آموزش بوت‌کمپ جامع مهندسی هوش مصنوعی فول استک - آخرین آپدیت

سرفصل ها و درس ها

مقدمه‌ای بر مهندسی هوش مصنوعی Introduction to AI Engineering

• یادگیری ماشین چیست What is Machine Learning

• تفاوت AI، ML و DL AI vs ML vs DL

• انواع یادگیری ماشین Machine Learning Types

• دانلود منابع Download Resources

• کوییز Quiz

یادداشت‌های کامل دوره – دفترچه راهنمای مهندسی AI شما Complete Course Notes – Your AI Engineering Playbook

• دانلود یادداشت‌های کامل دوره Download Complete Course Notes

ریاضیات برای یادگیری ماشین Math For Machine Learning

• بردار چیست What is Vector

• انواع مختلف بردارها Different Types of Vectors

• عملیات جمع برداری Vector Addition Operation

• وسعت بردار (Vector Span) چیست What is Vector Span

• ضرب برداری Vector Multiplication

• درک شهودی بردارها برای پروژه‌های یادگیری ماشین Vector Intuition for Machine Learning Project

• مشتق چیست What is Derivative

• مشتق جزئی چیست What is Partial Derivative

• درک شهودی گرادیان‌ها Intuition of Gradients

• قانون زنجیری مشتق Chain Rule of Derivative

• کوییز Quiz

آمار برای علوم داده Statistics for Data Science

• مقدمه‌ای بر آمار Introduction to Statistics

• سطوح اندازه‌گیری در آمار Level of Measurement in Statistics

• میانگین، میانه و مد Mean, Median & Mode

• تابع توزیع احتمال در آمار Probability Distribution Function in Statistics

• تابع جرم احتمال (PMF) چیست What is Probability Mass Function

• اصلاحیه کوچک در PMF Small Correction in PMF

• تابع چگالی احتمال در آمار Probability Density Function in Statistics

• توزیع نرمال چیست What is Normal Distribution

• جامعه و نمونه در آمار Population and Sample in Statistics

• اصطلاحات رایج آماری که باید بدانید Common Statistical Terms You Should Know

• Z-Scoreها در آمار Z-Scores in Statistics

• توضیح توزیع‌های غیر گوسی Non-Gaussian Distribution Explained

• توزیع دوجمله‌ای و پوآسون Binomial & Poisson Distribution

• قضیه حد مرکزی چیست What is Central Limit Theorem

• بازه اطمینان در آمار Confidence Interval in Statistics

• آزمون فرضیه Hypothesis Testing

• آزمون T و ANOVA T-Test and ANOVA

• کوییز Quiz

مبانی پایتون برای مهندسی هوش مصنوعی Python Fundamentals For AI Engineering

• دانلود منابع Download Resources

• پایتون چگونه کار می‌کند How Python Works

• نصب پایتون Python Installation

• متغیرها در پایتون Variables in Python

• حلقه‌ها در پایتون Loops in Python

• ساختارهای داده در پایتون Data Structure in Python

• نحوه عملکرد Import در پایتون How Import Works in Python

• متدها در پایتون Methods in Python

• مدیریت استثناها (Exception Handling) در پایتون Python Exception Handling

• برنامه‌نویسی شی‌گرا (OOP) در پایتون Object Oriented Programming in Python

• List Comprehension در پایتون List Comprehension in Python

• کار با فایل‌ها در پایتون File Handling in Python

• ژنراتورها و دکوراتورها در پایتون Generator and Decorator in Python

• پردازش موازی (Multiprocessing) در پایتون Python Multiprocessing

• Asyncio در پایتون Python Asyncio

• راه‌اندازی محیط مجازی (Virtual Environment) در پایتون Virtual Environment Setup in Python

• توابع Lambda در پایتون Python Lambda Function

• توابع Map، Filter و Reduce Python Map, Filter & Reduce

• دسترسی به کدهای دوره: NumPy, Pandas, Matplotlib و Seaborn Access Course Code: NumPy, Pandas, Matplotlib & Seaborn

