آموزش طراحی و توسعه برنامه کاربردی هوش مصنوعی - آخرین آپدیت

سرفصل ها و درس ها

مقدمه Introduction

• معرفی Introductions

• از این دوره بیشترین استفاده را کنید Get the most from this course

محیط توسعه راه اندازی Setup development environment

• بخش اجمالی Section overview

• محیط توسعه راه اندازی Setup development environment

• آزمونها ، تمرینات و پروژه ها Quizzes, Exercises, and Projects

• دسترسی به مدلهای بزرگ زبان Accessing the Large Language Models

AI تولیدی: اصول Generative AI : Fundamentals

• بخش اجمالی Section overview

• معرفی AI ، ML ، شبکه های عصبی و Gen AI Intro to AI, ML, Neural Networks, and Gen AI

• نورون ها ، شبکه های یادگیری عصبی و عمیق Neurons, Neural & Deep Learning Networks

• ورزش: برای حل معادلات ریاضی یک شبکه عصبی را امتحان کنید Exercise: Try out a Neural Network for Solving Math Equations

• نگاهی به مدل AI تولیدی به عنوان یک جعبه سیاه A Look at Generative AI Model as a Black Box

• مسابقه: اصول مدل های AI تولیدی Quiz: Fundamentals of Generative AI Models

• مروری بر برنامه های AI تولیدی An Overview of Generative AI Applications

• ورزش: دسترسی به مدل های Google Gemini Exercise: Setup Access to Google Gemini Models

• مقدمه ای برای بغل کردن صورت Introduction to Hugging Face

• ورزش: پرداخت پورتال صورت بغل کردن Exercise: Checkout the Hugging Face Portal

• ورزش: به جامعه بپیوندید و چهره بغل کردن را کشف کنید Exercise: Join the Community and Explore Hugging Face

• مسابقه: هوش مصنوعی تولیدی و بغل کردن صورت Quiz: Generative AI and Hugging Face

• مقدمه پردازش زبان طبیعی (NLP ، NLU ، NLG) Intro to Natural Language Processing (NLP, NLU, NLG)

• NLP با LLMS NLP with LLMs

• ورزش: کارهای NLP را با بغل کردن مدل های صورت امتحان کنید Exercise: Try Out NLP Tasks with Hugging Face Models

• مسابقه: NLP با LLMS Quiz: NLP with LLMs

برنامه های AI تولیدی Generative AI applications

• بخش اجمالی Section overview

• آشنایی با اولاما Introduction to OLlama

• میزبانی مدل Ollama OLlama model hosting

• طرح نامگذاری مدل Model Naming Scheme

• مدلهای آموزش ، تعبیه و چت Instruct, Embedding, and Chat Models

• مسابقه: آموزش ، تعبیه و مدل های چت Quiz: Instruct, Embedding, and Chat Models

• پیش بینی کلمه بعدی توسط LLM و کار ماسک را پر کنید Next Word Prediction by LLM and Fill Mask Task

• پارامترهای کنترل استنتاج مدل Model Inference Control Parameters

• پارامترهای استنتاج کنترل تصادفی Randomness Control Inference Parameters

• ورزش: کلید تنظیم را تنظیم کنید و پارامترهای کنترل تصادفی را امتحان کنید Exercise: Setup Cohere Key and Try Out Randomness Control Parameters

• پارامترهای استنتاج کنترل تنوع Diversity Control Inference Parameters

• پارامترهای کنترل طول خروجی Output Length Control Parameters

• ورزش: پارامترهای رمزگشایی یا استنتاج را امتحان کنید Exercise: Try Out Decoding or Inference Parameters

• مسابقه: رمزگشایی بیش از حد پارامترها Quiz: Decoding Hyper-parameters

• مقدمه ای برای یادگیری درون متن Introduction to In-Context Learning

• مسابقه: یادگیری درون متن Quiz: In-Context Learning

در آغوش گرفتن مدل های چهره: اصول Hugging Face Models : Fundamentals

• بخش اجمالی Section overview

• ورزش: با بغل کردن کتابخانه ترانسفورماتور صورت نصب و کار کنید Exercise: Install & Work with Hugging Face Transformers Library

