آموزش مبانی هوش مصنوعی و یادگیری ماشین برای توسعه دهندگان جاوا

دانلود Foundations of AI and Machine Learning for Java Developers

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره: در این دوره، دنیای هیجان‌انگیز هوش مصنوعی (AI) و یادگیری ماشین (ML) را از دیدگاه توسعه‌دهندگان جاوا بررسی کنید. با اصول اساسی AI/ML و اینکه چرا الگوها بسیار مهم هستند شروع کنید. بیاموزید که چگونه بین هوش مصنوعی، ML و یادگیری عمیق تمایز قائل شوید و هوش مصنوعی پیشگویانه را در مقابل هوش مصنوعی مولد به وضوح درک کنید. به مربی فرانک گرکو بپیوندید تا یک پایه محکم در مورد نحوه استفاده موثر از ML در پروژه ها و فرآیندهای توسعه نرم افزار خود ایجاد کنید.

سرفصل ها و درس ها

مقدمه Introduction

  • آنچه شما باید بدانید What you should know

  • مهارت های جاوا خود را با یادگیری ماشین متحول کنید Transform your Java skills with machine learning

1. الگوها: مبانی یادگیری ماشین 1. Patterns: The Foundations of Machine Learning

  • عبارات منظم و رابطه با ML Regular expressions and the relationship to ML

  • الگوهای طراحی Design patterns

  • الگوها همه جا هستند Patterns are everywhere

  • تعریف یادگیری ماشینی Machine learning definition

2. طبقه بندی هوش مصنوعی 2. Artificial Intelligence Taxonomy

  • توصیف سطح بالای هوش مصنوعی و ML High-level description of AI and ML

  • هوش مصنوعی پیشگو در مقابل هوش مصنوعی مولد Predictive AI vs. generative AI

  • تعریف یادگیری عمیق: PredAI و GenAI Definition of deep learning: PredAI and GenAI

3. هوش مصنوعی پیشگو با JSR #381 3. Predictive AI with JSR #381

  • نمونه کد VisRec برای آموزش یک مدل PredAI Sample VisRec code to train a PredAI model

  • نسخه ی نمایشی: اجرای VisRec JSR #381 Demo: Running VisRec JSR #381

  • JSR #381: تشخیص بصری (VisRec) JSR #381: Visual Recognition (VisRec)

  • کد VisRec را برای استفاده از مدل PredAI نمونه کنید Sample VisRec code to use a PredAI model

4. هوش مصنوعی مولد 4. Generative AI

  • مدل های زبان بزرگ و NLP Large language models and NLP

  • روش های مختلف استفاده از LLM Different ways of using LLMs

  • نسل افزوده بازیابی (RAG) Retrieval-augmented generation (RAG)

  • نکات فوری Prompt tips

  • درخواست ها و تکمیل ها Prompts and completions

  • اهمیت زمینه Importance of context

5. خدمات GenAI و APIها 5. GenAI Services and APIs

  • نمونه کدهای اتصال به LLM: جاوا خالص و LC4J Code examples of connecting to an LLM: Pure Java and LC4J

  • نسخه ی نمایشی: اتصال به LLM Demo: Connecting to an LLM

  • دسترسی به LLM ها از طریق API های REST بدون تابعیت Accessing LLMs via stateless REST APIs

  • رویکردها و کتابخانه های جاوا REST Approaches and Java REST libraries

  • خدمات GenAI LLM موجود Available GenAI LLM services

6. الگوهای توسعه نرم افزار 6. Patterns in Software Development

  • نمودار جریان هوش مصنوعی AI flowchart

  • جبرگرایی در مقابل احتمال Determinism vs. probability

  • الگوها در فرآیند توسعه نرم افزار Patterns in the software development process

نتیجه گیری Conclusion

  • ابزارهای جدید شما: هوش مصنوعی پیشگو و هوش مصنوعی مولد Your new tools: Predictive AI and generative AI

نمایش نظرات

آموزش مبانی هوش مصنوعی و یادگیری ماشین برای توسعه دهندگان جاوا
جزییات دوره
1h 35m
28
Linkedin (لینکدین) Linkedin (لینکدین)
(آخرین آپدیت)
591
- از 5
دارد
دارد
دارد
Frank Greco
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Frank Greco Frank Greco

فرانک گرکو یک مشاور فناوری، استراتژیست AI/ML و توسعه دهنده است.

فرانک یک مرجع شناخته شده در هوش مصنوعی، یادگیری ماشین، محاسبات سازمانی و به حداکثر رساندن تاثیر تجاری فناوری اطلاعات است. او به عنوان یک مربی، مدیر فناوری و نویسنده، سابقه ای اثبات شده در زمینه یادگیری ماشین، محاسبات ابری، استراتژی موبایل و یکپارچه سازی سیستم راه اندازی به ارمغان می آورد. تخصص او شامل مشارکت های فناوری استراتژیک، زیرساخت های سازمانی، و فناوری های نوظهور، به ویژه برای سیستم های مالی و شرکت های بزرگ مقیاس است.

فرانک تیم‌های مختلفی را در زمینه توسعه نرم‌افزار، یکپارچه‌سازی سیستم، پیش‌فروش، مدیریت محصول، بازیابی بلایا و تحقیق و توسعه رهبری کرده است و راه‌حل‌های تاثیرگذار و نوآوری را در سراسر صنایع هدایت می‌کند.