• مبانی NumPy در پایتون NumPy Fundamentals in Python

• مبانی Pandas در پایتون Pandas Fundamentals in Python

• مبانی Matplotlib در پایتون Matplotlib Fundamentals in Python

• مبانی Seaborn در پایتون Seaborn Fundamentals in Python

بصری‌سازی داده‌ها Data Visualization

• مقدمه‌ای بر بصری‌سازی داده‌ها Introduction to Data Visualization

• راه‌اندازی پروژه Project Setup

• توضیح نمودار میله‌ای (Bar Chart) Bar Chart Explained

• دانلود مجموعه‌داده‌ها از Kaggle Downloading Datasets from Kaggle

• میانگین، میانه و مد Mean, Median and Mode

• نمودار هیستوگرام و KDE Plot Histogram and KDE Plot

• نمودار پراکندگی (Scatter Plot) Scatter Plot

• بصری‌سازی روابط با Pairplots Visualizing Relationship with Pairplots

• توضیح Bar Plot Bar Plot Explained

• بصری‌سازی داده‌های دسته‌ای با Count Plots Visualizing Categorical Data with Count Plots

• یافتن الگوها در داده‌ها با استفاده از بصری‌سازی Finding Patterns in a Dataset Using Data Visualization

• بصری‌سازی داده‌ها Data Visualization

• بصری‌سازی داده‌های دسته‌ای Data Visualization for Categorical Data

مهندسی ویژگی‌ها برای یادگیری ماشین Feature Engineering for Machine Learning

• مقدمه‌ای بر مهندسی ویژگی‌ها Introduction to Feature Engineering

• استانداردسازی (Standardization) چیست What is Standardization

• نرمال‌سازی (Normalization) چیست What is Normalization

• توضیح Ordinal Encoding Ordinal Encoding Explained

• توضیح One Hot Encoding (OHE) One Hot Encoding (OHE) Explained

• تبدیل متغیرها (Variable Transformation) چیست What is Variable Transformation

• نحوه مدیریت متغیرهای ترکیبی در مجموعه‌داده How to Handle Mixed Variable in a Dataset

• نحوه مدیریت داده‌های گم‌شده (Missing Data) How to Handle Missing Data in a Dataset

• جایگذاری با KNN (KNN Imputation) KNN Imputation

• جایگذاری با KNN (بخش دوم) KNN Imputation

• جایگذاری با MICE MICE Imputation

• نحوه شناسایی داده‌های پرت (Outliers) How to Detect Outliers in a Dataset

• شناسایی داده‌های پرت Detect Outliers

• توضیح ساخت ویژگی (Feature Construction) Feature Construction Explained

تحلیل اکتشافی داده‌ها (EDA) Exploratory Data Analysis (EDA)

• مقدمه‌ای بر EDA Introduction to EDA

• تفاوت EDA و مهندسی ویژگی‌ها EDA vs Feature Engineering

• راه‌اندازی پروژه Project Setup

• کاوش در مجموعه‌داده Exploring the Dataset

• تغییر انواع داده‌ها در مجموعه‌داده Changing Data Types in a Dataset

• نحوه انجام جایگذاری (Imputation) در داده‌ها How to Perform Imputation on a Dataset

• جایگذاری در ویژگی‌های گسسته Imputation on Discreate Features

• پاک‌سازی داده‌ها در EDA Data Cleaning in EDA

• شناسایی داده‌های پرت در مجموعه‌داده Detecting Outliers in a Dataset

• تحلیل داده‌ها Data Analysis

• مهندسی ویژگی‌ها در یک مجموعه‌داده Feature Engineering in a Dataset

• توضیح نشت داده‌ها (Data Leakage) Data Leakage Explained

SQL برای مهندسان هوش مصنوعی SQL for AI Engineers

• مقدمه‌ای بر RDBMS و SQL Introduction to RDBMS and SQL

• نصب PostgreSQL در ویندوز PostgreSQL Installation on Windows

• ایجاد اولین جدول در PostgreSQL Create Our First Table in PostgreSQL

• درج رکوردها در PostgreSQL Insert Records in PostgreSQL

• کوئری Update در SQL SQL Update Query

• کوئری Delete در SQL SQL Delete Query

• تفاوت دستور Drop و Truncate در SQL Drop vs Truncate Command in SQL

• کلمه کلیدی Alter در SQL SQL Alter Keyword

• تسلط بر دستورات SQL: DDL, DML, DQL و DCL Master SQL Commands: DDL, DML, DQL & DCL

• نحوه اجرای کوئری توسط SQL How SQL Executes a Query

• استراتژی طراحی دیتابیس Database Design Strategy

• درک کلید اصلی (Primary Key) و کلید خارجی (Foreign Key) Understanding Primary Key and Foreign Key in SQL

