آموزش Spring AI - توسعه GenAI با Telusko - آخرین آپدیت

دانلود Spring AI - GenAI with Telusko

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: ساخت اپلیکیشن‌های Spring Boot مبتنی بر هوش مصنوعی با استفاده از SpringAI، OpenAI، Ollama، تکنیک RAG و دیتابیس‌های برداری با قابلیت‌های چندوجهی (Multimodal). در این دوره خواهید آموخت: - ادغام آسان مدل‌های هوش مصنوعی سرویس‌محور (OpenAI) و متن‌باز (Ollama) - توسعه هوش مصنوعی مکالمه‌محور و آگاه به متن (Context-Aware) - ساخت اپلیکیشن‌های هوش مصنوعی چندوجهی (متن، صوت، تصویر) و ساختاریافته - پیاده‌سازی Retrieval-Augmented Generation (RAG) برای افزایش اثربخشی پرامپت‌ها - بررسی عمیق دیتابیس‌های برداری و نقش آن‌ها در قدرت‌بخشی به برنامه‌های مدرن AI پیش نیازها: برای شرکت در این دوره، داشتن دانش پایه در مورد Spring Boot و تجربه برنامه‌نویسی Java ضروری است.

Spring AI — Gen AI (TELUSKO)

این دوره جامع Spring AI، دروازه شما برای ساخت اپلیکیشن‌های هوشمند جاوا است. این دوره از Spring AI، ماژول رسمی فریم‌ورک Spring، استفاده می‌کند که برای ادغام بی‌وقفه مدل‌های زبانی بزرگ (LLMs) و طیف گسترده‌ای از قابلیت‌های AI در پروژه‌های Spring Boot طراحی شده است.


شما مهارت‌های ضروری برای ادغام مدل‌های مختلف AI، از ارائه‌دهندگان محبوب مدل-به-عنوان-سرویس مانند OpenAI (GPT-4o) تا ارائه‌دهندگان مدل‌های متن‌باز مانند Ollama (Mistral و Deepseek) را کسب خواهید کرد. این امر از طریق API استاندارد Spring AI محقق می‌شود که قابلیت جابجایی فوق‌العاده‌ای را ارائه داده و وابستگی به یک فروشنده خاص (Vendor Lock-in) را به حداقل می‌رساند.


بخش قابل توجهی از برنامه آموزشی بر توسعه سیستم‌های پیشرفته هوش مصنوعی مکالمه‌محور با استفاده از API بصری ChatClient و ChatModel متمرکز است که تعاملات پویا و طبیعی را ممکن می‌سازد. علاوه بر این، شما بر Retrieval-Augmented Generation (RAG) مسلط خواهید شد؛ تکنیکی حیاتی که LLMها را به دانش خارجی، به‌روز و تخصصی مجهز می‌کند. این بخش شامل بررسی عمیق Vector Embeddings و تجربه عملی با دیتابیس‌های برداری مختلف مانند PgVector، Redis و SimpleVectorStore است تا پاسخ‌های AI شما از نظر متنی مرتبط و دقیق باشند.


فراتر از هوش مصنوعی متنی، این دوره به سراغ اپلیکیشن‌های چندوجهی می‌رود و قابلیت‌هایی مانند پردازش تصویر و صوت، از جمله تبدیل متن به گفتار (TTS) و گفتار به متن (STT) را پوشش می‌دهد. همچنین هنر مهندسی پرامپت (Prompt Engineering) را از طریق Templateها و Advisorها برای بهبود تعاملات AI می‌آموزید و در نهایت یاد می‌گیرید چگونه خروجی‌های خام AI را به اشیاء ساختاریافته جاوا (List, Bean, Map) تبدیل کنید تا به‌طور یکپارچه در منطق برنامه شما ادغام شوند.


این دوره برای توسعه‌دهندگان جاوایی که مشتاقند قابلیت‌های پیشرفته AI را به برنامه‌های Spring Boot خود اضافه کنند، توسعه‌دهندگان Backend که در حال بررسی الگوهای مدرن ادغام AI هستند و تیم‌هایی که به دنبال ساخت نسل بعدی اپلیکیشن‌های داده‌محور و هوشمند می‌باشند، ایده‌آل است. داشتن پایه قوی در Spring Boot و Java توصیه می‌شود. با تکمیل این دوره، شما ابزارهای لازم برای متحول کردن برنامه‌های Spring خود با ویژگی‌های پیشرفته AI را خواهید داشت و در لبه تکنولوژی توسعه نرم‌افزار مبتنی بر هوش مصنوعی باقی خواهید ماند.


