند سفر با پایتون
جزییات دوره
2.5 hours
23
Udemy (یودمی) Udemy (یودمی)
(آخرین آپدیت)
407
4.3 از 5
دارد
دارد
دارد
Sharath Raju
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Sharath Raju Sharath Raju

توسعه دهنده ارشد RPA UiPath