آموزش ساخت عامل‌های هوشمند عیب‌یابی - آخرین آپدیت

تنظیم دقیق LLM برای انطباق با وظایف خاص LLM fine-tuning for task-specific adaptation

• مقدمه‌ای بر برنامه گواهینامه حرفه‌ای پیشرفته مهندسی AI/ML Introduction to the AI/ML engineering advanced professional certificate program

• مقدمه‌ای بر تنظیم دقیق LLM برای انطباق با وظایف خاص Introduction to LLM fine-tuning for task-specific adaptation

• اهمیت تنظیم دقیق (Fine-tuning) یک مدل زبانی بزرگ The importance of fine-tuning an LLM

• آموزش عملی: ایجاد مخزن کد شما بخش ۱ (اختیاری) Walkthrough: Creating your code repository Part 1 (Optional)

• آموزش عملی: ایجاد مخزن کد شما بخش ۲ (اختیاری) Walkthrough: Creating your code repository Part 2 (Optional)

• نمایش مورد کاربردی: انتخاب و آماده‌سازی داده‌ها برای تنظیم دقیق Use case demonstration: Selecting and preparing data for fine-tuning

• آموزش عملی: آماده‌سازی مجموعه داده برای تنظیم دقیق (اختیاری) Walkthrough: Preparing a dataset for fine-tuning (Optional)

• آموزش عملی: مقایسه تکنیک‌های تنظیم دقیق (اختیاری) Walkthrough: Comparing fine-tuning techniques (Optional)

• ارتباط معیارهای ارزیابی The relevance of evaluation metrics

• خلاصه: تنظیم دقیق مدل‌های زبانی بزرگ (LLMs) Summary: Fine-tuning LLMs

• آموزش عملی: تنظیم دقیق یک LLM (اختیاری) Walkthrough: Fine-tuning an LLM (Optional)

مبانی عامل‌های هوش مصنوعی Fundamentals of AI agents

• مقدمه‌ای بر عامل‌های هوش مصنوعی Introduction to AI agents

• تفاوت‌ها در سیستم‌های چند عاملی Differences in multi-agent systems

• نمایش مورد کاربردی: سیستم‌های چند عاملی Use case demonstration: Multi-agent systems

• مثال‌های دنیای واقعی: عیب‌یابی موثر با هوش مصنوعی Real-world examples: Effective AI troubleshooting

• آموزش عملی: طراحی یک عامل هوشمند عیب‌یاب (اختیاری) Walkthrough: Designing an intelligent troubleshooting agent (Optional)

پردازش زبان طبیعی برای عیب‌یابی Natural language processing for troubleshooting

• مروری بر تکنیک‌های پردازش زبان طبیعی (NLP) Overview of natural language processing (NLP) techniques

• آموزش عملی: توسعه رابط چت‌بات (اختیاری) Walkthrough: Developing the chatbot interface (Optional)

• نمایش مورد کاربردی: تحلیل احساسات Use case demonstration: Sentiment analysis

• آموزش عملی: پیاده‌سازی تحلیل احساسات (اختیاری) Walkthrough: Implementing sentiment analysis (Optional)

• بهترین روش‌ها برای ادغام اجزای NLP Best practices for integrating NLP components

• خلاصه ماژول: NLP برای عیب‌یابی Module summary: NLP for troubleshooting

• آموزش عملی: پیاده‌سازی NLP برای عیب‌یابی (اختیاری) Walkthrough: Implementing NLP for troubleshooting (Optional)

پیاده‌سازی عامل عیب‌یاب Implementing the troubleshooting agent

• آموزش عملی: کدنویسی یک عامل عیب‌یاب در پایتون (اختیاری) Walkthrough: Coding a troubleshooting agent in Python (Optional)

• آموزش عملی: پیاده‌سازی مدل‌های طبقه‌بندی (اختیاری) Walkthrough: Implementing classification models (Optional)

• چگونه یک الگوریتم تصمیم‌گیری را در پایتون پیاده‌سازی کنیم How to implement a decision-making algorithm in Python

• آموزش عملی: ایجاد سیستم توصیه راهکار (اختیاری) Walkthrough: Creating a solution recommendation system (Optional)

• آموزش عملی: پیاده‌سازی لاگ‌گذاری در سیستم‌های یادگیری ماشین (اختیاری) Walkthrough: Implementing logging in ML systems (Optional)

• آموزش عملی: پیاده‌سازی عامل عیب‌یاب (اختیاری) Walkthrough: Implementing the troubleshooting agent (Optional)

تست و بهینه‌سازی عامل Testing and optimizing the agent

• طراحی موارد آزمون (Test Cases) Designing test cases

• آموزش عملی: طراحی موارد آزمون برای سیستم‌های یادگیری ماشین (اختیاری) Walkthrough: Designing test cases for ML systems (Optional)

• شنیدن از یک متخصص: در نظر گرفتن تفاوت‌های فرهنگی، زبانی و بافتی Hear from an expert: Accounting for cultural, language, and contextual nuances

• توضیح تکنیک‌های بهینه‌سازی Explanation of optimization techniques

• آموزش عملی: پیاده‌سازی تکنیک‌های بهینه‌سازی (اختیاری) Walkthrough: Implementing optimization techniques (Optional)

• آموزش عملی: ارزیابی اثربخشی عامل (اختیاری) Walkthrough: Evaluating agent effectiveness (Optional)

• شنیدن از یک متخصص: طراحی با در نظر گرفتن کاربر نهایی Hear from an expert: Designing with the end user in mind

• خلاصه: تست و بهینه‌سازی عامل Summary: Testing and optimizing the agent

• آموزش عملی: تست و بهینه‌سازی عامل یادگیری ماشین (اختیاری) Walkthrough: Testing and optimizing the ML agent (Optional)

• شنیدن از یک متخصص: رفع مشکلات غیرمنتظره در حین پیاده‌سازی Hear from an expert: Resolving unexpected issues during implementation

• خلاصه دوره Course summary

• آموزش عملی: تولید یک عامل عیب‌یاب (اختیاری) Walkthrough: Producing a troubleshooting agent (Optional)

• تبریک برای تکمیل این دوره! Congratulations on completing the course!