• ثبات داده‌ها (Data Consistency) در SQL چیست What is Data Consistency in SQL

• توضیح Joinها: Inner, Left, Right و Full SQL Joins Explained: Inner, Left, Right and Full

• GROUP BY در SQL چیست What is GROUP BY in SQL

• درک زیر-کوئری‌ها (Subqueries) در SQL Understanding Subqueries in SQL

• درک نرمال‌سازی دیتابیس Understanding Database Normalization

• تسلط بر Viewها در SQL Mastering Views in SQL

• Materialized Views در SQL Materialized Views in SQL

• هم‌روندی (Concurrency) در SQL: قفل‌ها، ایزولاسیون و تراکنش‌ها Concurrency in SQL: Locks, Isolation and Transactions

• درک انواع داده Array و JSON در SQL Understanding Array and JSON Data Types in SQL

• تسلط بر Stored Procedures در SQL Mastering Stored Procedures in SQL

• تسلط بر Window Functions در SQL Mastering Window Functions in SQL

• درک ویژگی‌های ACID در PostgreSQL Understanding ACID Properties in PostgreSQL

• کوییز Quiz

یادگیری ماشین نظارت شده با Scikit learn Supervised Machine Learning with Scikit-learn

• اولین قدم قبل از هر پروژه یادگیری ماشین First Step Before Any Machine Learning Project

• درک شهودی رگرسیون خطی ساده Simple Linear Regression Intuition

• تابع هزینه (Cost Function) چیست What is Cost Function

• گرادیان نزولی (Gradient Descent) چیست What is Gradient Descent

• درک شهودی نرخ یادگیری (Learning Rate) Learning Rate Intuition

• ریاضیات پشت به‌روزرسانی وزن‌ها Mathematical Intuition Behind Weights Update

• رگرسیون خطی چندگانه Multiple Linear Regression

• معیارهای ارزیابی عملکرد مدل‌ها Performance metrics of Models

• درک توابع هزینه مختلف Understand Different Cost Functions

• بیش‌برازش (Overfitting) و کم‌برازش (Underfitting) Overfitting and Underfitting in Machine Learning

• اعتبارسنجی مدل چیست What is Mode Validation

• رگرسیون خطی ساده در Scikit learn Simple Linear Regression in Scikit-learn

• آموزش مدل با استفاده از Scikit learn Train the Model using Scikit-learn

• اعتبارسنجی عملکرد مدل Validate Model Performance

• رگرسیون خطی چندگانه با Scikit learn Multiple Linear Regression Using Scikit-learn

• رگرسیون چندجمله‌ای (Polynomial Regression) چیست What is Polynomial Regression

• رگرسیون چندجمله‌ای با Scikit learn Polynomial Regression Using Scikit-learn

• رگرسیون Ridge چیست What is Ridge Regression

• رگرسیون Lasso چیست What is Lasso Regression

• درک اعتبارسنجی متقاطع (Cross Validation) Understand Cross Validation

• رگرسیون Ridge و Lasso در Scikit learn Ridge and Lasso Regression in Scikit-learn

• ریاضیات پشت رگرسیون لجستیک Mathematical Intuition Behind Logistic Regression

• درک معادله رگرسیون لجستیک Understand Logistic Regression Equation

• تابع هزینه برای رگرسیون لجستیک Cost Function for Logistic Regression

• معیارهای ارزیابی برای رگرسیون لجستیک Performance Metrics for Logistic Regression

• درک طبقه‌بندی چندسطحی Understand Multi Level Classification

• کدنویسی رگرسیون لجستیک با Scikit learn Code Logistic Regression Using Scikit-learn

• رگرسیون خطی در مقابل رگرسیون لجستیک Linear Regression vs Logistic Regression

• ماشین بردار پشتیبان (SVM) Support Vector Machine (SVM)

• ریاضیات SVM SVM Math Intuition

• توابع هزینه SVM SVM Cost Functions

• درک کرنل‌های SVM Understand SVM Kernels

• ساخت مدل SVM با Scikit learn Build SVM Model Using Scikit-learn

• K-نزدیک‌ترین همسایه (KNN) K-Nearest Neighbors (KNN)

