لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش مقدماتی هوش مصنوعی مولد (Generative AI)
- آخرین آپدیت
دانلود Introduction to Generative AI
نکته:
ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره:
این دوره مقدماتی برای مبتدیانی طراحی شده است که هیچ دانش قبلی از هوش مصنوعی مولد ندارند. شما با کسب درک سطح بالایی از اینکه هوش مصنوعی مولد چیست و چگونه کار میکند، شروع خواهید کرد. از طریق درسهای تعاملی و مثالهای عملی، مهارتهای اساسی مانند ارائه پرامپتهای (دستورات) موثر و بهبود مستمر خروجیهای تولید شده را خواهید آموخت. با پیشرفت دوره، به مدلهای اصلی و خاص هوش مصنوعی مولد، از جمله قابلیتها و محدودیتهای منحصربهفرد آنها، عمیقتر خواهید شد. در نهایت، تجربه عملی در استفاده از سیستمهای پیشرو مانند GitHub Copilot، DALL-E و OpenAI برای تولید کد، تصویر و متن به دست خواهید آورد. در پایان، دانش هستهای برای شروع آزمایش با هوش مصنوعی مولد به روشی مسئولانه و موثر در کاربردهای مختلف توسعه دادهاید. هدف این دوره ارائه یک مقدمه دوستانه برای آمادهسازی مبتدیان کامل جهت کاوش بیشتر در این فناوری در حال تحول سریع است.
سرفصل ها و درس ها
مقدمهای بر هوش مصنوعی مولد
Introduction to Generative AI
آشنایی با مدرس دوره: آلفردو دزا
Meet your course instructor: Alfredo Deza
آشنایی با مدرس دوره: درک ویلز
Meet your course instructor: Derek Wales
درباره این دوره
About this Course
مقدمه
Introduction
هوش مصنوعی مولد چیست؟
What is Generative AI?
تاریخچه مختصر و تکامل هوش مصنوعی
Brief history and Evolution of AI
مدلهای زبان بزرگ چگونه در اپلیکیشنها کار میکنند؟
How do Large Language Models Work in applications?
مدلهای زبان بزرگ چگونه ساخته میشوند؟
How are Large Language Models created?
خلاصه
Summary
مقدمه
Introduction
LLMها چیستند و چگونه کار میکنند؟
What are LLMs and how do they work?
مزایا و خطرات استفاده از LLMها
Benefits and risks of using LLMs
کاهش خطرات LLMها
Mitigating risks of LLMs
مدلهای پایه (Foundation Models) چیستند؟
What are foundation models?
خلاصه
Summary
مقدمه
Introduction
OpenAI و ChatGPT
OpenAI and ChatGPT
Hugging Face و مدلهای متنباز
Hugging Face and Open Source models
استفاده از مدلهای محلی
Using local models
راهکارهای مبتنی بر ابر (Cloud)
Cloud-based solutions
خلاصه
Summary
تعامل با مدلها
Interacting with models
مقدمه
Introduction
مهندسی پرامپت چیست؟
What is Prompt Engineering?
پرامپتنویسی Zero-shot، One-shot و Few-shot
Zero, one, and few-shot prompting
پرامپتنویسی پایه با استفاده از زمینه (Context)
Basic prompting with context
استفاده از مثالها در پرامپتها
Using examples in prompts
خلاصه
Summary
مقدمه
Introduction
تعیین لحن و شخصیت (Persona)
Setting tone and persona
اصلاح بر اساس زمینه قبلی
Refining on previous context
دستورالعملهای بهتر از طریق بازخورد
Better instructions through feedback
درک محدودیتها
Understanding limitations
خلاصه
Summary
مقدمه
Introduction
محدودیتهای زمینه (Context)
Limitations of context
تجزیه به وظایف کوچکتر
Breaking down into smaller tasks
استفاده از زنجیره افکار (Chain of Thought)
Using Chain of Thought
سایر تکنیکهای مفید پرامپتنویسی
Other useful prompting techniques
خلاصه
Summary
ساخت سیستمهای قدرتمند هوش مصنوعی مولد
Building robust Generative AI systems
مقدمه
Introduction
انواع رایج اپلیکیشنهای هوش مصنوعی مولد
Common types of Generative AI Applications
مروری بر اپلیکیشن مبتنی بر API
Overview of an API-based application
مروری بر اپلیکیشن با مدل تعبیه شده (Embedded)
Overview of an embedded-model application
اپلیکیشن چندوجهی (Multi-model) چیست؟
What is a multi-model application?