• کلاس های خط لوله کتابخانه ترانسفورماتور Transformers Library Pipeline Classes

• مسابقه: بغل کردن کتابخانه ترانسفورماتور صورت Quiz: Hugging Face Transformers Library

• بغل کردن کتابخانه Hub Face و کار با نقاط پایانی Hugging Face Hub Library & Working with Endpoints

• مسابقه: بغل کردن کتابخانه Hub Face Quiz: Hugging Face Hub Library

• ورزش: اثبات مفهوم (POC) برای کار خلاصه Exercise: Proof of Concept (PoC) for Summarization Task

• بغل کردن ابزارهای CLI صورت و ذخیره سازی مدل Hugging Face CLI Tools and Model Caching

(اختیاری) مدل های چهره بغل: پیشرفته (Optional) Hugging Face Models : Advanced

• بخش اجمالی Section overview

• ورودی/خروجی مدل و تنش Model Input/Output and Tensors

• بغل کردن کلاسهای پیکربندی مدل صورت Hugging Face Model Configuration Classes

• کلاسهای نشانه گذاری و نشانه گذاری Model Tokenizers & Tokenization Classes

• کار با logits Working with Logits

• در آغوش گرفتن مدلهای صورت کلاسهای خودکار Hugging Face Models Auto Classes

• مسابقه: بغل کردن کلاسهای صورت Quiz: Hugging Face Classes

• ورزش: ایجاد یک سیستم پاسخگویی سوالی Exercise: Build a Question Answering System

چالش های LLM و مهندسی سریع LLM challenges & prompt engineering

• بخش اجمالی Section overview

• با مدل های بزرگ زبان به چالش می کشد Challenges with Large Language Models

• مدل سازی و تهویه مدل Model Grounding and Conditioning

• ورزش: مدل های سازگار با دامنه را کاوش کنید Exercise: Explore the Domain Adapted Models

• مهندسی و شیوه های سریع (1 از 2) Prompt Engineering and Practices (1 of 2)

• مهندسی و شیوه های سریع (2 از 2) Prompt Engineering and Practices (2 of 2)

• مسابقه و تمرین: بهترین روشها Quiz & Exercise: Prompting Best Practices

• چند عکس و شات صفر Few-Shot & Zero-Shot Prompts

• مسابقه و ورزش: چند عکس شات Quiz & Exercise: Few-Shot Prompts

• زنجیره ای از تکنیک برانگیخته Chain of Thought Prompting Technique

• مسابقه و ورزش: زنجیره اندیشه Quiz & Exercise: Chain of Thought

• تکنیک برانگیختگی خود Self-Consistency Prompting Technique

• درخت افکار باعث تکنیک Tree of Thoughts Prompting Technique

• مسابقه و ورزش: درخت فکر Quiz & Exercise: Tree of Thought

• ورزش: کارنامه نوشتن خلاق (V1) Exercise: Creative Writing Workbench (v1)

Langchain: اعلان ها ، زنجیرها و lcel Langchain : Prompts, Chains & LCEL

• بخش اجمالی Section overview

• الگوهای سریع Prompt Templates

• چند الگوی سریع و انتخاب کننده های مثال Few-Shot Prompt Template & Example Selectors

• ویژگی مدل سریع Prompt Model Specificity

• LLM فراخوانی ، جریان ، دسته ها و Fake LLM LLM Invoke, Streams, Batches & Fake LLM

• ورزش: با استفاده از Langchain با LLM ارتباط برقرار کنید Exercise: Interact with LLM Using LangChain

• ورزش: LLM ابزار مشتری Exercise: LLM Client Utility

• مسابقه: الگوهای سریع ، LLM و LLM جعلی Quiz: Prompt Templates, LLM, and Fake LLM

• آشنایی با زبان اعدام Langchain Introduction to LangChain Execution Language

• ورزش: ایجاد زنجیره متوالی مرکب ایجاد کنید Exercise: Create Compound Sequential Chain

• LCEL: کلاسهای قابل اجرا (1 از 2) LCEL: Runnable Classes (1 of 2)

• LCEL: کلاس های Runnable (2 از 2) LCEL: Runnable Classes (2 of 2)