• الگوریتم Naive Bayes Naive Bayes Algorithm

• ریاضیات الگوریتم Naive Bayes Naive Bayes Algorithm Math Intuition

• به‌کارگیری Naive Bayes روی مجموعه‌داده Apply Naive Bayes on Dataset

• انواع الگوریتم Naive Bayes Types of Naive Bayes Algorithm

• استفاده از Naive Bayes در Scikit learn Naive Bayes using Scikit-learn

• الگوریتم درخت تصمیم (Decision Tree) Decision Tree Algorithm

• محاسبه آنتروپی در درخت تصمیم Calculate Entropy in Decision Tree Algorithm

• محاسبه بهره (Gain) در درخت تصمیم Calculate Gain in Decision Tree Algorithm

• درک شهودی Pre-Pruning و Post-Pruning Pre-Pruning and Post-Pruning Intuition

• رگرسور درخت تصمیم Decision Tree Regressor

• چه زمانی از درخت تصمیم استفاده کنیم When to Use Decision Tree

• الگوریتم درخت تصمیم با Scikit learn Decision Tree Algorithm Using Scikit-learn

• الگوریتم جنگل تصادفی (Random Forest) Random Forest Algorithm

• درک شهودی Random Forest Random Forest Algorithm Intuition

• مقدمه‌ای بر الگوریتم AdaBoost Introduction to AdaBoost Algorithm

• محاسبه وزن‌ها در AdaBoost Calculate Weights in AdaBoost Algorithm

• ریاضیات الگوریتم AdaBoost AdaBoost Algorithm Mathematical Intuition

• تفاوت AdaBoost و Random Forest AdaBoost vs Random Forest Algorithm

• مقدمه‌ای بر الگوریتم XGBoost Introduction to XGBoost Algorithm

• ویژگی‌های مختلف الگوریتم XGBoost Different Features of XGBoost Algorithm

• نحوه عملکرد Gradient Boosting How Gradient Boosting Works

• XGBoost در مسائل رگرسیون XGBoost on Regression Problem

• XGBoost در مسائل طبقه‌بندی XGBoost on Classification Problem

• ساخت مدل با XGBoost و Scikit learn Build Model with XGBoost and Scikit-learn

• چه زمانی از کدام الگوریتم استفاده کنیم When to Use Which Algorithms

• کوییز Quiz

یادگیری ماشین نظارت نشده Unsupervised Machine Learning

• الگوریتم خوشه‌بندی K-means K-means Clustering Algorithm

• خوشه‌بندی K-means با Scikit learn K-means Clustering Using Scikit-learn

• الگوریتم خوشه‌بندی سلسله‌مراتبی Hierarchical Clustering Algorithm

• الگوریتم خوشه‌بندی DBSCAN DBSCAN Clustering Algorithm

• شناسایی ناهنجاری (Anomaly Detection) در یادگیری ماشین Anomaly Detection in Machine Learning

• کوییز Quiz

FastAPI و Docker FastAPI and Docker

• DevOps برای یادگیری ماشین DevOps for Machine Learning

• داکر (Docker) چیست What is Docker

• نصب Docker Desktop Docker Desktop Installation

• ساخت خط لوله مدل رگرسیون خطی با پایتون Build Linear Regression Model Pipeline using Python

• ایجاد فایل pkl. Create .pkl File

• FastAPI چیست What is FastAPI

• ساختار پوشه‌ها در پروژه FastAPI Folder Structure in a FastAPI Project

• ایجاد فایل main.py در FastAPI Create main.py file in FastAPI

• ایجاد API و تمپلیت صفحه لندینگ Create Landing Page API and Template

• ایجاد Endpoint پیش‌بینی در FastAPI Create Prediction Endpoint in FastAPI

• ایجاد Dockerfile Create a Dockerfile

• ایجاد کانتینر و اجرای Image در داکر Create Container and Run the Image inside Docker

مهندسی داده برای مهندسان هوش مصنوعی Data Engineering for AI Engineers

• مقدمه‌ای بر مهندسی داده Introduction to Data Engineering

• بررسی کلی جایگاه مهندسی داده A Big Overview of Where Data Engineering Fits

• داده‌های حجیم (Big Data) چیست What is Big Data

• درک معماری HDFS Understand HDFS Architecture

• معماری Apache Spark Apache Spark Architecture

• درک Spark Cluster Understand Spark Cluster

• نحوه عملکرد Spark Plans How Spark Plans Work

• نحوه اتصال تمام اجزا به یکدیگر How Everything Fits Together

• مقدمه‌ای بر Kafka Introduction to Kafka

• درک معماری Kafka Understand Kafka Architecture

• کوییز Quiz

Azure Databricks برای مهندسان هوش مصنوعی Azure Databricks for AI Engineers

• مقدمه‌ای بر Databricks Introduction to Databricks

• انواع حساب‌های Databricks Types of Databricks Account

• درک اکوسیستم Databricks Understand Databricks Ecosystem

• نحوه عملکرد داخلی Databricks How Databricks Works Under the Hood

• شروع کار با PySpark Getting Started with PySpark

• راه‌اندازی Databricks در Azure Setup Databricks on Azure

• Microsoft Entra ID چیست؟ مبانی هویت و دسترسی What is Microsoft Entra ID? Identity & Access Basics

