کانال تلگرام پشتیبانی تلگرام شماره تماس پشتیبانی: 0930 395 3766
ورود ثبت نام

آموزش هوش مصنوعی مولد: OpenAI API، دیپ‌سیک و ChatGPT در پایتون - آخرین آپدیت

دانلود Generative AI: OpenAI API, DeepSeek, and ChatGPT in Python

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره:

توانمندسازی کسب و کار شما با GenAI، هوش مصنوعی، GPT-4o و ابزارهای پیشرفته دیگر!

یاد بگیرید چگونه از OpenAI API با ChatGPT استفاده کنید، مهندسی پرامپت را به طور موثر به کار ببرید، RAG (تولید تقویت شده با بازیابی) را با OpenAI Embeddings API پیاده سازی کنید و از FAISS (جستجوی شباهت هوش مصنوعی فیسبوک) بهره ببرید. همچنین، با نحوه Fine-Tune کردن ChatGPT آشنا شوید.

پیش نیازها: برنامه نویسی پایتون

به دوره پیشگامانه ما در زمینه هوش مصنوعی مولد (GenAI)، OpenAI API، DeepSeek و ChatGPT خوش آمدید. با ChatGPT و DeepSeek، یاد خواهید گرفت که چگونه با پیشرفته ترین مدل های زبانی بزرگ (LLM) در جهان، برنامه های کاربردی بسازید. این دوره برای کسانی که می خواهند از این فناوری پیشرفته برای پروژه های تجاری و کاری خود استفاده کنند، ضروری است.

این دوره شامل 5 بخش اصلی است:

  1. استفاده پایه از API: تمام اصول اولیه: ثبت نام در یک حساب کاربری، دریافت کلید API، تنظیم متغیرهای محیطی در ویندوز / لینوکس / مک، استفاده از API در پایتون، تنظیم صورتحساب، درک مدل قیمت گذاری و سیاست های استفاده OpenAI. قابل توجه است آموزش چت بات که نحوه گنجاندن تاریخچه چت در مدل را بررسی می کند تا ChatGPT "به خاطر بسپارد" که قبلاً به شما چه گفته است. یک چت‌بات خدمات مشتری به عنوان یک مثال در طول این دوره استفاده خواهد شد.

  2. مهندسی پرامپت: مهندسی پرامپت ChatGPT برای توسعه دهندگان - همه چیز در مورد اینکه چگونه ChatGPT را وادار کنید کاری را که می خواهید انجام دهد. ما موارد استفاده مختلفی مانند خروجی داده های ساختاریافته (JSON، جداول)، تجزیه و تحلیل احساسات، ترجمه زبان، نویسندگی خلاق، خلاصه سازی متن و پرسش و پاسخ را بررسی خواهیم کرد. ما تکنیک هایی مانند زنجیره تفکر (CoT) را بررسی خواهیم کرد و حتی به نحوه استفاده از ChatGPT برای ساخت یک سیستم معاملات سهام خواهیم پرداخت!

  3. تولید تقویت شده با بازیابی (RAG): یاد بگیرید چگونه داده های خارجی را در LLM ها بگنجانید. این تکنیک قدرتمند به کاهش یک مشکل رایج به نام "توهم" کمک می کند. اگر داده های اختصاصی (مانند اطلاعات محصول برای شرکت خود) دارید که LLM شما از آن اطلاعی ندارد، بسیار مهم است. شما یاد خواهید گرفت که جستجوی معنایی / جستجوی شباهت چگونه کار می کند و چگونه آن را با استفاده از FAISS (کتابخانه جستجوی شباهت هوش مصنوعی فیس بوک) پیاده سازی کنید. یاد بگیرید که این چگونه به شما امکان می دهد "با داده های خود چت کنید".

  4. Fine-Tuning: یاد بگیرید چگونه یک LLM را روی مجموعه داده های خود "آموزش" دهید تا به شکلی که می خواهید رفتار کند. گاهی اوقات مهندسی پرامپت و RAG کافی نیست.

  5. GPT-4 با Vision: همه چیز در این دوره را می توان با GPT-4 انجام داد، اما آنچه GPT-4 (و GPT-4 Turbo) را خاص می کند، قابلیت های دیداری آن است. یعنی می تواند تصاویر را درک کند. در این بخش، بسیاری از کاربردهای شگفت انگیز درک متن-تصویر ترکیبی را بررسی خواهیم کرد، که برخی از آنها شامل تصحیح خودکار تکالیف، توضیح میم ها و طنز، رونویسی دست خط، توسعه وب، توسعه بازی و نوشتن توضیحات محصول بر اساس تصاویر است (صاحبان مشاغل - شما از قبل می دانید که این چگونه بهره وری شما را افزایش می دهد).

در طول این دوره، در تمرین های عملی، برنامه های کاربردی دنیای واقعی و راهنمایی های تخصصی شرکت خواهید کرد تا درک و تسلط خود را بر مفاهیم هوش مصنوعی مولد تقویت کنید. چه یک توسعه دهنده با تجربه، چه یک علاقه مند به هوش مصنوعی، یا یک متخصص صنعت باشید، این دوره یک تجربه متحول کننده را ارائه می دهد که به شما قدرت می دهد تا از پتانسیل واقعی هوش مصنوعی استفاده کنید.

آیا آماده هستید که این سفر هیجان انگیز را به آینده هوش مصنوعی آغاز کنید؟ به ما بپیوندید و امکانات بی پایان هوش مصنوعی مولد را همین امروز باز کنید!

پیشنهادات پیشنیاز:

  • برنامه نویسی پایتون

سرفصل ها و درس ها

خوش آمدید! Welcome!