خلاصه
Summary
مقدمه
Introduction
RAG چیست؟
What is RAG?
مروری بر یک اپلیکیشن RAG
Overview of a RAG application
مدیریت دادهها برای RAG
Managing data for RAG
تأیید Embeddingها و جستجو
Verifying embeddings and search
استفاده از RAG در کنار LLM
Using RAG with an LLM
خلاصه
Summary
مقدمه
Introduction
مرور کلی اپلیکیشن
Application overview
مرور کلی استقرار (Deployment)
Deployment overview
راهاندازی اجزای ابری
Setting up cloud components
استفاده از ابر Azure برای استقرار
Using the Azure cloud for deployment
خلاصه
Summary
کاربردهای مدلهای زبان بزرگ (LLMs)
Applications of LLMs
آشنایی با مدرس دوره: درک ویلز
Meet your Course Instructor: Derek Wales
مرور کلی DALL-E
DALL-E Overview
دمو: راهاندازی محیط کار
Demo: Environment Set Up
دمو: استفاده از OpenAI API برای تولید لیست خرید
Demo: OpenAI API Generating a Shopping List
دمو: استفاده از DALL-E برای تولید تصویر
Demo: DALL-E to Generate an Image
خلاصه OpenAI/DALL-E
OpenAI/DALL-E Summary
فاینتونینگ OpenAI و معرفی پروژه
OpenAI Fine Tuning and Project Intro
پروژه فاینتونینگ بخش اول: آمادهسازی محیط و دادهها
Fine Tuning Project: Part One - Env/Data Prep
پروژه فاینتونینگ بخش دوم: شروع فرآیند فاینتونینگ
Fine Tuning Project: Part Two - Starting Fine Tuning
پروژه فاینتونینگ بخش سوم: ارزیابی مدل
Fine Tuning Project: Part Three - Model Evaluation
خلاصه فاینتونینگ
Fine Tuning Summary
مرور کلی پروژه مدل OpenAI Whisper
OpenAI Whisper Model Project Overview
آموزش کار با خلاصهساز ویدیو
Video Summarizer Walkthrough
جمعبندی API مدل Whisper
Whisper Model API Wrap Up
محیط کسبوکار هوش مصنوعی
AI Business Environment
اصول اخلاق در هوش مصنوعی
AI Ethics Principles
مدلهای یادگیری ماشین محلی / پیشنمایش دوره بعدی
Local Machine Learning Models/Next Course Preview
Noah Gift بنیانگذار Pragmatic A.I است. آزمایشگاه ها و یکی از همکاران بنیاد نرم افزار پایتون.
نوح به طور گسترده با AWS کار می کند و یک قهرمان یادگیری ماشین AWS است. او دارای چندین گواهینامه صنعتی برای AWS است. نوح آموزش و طراحی دوره های آموزشی ماشین فارغ التحصیل، MLOps، A.I.، علم داده و مشاوره در زمینه یادگیری ماشین و معماری ابری را انجام می دهد. مسئولیت های او شامل رهبری ابتکار صدور گواهینامه چند ابری برای دانش آموزان است. نوح نقش های مختلفی را به صورت حرفه ای ایفا کرده است، از جمله CTO، مدیر کل، مشاور مدیر ارشد فناوری، مشاور ارشد دانشمند داده و معمار ابر. او همچنین دارای چندین تیتراژ فیلم در فیلمهای اصلی برای کارهای فنی از جمله آواتار، مرد عنکبوتی 3 و بازگشت سوپرمن است.
نمایش نظرات