• مقدمه‌ای بر Unity Catalog در Databricks Introduction to Unity Catalog in Databricks

• راه‌اندازی Unity Catalog Metastore Setting Up Unity Catalog Metastore in Databricks

• درک کپی عمیق (Deep Copy) و کپی سطحی (Shallow Copy) Understand Deep Copy and Shallow Copy

• بهینه‌سازی جداول Delta در Databricks Optimizing Delta Tables in Databricks

• درک تبدیل‌های Narrow و Wide Understand Narrow and Wide Transformations

• ساخت خط لوله‌های ETL در Databricks Building ETL Pipelines in Databricks

• گردش‌کارهای Databricks: ارکستراسیون و زمان‌بندی Jobها Databricks Workflows: Job Orchestration & Scheduling

• ساخت خط لوله‌های داده با Delta Live Tables (DLT) Building Data Pipelines with Delta Live Tables (DLT)

• بهترین روش‌های کدنویسی در Databricks: طراحی ماژولار و قابل استفاده مجدد Databricks Code Best Practices: Modular & Reusable Design

• یکپارچه‌سازی Databricks با Azure DevOps Repos Integrating Databricks with Azure DevOps Repos

• مهم: حذف Compute در Databricks برای جلوگیری از هزینه‌ها Important: Deleting Compute in Databricks to Avoid Costs

یادگیری عمیق: شبکه‌های عصبی مصنوعی (ANN) Deep Learning - ANN

• پرسپترون (Perceptron) چیست What is Perceptron

• انتشار پیشرو (Forward Propagation) در ANN Forward Propagation in ANN

• انتشار پس‌رو (Backward Propagation) در ANN Backward Propagation in ANN

• مشکل محو شدن گرادیان (Vanishing Gradient) چیست What is Vanishing Gradient Problem

• درک توابع فعال‌ساز (Activation Functions) در یادگیری عمیق Understand Activation Functions in Deep Learning

• بررسی توابع فعال‌ساز بیشتر Some More Activation Functions

• توابع ضرر (Loss) و هزینه (Cost) در ANN Loss and Cost Functions in ANN

• انواع توابع هزینه Types of Cost Functions

• بهینه‌سازها (Optimizers) در یادگیری عمیق Optimizers in Deep Learning

• بررسی بهینه‌سازهای بیشتر Some More Optimizers

• مشکل انفجار گرادیان (Exploding Gradient) Exploding Gradient Problem

• تکنیک‌های مقداردهی اولیه وزن‌ها در یادگیری عمیق Weight Initialization Techniques in Deep Learning

• درک لایه‌های Dropout Understand Dropout Layers

• تکنیک‌های بهینه‌سازی ANN ANN Optimization Techniques

• بحث درباره تکنیک‌های بهینه‌سازی ANN ANN Optimization Techniques Discussion

• کوییز Quiz

یادگیری عمیق: شبکه‌های عصبی پیچشی (CNN) Deep Learning - CNN

• مقدمه‌ای بر شبکه عصبی پیچشی (CNN) Introduction to Convolution Neural Network

• عملیات کانولوشن (Convolution) Convolution Operation

• Padding و Strides در CNN Padding and Strides in CNN

• درک لایه Pooling Understand Pooling Layer

• درک معماری CNN Understand CNN Architecture

• درک Backpropagation در CNN Understand CNN Backpropagation

• تنظیم دقیق (Fine Tuning) در CNN Fine Tuning in CNN

• کوییز Quiz

پردازش زبان طبیعی (NLP) Natural Language Processing (NLP)

• توکنایزه کردن (Tokenization) چیست What is Tokenization

• درک Lemmatization و Stop Words در NLP Understand Lemmatization and Stop Words in NLP

• درک کتابخانه NLTK Understand NLTK Library

• درک Stemming و Lemmatization Understand Stemming and Lemmatization

• بازشناسی موجودات نام‌دار (NER) Named Entity Recognition (NER)

