آموزش شروع به کار با مدل‌های زبانی بزرگ (LLMs) و طراحی پرامپت - آخرین آپدیت

مبانی هوش مصنوعی مولد و مدل‌های زبانی بزرگ Generative AI and Large Language Model Fundamentals

• مقدمه تخصص Specialization Introduction

• معرفی دوره Course Introduction

• آشنایی با هوش مصنوعی مولد An Introduction to Generative AI

• تفاوت هوش مصنوعی مولد با هوش مصنوعی تشخیص‌دهنده چیست؟ How Generative AI Differs from Discriminative AI?

• مدل‌های زبانی بزرگ چگونه کار می‌کنند؟ How Large Language Models Work

• راه اندازی محیط GeneAI Setting Up Your GeneAI Environment

• تولید متن با استفاده از یک LLM پیش‌آموزش‌دیده Generating Text with a Pretrained LLM

ترنسفورمرها، چشم‌انداز مدل‌ها و هوش مصنوعی مسئولانه Transformers, the Model Landscape, and Responsible AI

• بررسی معماری ترنسفورمر Inside the Transformer Architecture

• کاوش در توکنایزیشن Exploring Tokenization

• تجسم مکانیزم توجه در ترنسفورمر Visualizing Attention in a Transformer

• چرخه حیات آموزش LLM The LLM Training Lifecycle

• توضیح تفاوت پیش‌آموزش در مقابل تنظیم دقیق (Fine Tuning) Pre-Training vs. Fine-Tuning in LLMs Explained

• مقایسه مدل‌های LLM اختصاصی و متن‌باز Proprietary vs. Open-Source LLM Side by Side

• هوش مصنوعی مسئولانه: سوگیری، ایمنی و سوءاستفاده Responsible AI: Bias, Safety, and Misuse

• بررسی دغدغه‌های هوش مصنوعی مسئولانه Examining Responsible AI Concerns

کالبدشناسی پرامپت، متدهای مبتنی بر نمونه و پرامپت‌های وظیفه‌محور Prompt Anatomy, Shot-Based, and Task-Specific Prompting

• کالبدشناسی یک پرامپت موثر Anatomy of an Effective Prompt

• مقدمه‌ای بر مهندسی پرامپت Introduction to Prompt Engineering

• نوشتن اولین پرامپت ساختاریافته شما Writing Your First Structured Prompt

• استفاده از جداکننده‌ها و نقش‌ها در پرامپت‌ها Using Delimiters and Roles in Prompts

• کنترل فرمت خروجی با استفاده از پرامپت‌ها Controlling Output Format with Prompts

• تکنیک‌های مهندسی پرامپت: Zero Shot Prompt Engineering Techniques: Zero Shot

• پرامپت‌نویسی One Shot One-Shot Prompting

• تکنیک‌های مهندسی پرامپت: Few Shot Prompt Engineering Techniques: Few Shot

• پرامپت‌نویسی برای پاسخ به سوالات Prompting for Question Answering

• پرامپت‌نویسی برای خلاصه‌سازی Prompting for Summarization

• پرامپت‌نویسی برای دسته‌بندی متن Prompting for Text Classification

• متریک‌های کلیدی برای سنجش اثربخشی پرامپت Key Metrics for Prompt Effectiveness

• عیب‌یابی پرامپت‌های ضعیف از طریق تست‌های تکرارشونده Debugging a Weak Prompt through Iterative Testing

• مقدمه‌ای بر پارامتریک کردن پرامپت‌ها Introduction to Prompt Parameterization

• ساخت یک قالب پرامپت قابل استفاده مجدد Building a Reusable Prompt Template

تکنیک‌های پیشرفته استدلال و پرامپت‌نویسی ترکیبی Advanced Reasoning and Compositional Prompting Techniques

• تجزیه مسائل با استفاده از پرامپت زنجیره افکار Breaking Problems Down with Chain-of-Thought Prompting

• پرامپت‌نویسی زنجیره افکار (Chain of Thought) Chain-of-Thought Prompting

• مقایسه پاسخ‌های مستقیم و پاسخ‌های زنجیره افکار Comparing Direct and Chain-of-Thought Answers

• پرامپت‌نویسی درخت افکار: درک دقیق Tree-of-Thought Prompting: Detailed Understanding

• پرامپت‌نویسی درخت افکار (Tree of Thought) Tree-of-Thought Prompting

• پرامپت سازگاری خودکار: بهبود استدلال از طریق مسیرهای متعدد Self-Consistency Prompting: Improving Reasoning Through Multiple Paths

• سازگاری خودکار با مسیرهای چندگانه Self-Consistency with Multiple Paths

• از تولید دانش تا پاسخ‌های بهتر LLM From Knowledge Generation to Better LLM Responses

• پرامپت‌نویسی بر اساس دانش تولید شده Generated-Knowledge Prompting

• پرامپت‌نویسی از ساده به پیچیده: یک بررسی کلی Least-to-Most Prompting: An Overview

• پرامپت‌نویسی Least to Most Least-to-Most Prompting

• ترکیب تکنیک‌ها برای انجام یک وظیفه پیچیده Combining Techniques for a Complex Task

تزریق پرامپت، روش‌های دفاعی و نظارت انسانی Prompt Injection, Defences, and Human-in-the-Loop

• پرامپت‌نویسی متخاصم (Adversarial) Adversarial Prompting

• جلوگیری از نشت داده‌ها و سوگیری Preventing Data Leakage and Bias

• شبیه‌سازی حمله تزریق پرامپت Simulating a Prompt Injection Attack

• دفاع در برابر تزریق پرامپت Defending Against Prompt Injection

• افزودن بررسی انسانی در چرخه (Human in the Loop) Adding Human-in-the-Loop Review

• یک اپلیکیشن مبتنی بر پرامپت از ابتدا تا انتها An End-to-End Prompted Application

ساختاردهی، بازیابی و مدیریت بودجه کانتکست Structuring, Retrieving, and Budgeting Context

• از مهندسی پرامپت تا مهندسی کانتکست From Prompt Engineering to Context Engineering

• مقایسه طراحی پرامپت و طراحی کانتکست Comparing Prompt and Context Design

• نوشتن موثر کانتکست Effective Context Writing

• ساختاردهی و ترتیب کانتکست برای خروجی قابل اعتماد Structuring and Ordering Context for Reliable Output

• انتخاب کانتکست بر اساس مرتبط بودن Context Relevance Selection

• افزودن کانتکست بازیابی شده به پرامپت Adding Retrieved Context to a Prompt

• طراحی پرامپت‌های مکالمه‌ای و کانتکست‌های طولانی Long-Context and Conversational Prompt Design

• بخشیدن حافظه به مدل در طول مکالمات Giving the Model Memory Across Turns

• محدودیت‌های توکن در LLMها Token Limits in LLMs

• مدیریت پنجره کانتکست و بودجه توکن Managing the Context Window and Token Budget

• تکنیک‌های فشرده‌سازی کانتکست Context Compression Techniques

• فشرده‌سازی و خلاصه‌سازی کانتکست برای تطبیق با محدودیت‌ها Compressing and Summarizing Context to Fit Limits

• جمع‌بندی دوره Course Summary