لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش کاربردهای مدرن هوش مصنوعی مولد
- آخرین آپدیت
دانلود Modern Applications of Generative AI
نکته:
ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره:
دوره «از کنترل تا هوش نوظهور» به یادگیرندگان کمک میکند تا درک کنند رفتار هوش مصنوعی مولد چگونه شکل میگیرد، هدایت میشود و توسعه مییابد و از تعاملات سطحی به دیدگاهی سیستمی حرکت میکند. این دوره با نحوه کنترل مدلها توسط انسان در زمان استنتاج از طریق استراتژیهای پرامپتنویسی و پارامترهای نمونهبرداری آغاز میشود و سپس به بررسی چگونگی شکلدهی مدلها در حین آموزش از طریق یادگیری تقویتی، تنظیم دقیق (Fine-tuning) و بازخورد میپردازد. یادگیرندگان تفاوت ذهنی روشنی بین هوشی که در حین آموزش در مدل نهادینه شده و هوشی که در زمان استنتاج از طریق ساختار، استدلال، ابزارها و حافظه پدیدار میشود، ایجاد میکنند. این چارچوب به یادگیرندگان اجازه میدهد تا هوش مصنوعی مولد مدرن را نه به عنوان یک ابزار ایستا، بلکه به عنوان یک سیستم پویا ببینند که رفتارش هم به نحوه آموزش و هم به نحوه استفاده از آن بستگی دارد.
با پیشرفت دوره، یادگیرندگان از پرامپتهای ساده فراتر رفته و به مباحث استدلال ساختاریافته، مقایسه مدلها و ارزیابی در معماریها و اکوسیستمهای مختلف، از جمله مدلهای متنباز و مدلهای ترکیبی از متخصصان (Mixture-of-Experts) میپردازند. سپس بررسی میکنند که چگونه ابزارها، حافظه و تداوم متن (Context) به سیستمهای هوش مصنوعی اجازه میدهد تا در طول زمان فعالیت کنند و جریانهای کاری عملیاتی را به جای پاسخهای مجزا امکانپذیر سازند. این دوره با کاربردهای دنیای واقعی در حوزههایی مانند برنامهنویسی، کسبوکار، دسترسیپذیری و کارهای خلاقانه به پایان میرسد و با تأملات اخلاقی در سطح فردی درباره معنای کار در کنار سیستمهای هوش مصنوعی همراه است. تا پایان دوره دوم، یادگیرندگان نه تنها یاد میگیرند که چگونه از هوش مصنوعی مولد به طور مؤثر در حال حاضر استفاده کنند، بلکه درک میکنند که چگونه ترکیب کنترل، بازخورد، استدلال، ارزیابی و قابلیتهای خارجی منجر به رفتارهای خودمختارتر میشود و پایهای برای ایجنتها و سیستمهای پیشرفتهتر در دوره سوم فراهم میکند.
سرفصل ها و درس ها
مقدمهای بر دوره
Course Introduction
نمای کلی دوره
Course Overview
مروری بر هوش مصنوعی مولد
Generative AI Refresher
پرامپتنویسی و پارامترهای کنترلی
Prompting and Control Parameters
مقدمهای بر پرامپتنویسی و پارامترهای کنترلی
Prompting and Control Parameters Intro
کنترل در زمان استنتاج: هدایت بدون آموزش مجدد
Inference-Time Control - Steering Without Retraining
چرا دما (Temperature) همه چیز را تغییر میدهد
Why Temperature Changes Everything
اگر پرامپتها رفتار را شکل میدهند، چه کسی به مدل آموخته «خوب» چیست؟
If Prompts Shape Behavior, Who Taught the Model What “Good” Is?
آموزش و همسوسازی (Alignment)
Training and Alignment
مقدمهای بر آموزش و همسوسازی
Training and Alignment Intro
دو نوع هوش: آموزش در برابر استنتاج
Two Kinds of Intelligence - Training vs. Inference
تنظیم دقیق به مثابه مجسمهسازی رفتاری
Fine-Tuning as Behavioral Sculpting
شکلدهی به هوش
Shaping Intelligence
چرا برای هر فکر آموزش مجدد انجام نمیدهیم
Why We Don’t Retrain for Every Thought
داربستهای استدلالی و زنجیره تفکر
Reasoning Scaffolds and Chain-of-Thought
مقدمهای بر محاسبات زمان استنتاج و استدلال
Inference-time compute and Reasoning Intro
فکر کردن روی کاغذ: استدلال بدون یادگیری
Thinking on the Page - Reasoning Without Learning
از پاسخها به فرایندها
From Answers to Processes
اکوسیستم و ارزیابی
Ecosystem and Evaluation
مقدمهای بر اکوسیستم و ارزیابی
Ecosystem and Evaluation Intro
چرا یک مدل هرگز کافی نیست
Why One Model Is Never Enough
متنباز، تقطیر مدل و تخصصیسازی
Open Source, Distillation, and Specialization
از بنچمارکها تا رفتار
From Benchmarks to Behavior
ابزارها، حافظه و تداوم
Tools, Memory and Persistence
مقدمهای بر ابزارها، حافظه و تداوم
Tools, Memory and Persistence Intro
از پاسخها به اقدامات: چرا ابزارها اهمیت دارند
From Answers to Actions - Why Tools Matter
حافظه، متن و تداوم در طول زمان
Memory, Context, and Persistence Across Time
کاربردها و اخلاق
Applications and Ethics
مقدمهای بر کاربردها و اخلاق
Applications and Ethics Intro
از قابلیت تا عمل
From Capability to Practice
هزینههای پنهان راحتی
The Hidden Costs of Convenience
نمایش نظرات