• One Hot Encoding در NLP One Hot Encoding in NLP

• Bag of Words و N-gram Bag of Words and N-gram

• کدنویسی Bag of Words با کتابخانه NLTK Code Bag of Words with NLTK Library

• درک الگوریتم TF-IDF Understand TF-IDF Algorithm

• درک مدل Word2Vec Understand Word 2 Vec Model

• کوییز Quiz

یادگیری عمیق: RNN, LSTM, GRU Deep Learning - RNN, LSTM, GRU

• مقدمه‌ای بر الگوریتم RNN Introduction to RNN Algorithm

• انتشار پیشرو در RNN Forward Propagation in RNN

• انتشار پس‌رو در RNN Backward Propagation in RNN

• درک شهودی معماری LSTM و GRU LSTM & GRU Architecture Intuition

• درک شهودی RNN دوطرفه (Bidirectional) Bidirectional RNN Intuition

• معماری Encoder-Decoder Encoder Decoder Architecture

• کوییز Quiz

PyTorch از صفر: ساخت مدل‌های یادگیری عمیق PyTorch from Scratch: Build Deep Learning Models

• مقدمه‌ای بر PyTorch Introduction to PyTorch

• عملیات پایه در PyTorch Basic Operations in PyTorch

• عملیات Inplace در PyTorch PyTorch Inplace Operation

• استفاده از PyTorch روی GPU PyTorch on GPU

• درک Autograd در PyTorch Understand Autograd in PyTorch

• درک Dataset و Dataloader در PyTorch Understand Dataset and Dataloader in PyTorch

• ساخت اولین شبکه عصبی در PyTorch Build First Neural Network in PyTorch

• درک ماژول nn در PyTorch Understand nn Module in PyTorch

• طراحی ANN ساده با PyTorch Design Simple ANN using PyTorch

• طراحی شبکه عصبی عمیق با PyTorch Design Deep Neural Network using PyTorch

• درک تنظیم هایپرپارامترها (Hyperparameter Tuning) Understand Hyperparameter Tuning

• یادگیری انتقالی (Transfer Learning) در CNN با PyTorch CNN Transfer Learning using PyTorch

• ساخت مدل RNN با PyTorch Build RNN Model using PyTorch

• ذخیره و بارگذاری مدل Save and Load Model Artifact

رمزگشایی ترنسفورمرها: موتور محرک AI مدرن Transformers Demystified: The Engine Behind Modern AI

• مقدمه‌ای بر ترنسفورمرها Introduction to Transformers

• چرا ترنسفورمرها Why Transformers

• درک Self-Attention در ترنسفورمر Understand Self-Attention in Transformer

• درک Embeddingهای کانتکستی Understand Contextual Embeddings

• درک شهودی Self-Attention Self-Attention Intuition

• بصری‌سازی Self-Attention Self-Attention Visualization

• منطق پشت Multi-Head Self-Attention Intuition Behind Multi Head Self Attention

• درک کدگذاری موقعیتی (Positional Encoding) در ترنسفورمر Understand Positional Encoding in Transformer

• منطق پشت Layer Normalization Intuition Behind Layer Normalization

• معماری Encoder در ترنسفورمر Transformer Encoder Architecture

• مقدمه‌ای بر Decoder Introduction to Decoder

• درک Cross-Attention در ترنسفورمر Understand Cross Attention in Transformer

• درک معماری Decoder Understand Decoder Architecture

• نحوه عملکرد ترنسفورمر در زمان استنتاج (Inference Time) How Transformer Works During Inference Time

• کوییز Quiz

مهندسی LLM LLM Engineering

• تاریخچه کوتاهی از LLM A Brief History of LLM

• درک شهودی هوش مصنوعی مولد (Generative AI) Generative AI Intuition

• درک شهودی مهندسی LLM LLM Engineering Intuition

LangChain، Hugging Face و RAG LangChain, Hugging Face and RAG

• LangChain چیست What is LangChain

• مفاهیم بنیادی در LangChain Fundamental Concepts in LangChain

• درک Sequential Chains Understand Sequential Chains

• درک Parallel Chains Understand Parallel Chains

• LangChain همراه با HuggingFace LangChain With HuggingFace

• API خط لوله HuggingFace HuggingFace Pipeline API

• RAG چیست What is RAG

• درک دیتابیس‌های برداری (Vector Databases) Understand Vector Databases

• درک معماری RAG Understand RAG Architecture

• خروجی‌های ساختاریافته LLM با LangChain LLM Structured Output using LangChain

• ساخت خط لوله RAG با LangChain Build RAG Pipeline using LangChain

RAG پیشرفته Advanced RAG

• بهبود کوئری و تجزیه کوئری (Query Decomposition) Query Enhancement & Query Decomposition