• ورزش: الگوهای LCEL مشترک را امتحان کنید Exercise: Try Out Common LCEL Patterns

• ورزش: نوشتن خلاق Workbench v2 Exercise: Creative Writing Workbench v2

• مسابقه: LCL ، زنجیر و Runnables Quiz: LCEL, Chains and Runnables

برخورد با پاسخ های ساختاری از LLM Dealing with structured responses from LLM

• بخش اجمالی Section overview

• چالش هایی با پاسخ های ساختاری Challenges with Structured Responses

• پارسرهای خروجی Langchain LangChain Output Parsers

• ورزش: از enumoutputparser استفاده کنید Exercise: Use the EnumOutputParser

• ورزش: از pydanticoutputparser استفاده کنید Exercise: Use the PydanticOutputParser

• پروژه: میز کار نوشتن خلاق Project: Creative Writing Workbench

• پروژه: راه حل راه حل (1 از 2) Project: Solution Walkthrough (1 of 2)

• پروژه: راه حل راه حل (2 از 2) Project: Solution Walkthrough (2 of 2)

• رسیدگی به خطاهای تجزیه Handling Parsing Errors

• مسابقه و ورزش: پارسرها ، رسیدگی به خطا Quiz and Exercise: Parsers, Error Handling

مجموعه داده های آموزش مدل و آزمایش Datasets for model training, and testing

• بخش اجمالی Section overview

• مجموعه داده های قبل از آموزش LLM Datasets for LLM Pre-training

• کتابخانه مجموعه داده ها و مجموعه داده ها HuggingFace Datasets and Datasets Library

• ورزش: از ویژگی های کتابخانه مجموعه داده استفاده کنید Exercise: Use Features of Datasets Library

• ورزش: یک مجموعه داده را در مورد بغل کردن صورت ایجاد و منتشر کنید Exercise: Create and Publish a Dataset on Hugging Face

بردارها ، تعبیه ها و جستجوی معنایی Vectors, embeddings & semantic search

• معنای درک متنی چیست؟ What is the Meaning of Contextual Understanding?

• بلوک های ساختمانی معماری ترانسفورماتور Building Blocks of Transformer Architecture

• مقدمه به بردارها ، فضاهای بردار و تعبیه Intro to Vectors, Vector Spaces, and Embeddings

• اندازه گیری شباهت معنایی با فاصله Measuring semantic similarity with distance

• مسابقه: بردارها ، تعبیه ها ، شباهت Quiz: Vectors, Embeddings, Similarity

• مدل های ترانسفورماتور جمله (SBERT) Sentence transformer models (SBERT)

• کار با ترانسفورماتورهای جمله Working with sentence transformers

• ورزش: با طبقه بندی و کارهای معدن کار کنید Exercise: Work with Classification and Mining Tasks

• ایجاد تعبیه با Langchain Creating embeddings with LangChain

• ورزش: کلاسهای CachebackedEmbeddings Exercise: CacheBackedEmbeddings Classes

• جستجوی واژگانی ، معنایی و KNN Lexical, semantic, and kNN search

• بازده جستجو و معیارهای عملکرد جستجو Search Efficiency and Search Performance Metrics

• الگوریتم های جستجو ، فهرست بندی ، آن ، Faiss Search Algorithms, Indexing, ANN, FAISS

• مسابقه و ورزش: برای جستجوی شباهت ، Faiss را امتحان کنید Quiz & Exercise: Try Out FAISS for Similarity Search

• الگوریتم جستجو: حساسیت محلی هاهش (LSH) Search Algorithm: Local Sensitivity Hashing (LSH)

• الگوریتم جستجو: شاخص پرونده معکوس (IVF) Search Algorithm: Inverted File Index (IVF)

• الگوریتم جستجو: کمیت محصول (PQ) Search Algorithm: Product Quantization (PQ)

• الگوریتم جستجو: HNSW (1 از 2) Search Algorithm: HNSW (1 of 2)

• الگوریتم جستجو: HNSW (2 از 2) Search Algorithm: HNSW (2 of 2)

• مسابقه و ورزش: الگوریتم ها و معیارهای جستجو Quiz & Exercise: Search Algorithms & Metrics

