آموزش هوش مصنوعی مولد (GenAI) برای توسعه‌دهندگان مشغول جاوا - Pearson - آخرین آپدیت

سرفصل ها و درس ها

مقدمه Introduction

• هوش مصنوعی مولد برای توسعه‌دهندگان جاوا: مقدمه GenAI for Java developers: Introduction

1. کشف خاستگاه‌ها، الگوها و تاکسونومی AI/ML 1. Discover AI Origins, Patterns, and AI/ML Taxonomy

• توضیح تکامل تاریخی الگوها، هوش مصنوعی و یادگیری ماشین Describe the historical evolution of patterns, AI, and machine learning

• شناسایی الگوهای رایج مورد استفاده در توسعه نرم‌افزار Identify common patterns used in software development

• اهداف یادگیری Learning objectives

• توضیح تفاوت بین GenAI و PredAI Explain the distinction between GenAI and PredAI

2. آشنایی با شبکه‌های عصبی، وزن‌ها و LLMها 2. Learn about Neural Networks, Weights, and LLMs

• اهداف یادگیری Learning objectives

• توضیح نقش وزن‌ها در فرآیند یادگیری Explain the role of weights in the learning process

• توصیف فرآیند آموزش و ماهیت احتمالی (Stochastic) مدل‌های GenAI Describe the training process and the stochastic nature of GenAI models

• ترسیم ساختار یک شبکه عصبی پایه Illustrate the structure of a basic neural network

• مقایسه برنامه‌نویسی قطعی سنتی با مدل‌های احتمالی GenAI Compare traditional deterministic programming to probabilistic GenAI models

• تعریف اصطلاحات پایه GenAI Define basic GenAI terminology

3. استفاده از مهندسی پرامپت و کانتکست 3. Use Prompt “Engineering” and Context

• مقایسه نقش‌های مختلف پیام: سیستم، کاربر و دستیار Compare various message roles: System, user, and assistant

• توضیح پنجره کانتکست (Context Window) و ماهیت بدون وضعیت (Stateless) اتصال LLM Explain context window and the stateless nature of an LLM connection

• اهداف یادگیری Learning objectives

• توصیف برخی از بهترین روش‌ها برای مدیریت کانتکست Describe some useful good practices for context

• توضیح اهمیت کانتکست در موفقیت پرامپت و ثبات نتایج Explain the importance of context in prompt success and result consistency

• طراحی پرامپت‌های موثر با استفاده از تکنیک‌های Zero-shot، Few-shot و زنجیره افکار (CoT) Design effective prompts using zero-shot, few-shot, and chain-of-thought techniques

4. یادگیری APIهای GenAI برای توسعه‌دهندگان جاوا: REST و Java API 4. Learn GenAI APIs for Java Developers: REST and Java APIs

• توصیف انواع دسترسی‌های برنامه‌نویسی به سرویس‌های GenAI Describe various types of programmatic access to GenAI services

• اهداف یادگیری Learning objectives

• نمایش مثال‌های ساده از LangChain4j Demonstrate simple LangChain4j examples

• مقایسه فراخوان‌های REST مختلف از ارائه‌دهندگان محبوب GenAI Compare various REST calls from popular GenAI providers

• نمایش فراخوان‌های REST و اجزای پیام Demonstrate REST calls and message components

• شناسایی دلیل مفید بودن یک API انتزاعی برای توسعه‌دهندگان جاوا Identify why an abstract API is useful for Java developers

• توضیح تاریخچه LangChain4j Explain the history of LangChain4j

5. آشنایی با مبانی LangChain4j 5. Discover LangChain4j Basics

• پیاده‌سازی یک چت‌بات پایه با استفاده از ChatMemory Implement a basic chatbot using ChatMemory

• نمایش نحوه ارسال پیام‌های کاربر (UserMessages) و سیستم (SystemMessages) به LLM Demonstrate how to send UserMessages and SystemMessages to an LLM

• پیاده‌سازی یک چت‌بات پایه با کانتکست پرامپت Implement a basic chatbot with prompt context

• نصب و پیکربندی LangChain4j در پروژه جاوا با استفاده از Gradle/Maven Install and configure LangChain4j in a Java project using Gradle/Maven

• تعریف اجزای اصلی LangChain4j Define core components of LangChain4j

• اهداف یادگیری Learning objectives

• به‌کارگیری حافظه برای حفظ وضعیت گفتگو Apply memory to retain conversation state

• نمایش ادغام داده‌های خارجی به عنوان کانتکست برای چت‌بات Demonstrate incorporating external data as context for the chatbot

6. استفاده از قالب‌های پرامپت (Prompt Templates) 6. Use Prompt Templates

• شناسایی دلیل مفید بودن قالب‌ها (Templates) Identify why templates are useful

• اهداف یادگیری Learning objectives

• شناسایی مزایا و معایب قالب‌های پرامپت Identify the advantages and disadvantages of prompt templates