• معماری RAG چندوجهی (Multi-Modal) Multi Modal RAG Architecture

• معماری Agentic RAG Agentic RAG Architecture

• تولید تقویت شده با حافظه پنهان (CAG) Cache Augmented Generation (CAG)

هوش مصنوعی عاملیت‌محور با LangGraph Agentic AI with LangGraph

• مقدمه‌ای بر Agentic AI Introduction to Agentic AI

• LangChain در مقابل LangGraph LangChain vs LangGraph

• مقدمه‌ای بر LangGraph Introduction to LangGraph

• گراف، گره‌ها و یال‌ها در LangGraph Graph, Nodes & Edges in LangGraph

• درک پایداری (Persistence) در LangGraph Understand Persistence in LangGraph

• ساخت گردش‌کار متوالی با LangGraph Build Sequential Workflow Using LangGraph

• ساخت گردش‌کار LLM با LangGraph Build LLM Workflow using LangGraph

• ساخت گردش‌کار موازی LLM با LangGraph Build LLM Parallel Workflow using LangGraph

• ساخت گردش‌کار شرطی LLM با LangGraph Build LLM Conditional Workflow using LangGraph

• بررسی Check Pointerها در LangGraph Check Pointers in LangGraph

• درک فراخوانی ابزارها (Tool Calling) در LangGraph Understand Tool Calling in LangGraph

• معماری چند عامله (Multi-Agent) Multi Agent Architecture

• حضور انسان در حلقه (Human-in-the-loop) با LangGraph Human in the Loop Using LangGraph

پروتکل کانتکست مدل (MCP) Model Context Protocol (MCP)

• MCP چیست What is MCP

• درک معماری MCP Understand MCP Architecture

• درک چرخه حیات MCP Understand MCP Lifecycle

• ایجاد سرور محلی MCP Create Local MCP Server

• ایجاد کلاینت MCP Create MCP Client

مبانی MLflow: مدیریت اپلیکیشن‌های ML و LLM MLflow Fundamentals: Managing ML and LLM Applications

• مقدمه‌ای بر MLflow Introduction to MLflow

• دانلود منابع کد Download Code Resources

• راه‌اندازی سرور محلی MLflow Setting Up a Local MLflow Server

• توضیح Child Runs و Artifactها در MLflow MLflow Child Runs and Artifacts Explained

• ثبت مدل‌ها (Logging) در MLflow Logging Models in MLflow

• رجیستر کردن مدل‌ها در MLflow Register Models in MLflow

• بهترین روش‌ها برای ماژولار کردن کدهای یادگیری ماشین Best Practices for Modularizing Machine Learning Code

• آزمایش پرامپت‌ها با MLflow برای اپلیکیشن‌های LLM Prompt Experimentation with MLflow for LLM Applications

• ارزیابی پرامپت‌ها با MLflow برای اپلیکیشن‌های LLM Evaluating Prompts with MLflow for LLM Applications

Ollama: راهنمای عملی اجرای محلی LLMهای متن‌باز Ollama: Practical Guide to Running Open Source LLMs Locally

• دانلود سورس کد Download Source Code

• مقدمه‌ای بر Ollama Introduction to Ollama

• دانلود و نصب Ollama Download and Install Ollama

• تعامل محلی با LLMها از طریق Ollama CLI Interacting with LLMs Locally via Ollama CLI

• تعامل محلی با LLMها از طریق کتابخانه Ollama Interacting with LLMs Locally via Ollama Library

• استفاده از LangChain برای تعامل با مدل‌های Ollama Using LangChain to Interact with Ollama Models

• درک Modelfile در Ollama Understand Modelfile in Ollama

• تعامل با مدل‌های Ollama از طریق اپلیکیشن Ollama Interacting Ollama Models with Ollama App

جمع‌بندی دوره: آغاز سفر مهندسی هوش مصنوعی شما Course Conclusion: Your AI Engineering Journey Begins

• جمع‌بندی دوره و تشکر Course Conclusion & Thank You