سرفصل ها و درس ها

مقدمه Introduction

  • مقدمه Introduction

  • چرا Spring AI Why Spring AI

  • بررسی مستندات Spring AI Spring AI Docs

ادغام مدل‌های AI (مبتنی بر ابر)، API ChatClient و ChatModel AI Model Integration (Cloud-Based), ChatClient API, and ChatModel

  • ایجاد یک پروژه Spring AI Creating a Spring AI Project

  • ساخت کلید API OpenAI Create OPENAI API key

  • پرسش از مدل Open AI Asking Question to Open AI Model

  • کار با ChatClient Working with ChatClient

  • پاسخ چت و متادیتا (MetaData) ChatResponse and MetaData

  • سازنده ChatClient (Builder) ChatClient Builder

  • مشاور حافظه Spring AI Spring AI Memory Advisor

ادغام مدل‌های AI (متن‌باز) AI Model Integration (Open Source)

  • اجرای مدل به‌صورت محلی با Ollama Running Model Locally with Ollama

  • استفاده از Spring AI با Ollama Spring AI with Ollama

قالب‌های پرامپت (Prompt Templates) Prompt Templates

  • قالب پرامپت (Prompt Template) Prompt Template

  • پیاده‌سازی قالب پرامپت Implementing Prompt Template

جاسازی‌های برداری (Vector Embeddings) Vector Embeddings

  • Embeddings چیستند؟ What are embeddings

  • جاسازی با استفاده از API Client Embedding using API Client

  • جاسازی با استفاده از Spring AI Embedding using Spring AI

دیتابیس‌های برداری Vector Databases

  • شباهت کسینوسی (Cosine Similarity) چیست؟ What is Cosine Similarity

  • پیاده‌سازی شباهت کسینوسی Cosine Similarity implementation

  • مقدمه‌ای بر دیتابیس‌های برداری Vector Database Introduction

  • ذخیره‌ساز برداری ساده (Simple Vector Store) Simple Vector Store

  • تقسیم‌کننده متن توکن-محور Token Text Splitter

  • مقدمه‌ای بر PGVectorStore PGVectorStore Introduction

  • راه‌اندازی PGVector PGVector Setup

  • پیاده‌سازی PGVector PGVector Implementation

  • تنظیمات Redis Vector Store Redis Vector Store Config

  • کار با Redis Vector Store Redis Vector Store

تولید تقویت شده با بازیابی (RAG) Retrieval-Augmented Generation (RAG)

  • تکنیک RAG چیست؟ What is RAG

  • پیاده‌سازی RAG RAG Implementation

چندوجهی (تصویر) Multimodality (Image)

  • مدل تصویر OpenAI OpenAI Image Model

  • پرامپت و پاسخ تصویر ImagePrompt and Response

  • تنظیمات تصویر Image Options

  • توصیف تصویر Describe Image

  • پیاده‌سازی قابلیت توصیف تصویر Implementing describe Image

چندوجهی (صوت) Multimodality (Audio)

  • مقدمه‌ای بر مدل‌های صوتی Audio Models Introduction

  • مدل تبدیل گفتار به متن (بخش اول) Audio Transcription Model Speech to text part 1

  • تبدیل گفتار به متن (بخش دوم) Audio sst part 2

  • تنظیمات تبدیل صوت Audio Transcription Options

  • مدل تبدیل متن به گفتار (TTS) Audio Speech Model TTS

  • تنظیمات مدل گفتار Audio Speech Options

مبدل‌های خروجی Output Converters

  • مبدل خروجی ساختاریافته Structured Output Converter

  • مبدل خروجی لیست (List) List Output Converter

  • مبدل خروجی Bean Bean Output Converter

  • مبدل خروجی Bean به همراه لیست Bean Output Converter with List

پیاده‌سازی Spring AI در پروژه Spring AI in Project

  • مقدمه پروژه فروشگاه الکترونیکی Ecom Project Introduction

  • رابط کاربری جدید با هوش مصنوعی New UI with AI

  • آماده‌سازی پروژه برای AI Getting the project ready for AI

  • مپ کردن کنترلر محصولات Mapping the Product Controller

  • ساخت سرویس با ChatClient Building Service with ChatClient

  • تولیدکننده تصویر AI (بخش اول) Working AI Image Generator 1

  • تولیدکننده تصویر AI (بخش دوم) Working with AI Image Generator 2

  • مقدمه قابلیت پرسش از AI Introduction to Ask AI Feature

  • افزودن فایل‌های قابلیت سفارش Adding the Order Feature Files

  • راه‌اندازی PGVector Setting Up PGVector

  • ایجاد ChatBotController Creating ChatBotController

  • سرویس چت‌بات با فراخوانی AI Chat bot Service with AI Call

  • جاسازی داده‌های محصول (Embedding) Embedding the Product Data

  • به‌روزرسانی محصول در Vector Store Update Product in Vector Store

  • افزودن سفارش به Vector Store Add Order in the Vector Store

نمایش نظرات

آموزش Spring AI - توسعه GenAI با Telusko
جزییات دوره
5 hours
59
Udemy (یودمی) Udemy (یودمی)
(آخرین آپدیت)
1,253
4.7 از 5
دارد
دارد
دارد
Navin Reddy
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Navin Reddy Navin Reddy

Corporate Trainer & TEDx SpeakerNavin مربی و مربی است. او همچنین یک موسس و مدیر عامل شرکت Telusko است. بلندگو TEDx دارای کانال YouTube "Telusko" با بیش از 834 هزار مشترک و بیش از 1300 فیلم در زمینه فناوری های مختلف است. او به چندین شرکت و IT بانکها آموزش آنلاین و همچنین شرکتی می دهد. در Java ، Spring ، Hibernate ، Python ، AWS ، Blockchain ، MySQL کار کرده است. یادگیری باید سرگرم کننده باشد.