آموزش هوش مصنوعی مولد برای توسعه دهندگان پایتون

Generative AI for Python Developers

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره:

از زمان راه‌اندازی ChatGPT و انتشار زبان‌های مدل‌سازی جدید توسط OpenAI در سال ۲۰۲۲، علاقه فزاینده‌ای در جامعه فناوری گسترده‌تر برای کشف پتانسیل برنامه‌های کاربردی متعدد هوش مصنوعی مولد در نرم‌افزار و توسعه وب وجود داشته است. در این دوره، به مربی سندی لودوسکی بپیوندید تا با جدیدترین ابزارها و فن‌آوری‌ها، با تمرینات عملی و چالش‌های ورزشی در طول مسیر، به سرعت به سرعت برسید.

با نحوه استفاده از هوش مصنوعی مولد برای ایجاد نسل بعدی برنامه‌های کاربردی پایتون، از جمله OpenAI API، که به شما امکان می‌دهد ربات چت دستیار هوش مصنوعی خود را مستقیماً در یک برنامه بسازید و سفارشی کنید، بیاموزید. سندی به شما نشان می‌دهد که چگونه می‌توانید با مدل‌های تولیدی دیگر مانند DALL-E و Whisper Audio API و همچنین نحوه گسترش قابلیت‌های LLM با فراخوانی تابع و ساخت یک ربات چت با دانش سفارشی با استفاده از LangChain، embeddings و ChromaDB، آزمایش کنید.


سرفصل ها و درس ها

معرفی Introduction

  • ادغام هوش مصنوعی با پایتون AI integration with Python

1. معرفی هوش مصنوعی مولد: آنچه باید بدانید 1. Introducing Generative AI: What You Need to Know

  • آنچه شما باید بدانید What you should know

  • چه ابزارهایی نیاز دارید What tools you need

  • هوش مصنوعی مولد: آینده توسعه Generative AI: The future of development

  • هوش مصنوعی مولد: پیدایش و تکامل Generative AI: Genesis and evolution

2. هوش مصنوعی مولد: مفاهیم کلیدی و شروع 2. Generative AI: The Key Concepts and Getting Started

  • شروع با OpenAI: مفاهیم کلیدی Getting started with OpenAI: The key concepts

  • شروع یک پروژه جدید: Quickstart Start a new project: Quickstart

  • شروع به کار با OpenAI: ایجاد یک حساب کاربری Getting started with OpenAI: Create an account

  • پیکربندی پروژه: یک کلید API تنظیم کنید Configure the project: Set up an API key

  • تعریف دستورات و درخواست Defining prompts and making requests

3. ChatGPT API: یک برنامه Chatbot بسازید 3. ChatGPT API: Build a Chatbot Application

  • راه حل: ایجاد یک چت بات خنده دار - قسمت 1 Solution: Create a funny chatbot - part 1

  • چالش: یک چت بات خنده دار ایجاد کنید Challenge: Create a funny chatbot

  • راه اندازی و نمای کلی پروژه Project setup and overview

  • درخواست و ایجاد تکمیل چت Making requests and generating chat completions

  • مقدمه ای بر هوش مصنوعی محاوره ای Introduction to conversational AI

  • احراز هویت و پیکربندی Authentication and configuration

  • راه حل: ایجاد یک چت بات خنده دار - قسمت 2 Solution: Create a funny chatbot - part 2

  • یک پیام سیستمی را با دستورالعمل تعریف کنید Define a system message with instructions

4. آزمایش با سایر مدل های مولد 4. Experimenting with Other Generative Models

  • با DALL·E هنر خلاق ایجاد کنید Generate creative art with DALL·E

  • یک لایه اعتدال اضافه کنید Add a moderation layer

  • Whisper Audio API: ترجمه نمونه صوتی Whisper Audio API: Translate audio sample

  • Whisper Audio API: نمونه‌های صوتی را رونویسی کنید Whisper Audio API: Transcribe audio samples

  • معرفی Moderation API Introducing the Moderation API

  • یک گالری تصاویر با DALL·E ایجاد کنید Create an image gallery with DALL·E

  • متن به تصویر: معرفی مدل DALL·E Text to image: Introducing the DALL·E model

  • Whisper Audio API: گفتار به متن Whisper Audio API: Speech-to-text

5. گسترش قابلیت های LLM با فراخوانی تابع 5. Extending the LLM Capabilities with Function Calling

  • چالش: به یک API عمومی متصل شوید Challenge: Connect to a public API

  • توابع فراخوانی Call functions

  • راه حل: فراخوانی توابع و ایجاد پاسخ های گسترده Solution: Call functions and generate extended responses

  • مقدمه ای بر فراخوانی تابع OpenAI Introduction to OpenAI function calling

  • توابع و پارامترها را تعریف کنید Define functions and parameters

6. ساخت یک چت بات دانش سفارشی با LangChain، Embeddings و ChromaDB 6. Building a Custom-Knowledge Chatbot with LangChain, Embeddings, and ChromaDB

  • بارگیری و تقسیم اسناد Load and split documents

  • شروع کار با LangChain Getting started with LangChain

  • ایجاد یک فروشگاه برداری و جاسازی‌ها (Chroma) Create a vector store and embeddings (Chroma)

  • مفاهیم کلیدی LangChain LangChain key concepts

  • زنجیره های اجرا: بازیابی دانش و تولید محتوا Run chains: Knowledge retrieval and content generation

  • یک رابط کاربری با Streamlit ایجاد کنید Create a user interface with Streamlit

  • اجزای زنجیره ای (LCEL) Chain components (LCEL)

نتیجه Conclusion

  • آخرین کلمات و مراحل بعدی Last words and next steps

نمایش نظرات

آموزش هوش مصنوعی مولد برای توسعه دهندگان پایتون
جزییات دوره
2h 18m
39
Linkedin (لینکدین) Linkedin (لینکدین)
(آخرین آپدیت)
921
- از 5
دارد
دارد
دارد
Sandy Ludosky
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Sandy Ludosky Sandy Ludosky

توسعه دهنده وب و مربی

سندی لودوسکی کار خود را به عنوان مشاور فناوری اطلاعات در کانادا آغاز کرد.

پس از توسعه وردپرس، سندی شروع به توسعه اپلیکیشن های موبایل iOS با زبان سوئیفت کرد.

سندی متخصص در فن آوری های موبایل و وب به مدت 7 سال، از مشتریان خود در پروژه های تحول دیجیتال پشتیبانی می کند. او همچنین به عنوان یک مربی مستقل برای حمایت از فراگیران در بازآموزی حرفه ای برای مشاغل در توسعه وب کار می کند. سندی اغلب در کارگاه ها و طرح های غیرانتفاعی دیده می شود، جایی که او اشتیاق خود را برای آموزش کد با داوطلبان دیگر به اشتراک می گذارد. در وب، او مرتباً آموزش هایی با محتوای آموزشی جدید منتشر می کند.