• پروژه: ساخت یک موتور توصیه فیلم Project: Build a Movie Recommendation Engine

• معیار الگوریتم های آن Benchmarking ANN Algorithms

• ورزش: معیار الگوریتم های ANN Exercise: Benchmark the ANN Algorithms

پایگاه داده های بردار Vector databases

• چالش ها با کتابخانه های جستجوی معنایی Challenges with semantic search libraries

• آشنایی با پایگاه داده های بردار Introduction to Vector Databases

• ورزش: Chromadb را امتحان کنید Exercise: Try out ChromaDB

• ورزش: تعبیه های سفارشی Exercise: Custom embeddings

• جستجوهای متقارن و نامتقارن Chunking, Symmetric & Asymmetric Searches

• لودرهای اسناد Langchain LangChain Document Loaders

• تقسیم کننده متن Langchain برای تکه تکه شدن LangChain Text Splitters for Chunking

• Langchain Retrievers & Vector Store LangChain Retrievers & Vector stores

• نمرات جستجو و حداکثر-سلطنتی (MMR) Search Scores and Maximal-Marginal-Relevancy (MMR)

• پروژه: شرکت پذیرش Pinecone @ Project: Pinecone Adoption @ Company

• مسابقه: پایگاه داده های بردار ، تکه ، تقسیم کننده متن Quiz: Vector Databases, Chunking, Text Splitters

رابط کاربری مکالمه Conversation User Interface

• آشنایی با چارچوب جریان Introduction to Streamlit Framework

• ورزش: یک زمین بازی Buggingface LLM بسازید Exercise: Build a HuggingFace LLM Playground

• ایجاد رابط های کاربر مکالمه Building Conversational User Interfaces

• ورزش: با streamlit یک چت بابات بسازید Exercise: Build a Chatbot with Streamlit

• حافظه مکالمه Langchain LangChain Conversation Memory

• مسابقه و ورزش: ساخت چت بابات با لانگچین Quiz & Exercise: Building Chatbots with LangChain

• پروژه: برنامه Summarizer سند PDF Project: PDF Document Summarizer Application

بازیابی پیشرفته نسل افزوده Advanced Retrieval Augmented Generation

• مقدمه ای برای بازیابی نسل افزوده (RAG) Introduction to Retrieval Augmented Generation (RAG)

• خط لوله های پارچه ای لانگچین LangChain RAG Pipelines

• ورزش: با Langchain retriever هوشمند بسازید Exercise: Build Smart Retriever with LangChain

• مسابقه: Rag and Retrievers Quiz: RAG and Retrievers

• الگوی: Multi Query Retriever (MQR) Pattern: Multi Query Retriever (MQR)

• الگوی: Retriever Document Parent (PDR) Pattern: Parent Document Retriever (PDR)

• الگوی: Multi Vector Retriever (MVR) Pattern: Multi Vector Retriever (MVR)

• مسابقه: MQR ، PDR و MVR Quiz: MQR, PDR and MVR

• رتبه بندی ، پراکنده ، متراکم و بازیابی گروه Ranking, Sparse, Dense & Ensemble Retrievers

• الگوی: تنظیم مجدد زمینه طولانی (LCR) Pattern: Long Context Reorder (LCR)

• مسابقه: گروه و بازیابی متن طولانی Quiz: Ensemble & Long Context Retrievers

• الگوی: کمپرسور متنی Pattern: Contextual Compressor

• الگوی: retriever ادغام Pattern: Merger Retriever

• مسابقه: کمپرسورهای متنی و الگوهای بازیابی ادغام Quiz: Contextual Compressors and Merger Retriever Patterns

پارچه پارچه ای Agentic RAG

• آشنایی با عوامل ، ابزار و پارچه عامل Introduction to Agents, Tools, and Agentic RAG

• ورزش: یک عامل تک مرحله ای را بدون لانگچین بسازید Exercise: Build a Single-Step Agent without LangChain

• ابزارها و ابزارهای Langchain LangChain Tools and Toolkits

• مسابقه: عوامل ، ابزار و ابزارهای Quiz: Agents, Tools & Toolkits

• ورزش: ابزار ابزار Filemanagement را امتحان کنید Exercise: Try Out the FileManagement Toolkit

• چگونه انسان ها و LLM ها فکر می کنیم؟ How Do We Humans & LLMs Think?