• نمایش ترکیب پویا در پرامپت‌ها با استفاده از متغیرهای جاوا Demonstrate dynamic prompt composition using Java variables

• ساخت قالب‌های پرامپت قابل استفاده مجدد با LangChain4j Create reusable prompt templates using LangChain4j

7. درک معماری چت‌بات 7. Understand Chatbot Architecture

• توضیح استفاده از AiService در LangChain4j Explain the use of LangChain4j’s AiService

• نمایش چت‌باتی که کانتکست گفتگو را حفظ می‌کند Demonstrate a chatbot that maintains conversational context

• شناسایی نقش‌های پیام‌های سیستم، کاربر و دستیار در یک چت‌بات Identify the roles of system, user, and assistant messages with a chatbot

• ارزیابی کانتکست و هزینه‌های چت‌بات Assess chatbot context and costs

• ترسیم نمودار ساختار معماری یک چت‌بات Diagram the structure of a chatbot architecture

• اهداف یادگیری Learning objectives

8. یادگیری تولید تقویت‌شده با بازیابی (RAG) 8. Learn Retrieval Augmented Generation (RAG)

• درک روش‌های پایه برای دریافت نتایج مفید از LLM Understand basic ways to get an LLM to return a useful result

• شناسایی مزایای سیستم‌های مبتنی بر RAG Identify the advantages of a RAG-based system

• ترسیم خط لوله (Pipeline) بازیابی و تزریق اسناد Illustrate the document retrieval and injection pipeline

• اهداف یادگیری Learning objectives

• شناسایی مشکلات احتمالی و حالت‌های شکست در سیستم‌های مبتنی بر بازیابی Identify potential issues and failure modes of retrieval-based systems

• توضیح انگیزه و معماری پشت RAG Explain the motivation and architecture behind RAG

9. درک بردارهای Embedding و شباهت (Similarity) 9. Understand Embedding Vectors and Similarity

• اهداف یادگیری Learning objectives

• محاسبه شباهت بین بردارها برای رتبه‌بندی ارتباط متن Compute similarity between vectors to rank text relevance

• مقایسه Embeddingهای دو بعدی، سه بعدی و N-بعدی Compare 2d, 3d, and N-d embeddings

• نمایش نحوه تولید یک Embedding متنی Demonstrate how to generate a text embedding

• تعریف Embeddingها و نمایش ریاضی آن‌ها Define embeddings and their mathematical representation

• توصیف EmbeddingModel در LangChain4j Describe LangChain4j’s EmbeddingModel

• درک دلیل نیاز به شباهت (Similarity) برای GenAI Understand why similarity is needed for GenAI

10. آشنایی با ذخیره‌سازهای برداری (Vector Stores) 10. Learn about Vector Stores

• توصیف EmbeddingStore در LangChain4j و معماری جذب داده‌ها Describe LangChain4j's EmbeddingStore and data ingestion architecture

• دسته‌بندی گزینه‌های مختلف ذخیره‌ساز برداری Classify different vector store options

• توضیح دلیل نیاز به ذخیره‌سازهای برداری Describe why vector stores are needed

• ساخت یک ایندکس و جستجو در آن با استفاده از شباهت Embedding Construct an index and search over it using embedding similarity

• اهداف یادگیری Learning objectives

• درک اهمیت استراتژی تکه‌تکه کردن داده‌ها (Chunking Strategy) Understand the importance of a chunking strategy

11. درک مبانی ایجنت‌ها (Agents) 11. Understand the Basics of Agents

• شناسایی مفهوم ابزار (Tool) و فراخوانی توابع (Function Calling) Identify what a tool is (function-calling)

• توصیف فریم‌ورک‌های فعلی و آخرین دستاوردهای ایجنت‌ها Describe current frameworks and the state of the art of agents

• اهداف یادگیری Learning objectives

• درک رابطه بین مدل‌های استدلالی و ابزارها Understand the relationship between reasoning models and tools

• نمایش استفاده از ابزارها با AiService Demonstrate tool use with AiService

• تعریف ایجنت (Agent) Define what an agent is

12. مرور کلی و گام‌های بعدی 12. Recap and Next Steps

• خلاصه‌سازی مفاهیم اصلی هر فصل Summarize major concepts from each chapter

• تامل در مورد اینکه GenAI در کجای گردش کار توسعه جاوا بهترین کاربرد را دارد Reflect on where GenAI best fits into Java development workflows

• لیست ابزارها، کتابخانه‌ها و منابع مورد استفاده در دوره List tools, libraries, and resources used in the course

• شناسایی حوزه‌های پیشرفته برای مطالعه عمیق‌تر Identify advanced areas for deeper study

• اهداف یادگیری Learning objectives

خلاصه Summary

• هوش مصنوعی مولد برای توسعه‌دهندگان مشغول جاوا: خلاصه GenAI for busy Java developers: Summary