• React Framework و عوامل چند مرحله ای ReACT Framework & Multi-Step Agents

• ورزش: ایجاد سوال/پاسخ به عامل React Exercise: Build Question/Answering ReACT Agent

• ورزش: یک عامل واکنش چند مرحله ای بسازید Exercise: Build a Multi-Step ReACT Agent

• برنامه های کاربردی Langchain برای ساخت راه حل های عامل-RAG LangChain Utilities for Building Agentic-RAG Solutions

• ورزش: با استفاده از Langchain یک محلول عامل راگ بسازید Exercise: Build an Agentic-RAG Solution using LangChain

• مسابقه: پارچه عامل و واکنش نشان می دهد Quiz: Agentic RAG and ReAct

تنظیم دقیق Fine tuning

• آشنایی با تنظیم دقیق Introduction to Fine-tuning

• تنظیم دقیق: دلایل Fine-tuning : Reasons

• بررسی اجمالی فرآیند تنظیم Fine tuning process overview

• ابزارهایی برای تنظیم دقیق Tools for fine tuning

• ورزش: مدل Cohere Tune Tune برای طبقه بندی سمیت Exercise: Fine tune Cohere model for toxicity classification

• ایجاد یک مجموعه داده برای تنظیم دقیق Creating a dataset for fine tuning

• ورزش: یک مجموعه داده و خوب مدل AI 4O را باز کنید Exercise: Prepare a dataset and fine tune Open AI 4o model

• پروژه: ساخت یک مجموعه داده تشخیص کلاهبرداری کارت اعتباری Project: Build a credit card fraud detection dataset

آماده سازی مجموعه داده ها برای تنظیم دقیق Dataset preparation for fine-tuning

• آشنایی با alpaca Introduction to Alpaca

• قالبهای تنظیم دقیق Fine-tuning dataset formats

• ورزش: به جستجوی مجموعه داده های تنظیم دقیق بپردازید Exercise: Explore instruct fine-tuning datasets

• مجموعه داده های تنظیم دقیق برای گپ Fine-tuning datasets for chats

• ورزش: مجموعه داده های چت را برای تنظیم دقیق آماده کنید Exercise: Prepare chat dataset for fine-tuning

• مسابقه: مجموعه داده های تنظیم دقیق Quiz: Fine-tuning datasets

قبل از آموزش و تنظیم دقیق با مربی بغل کردن Pre-training & Fine-tuning with HuggingFace Trainer

• تنظیم دقیق زیر پوشش Fine-tuning under the covers

• Hyperparameters: قسمت 1 از 2 Hyperparameters : part 1 of 2

• Hyperparameters: قسمت 2 از 2 Hyperparameters : part 2 of 2

• بازرسی را درک کنید Understand the checkpointing

• ورزش: Hyperparameters را کاوش کنید Exercise: Explore Hyperparameters

• مقدمه مربی HUGGINGFACE ، کلاس های جمع کننده داده Intro HuggingFace Trainer, Data collator classes

• ورزش: دیتاكول ها را امتحان كنید Exercise: Try out the DataCollators

• ورزش: مدل روبرتا قبل از آموزش Exercise: Pre-training Roberta model

• ورزش: Bert کامل با هم خوب برای تجزیه و تحلیل احساسات Exercise: Full fine-tune BERT for sentiment analysis

• مسابقه: Hyperparameters و تنظیم دقیق Quiz: Hyperparameters & Fine-tuning

میزان سازی Quantization

• نیازهای محاسبه آموزش LLM LLM training compute needs

• استنباط نیازهای محاسباتی Inferencing compute needs

• مسابقه: درک خود را از GPU و CUDA بررسی کنید Quiz : Check your understanding of GPU & CUDA

• مقدمه ای برای تعیین کمیت Introduction to Quantization

• ورزش: ریاضیات کمیت (تکنیک وابسته) Exercise: Quantization maths (Affine technique)

• استفاده از کمیت: استاتیک و پویا Applying quantization : Static & Dynamic

• ورزش: کمیت پویا با Pytorch Exercise: Dynamic quantization with PyTorch

• ورزش: کمیت استاتیک با autogptq Exercise: Static quantization with AutoGPTQ

• مسابقه: درک خود را از کمیت بررسی کنید Quiz: Check your understanding of quantization