  • مقدمه و طرح کلی Introduction and Outline

  • کد را از کجا دریافت کنیم Where To Get the Code

  • چگونه در این دوره موفق شویم How to Succeed in this Course

ChatGPT، DeepSeek و API اوپن ای‌آی The ChatGPT, DeepSeek and OpenAI API

  • طرح کلی بخش ChatGPT، DeepSeek و API اوپن ای‌آی The ChatGPT, DeepSeek and OpenAI API Section Outline

  • به‌روزرسانی: GPT-4o mini UPDATE: GPT-4o mini

  • به‌روزرسانی: DeepSeek UPDATE: DeepSeek

  • ثبت‌نام در OpenAI و دریافت کلید API Signup For OpenAI & Get Your API Key

  • تنظیم متغیرهای محیطی (ویندوز) Set Environment Variables (Windows)

  • تنظیم متغیرهای محیطی (لینوکس و مک) Set Environment Variables (Linux & Mac)

  • نصب کتابخانه‌های OpenAI و Tiktoken Install the OpenAI and Tiktoken Libraries

  • قیمت‌گذاری Pricing

  • نحوه پرداخت و اضافه کردن جزئیات صورت‌حساب How to Pay & Add Billing Details

  • شروع سریع (بلافاصله از API ChatGPT استفاده کنید!) Quick Start (Use the ChatGPT API Right Away!)

  • توکن چیست؟ What is a Token?

  • تخمین هزینه‌ها با Tiktoken Estimating Costs with Tiktoken

  • قابلیت بازتولید Reproducibility

  • اعلان سیستمی System Prompt

  • وارد کردن سابقه Incorporating History

  • دما Temperature

  • جریمه‌های فرکانس و حضور Frequency and Presence Penalties

  • چگونه LLMها بر NLP تسلط یافتند How LLMs Conquered NLP

  • چگونه LLMها گردش کار NLP و یادگیری ماشین را تغییر می‌دهند How LLMs Change the NLP & Machine Learning Workflow

  • سیاست‌های استفاده Usage Policies

  • صندوق پیشنهادات Suggestion Box

مهندسی سریع و کاربردها Prompt Engineering & Applications

  • طرح کلی بخش مهندسی سریع Prompt Engineering Section Outline

  • غیر ساختاریافته به ساختاریافته Unstructured to Structured

  • ساختاریافته به غیر ساختاریافته Structured to Unstructured

  • حالت JSON JSON Mode

  • ترجمه، بهبود لحن و تشخیص زبان Translation, Tone Enhancement, and Language Detection

  • تحلیل احساسات و معاملات سهام Sentiment Analysis & Stock Trading

  • خلاصه‌سازی و ELI5 Summarization & ELI5

  • یک مثال ELI5 دیگر Another ELI5 Example

  • پرسش و پاسخ Question-Answering

  • اعلان زنجیره تفکر Chain of Thought Prompting

تولید تقویت شده بازیابی (RAG) Retrieval Augmented Generation (RAG)

  • جستجوی معنایی چیست؟ What is Semantic Search?

  • جستجوی شباهت هوش مصنوعی فیسبوک (FAISS) Facebook AI Similarity Search (FAISS)

  • نقطه پایانی جاسازی‌های OpenAI OpenAI's Embeddings Endpoint

  • RAG با FAISS (قسمت 1) RAG with FAISS (pt 1)

  • RAG با FAISS (قسمت 2) RAG with FAISS (pt 2)

  • RAG با FAISS (قسمت 3) RAG with FAISS (pt 3)

  • RAG با FAISS (قسمت 4) RAG with FAISS (pt 4)

تنظیم دقیق Fine-Tuning

  • تنظیم دقیق چیست و چه زمانی باید از آن استفاده کنید؟ What Is Fine-Tuning and When Should You Use It?

  • نقطه‌های پایانی تنظیم دقیق و فایل OpenAI OpenAI's Fine-Tuning and File Endpoints

  • تنظیم دقیق ChatGPT - ساخت مجموعه داده Fine-Tuning ChatGPT - Making the Dataset

  • تنظیم دقیق ChatGPT - آپلود داده‌ها و ایجاد کار تنظیم دقیق Fine-Tuning ChatGPT - Upload Data and Create Fine-Tuning Job

  • تنظیم دقیق ChatGPT - بررسی نتایج Fine-Tuning ChatGPT - Check the Results

اطلاعات پس‌زمینه (اختیاری) Background Info (Optional)

  • ریشه‌های جستجوی معنایی The Roots of Semantic Search

  • چه کسی باید این دوره را بگذراند؟ Who Should Take This Course?

مقدمه پیوست/سوالات متداول Appendix / FAQ Intro

  • پیوست چیست؟ What is the Appendix?

راه‌اندازی محیط خود (پیوست/سوالات متداول بنا به درخواست دانشجو) Setting Up Your Environment (Appendix/FAQ by Student Request)

  • بررسی قبل از نصب Pre-Installation Check

  • راه‌اندازی محیط آناکوندا Anaconda Environment Setup

  • نحوه نصب Numpy، Scipy، Matplotlib، Pandas، IPython، Theano و TensorFlow How to install Numpy, Scipy, Matplotlib, Pandas, IPython, Theano, and TensorFlow

کمک اضافی برای کدنویسی پایتون برای مبتدیان (پیوست/سوالات متداول بنا به درخواست دانشجو) Extra Help With Python Coding for Beginners (Appendix/FAQ by Student Request)

  • اثبات اینکه استفاده از Jupyter Notebook همانند عدم استفاده از آن است Proof that using Jupyter Notebook is the same as not using it

  • عیب‌یابی محل دریافت کد Where To Get the Code Troubleshooting

  • نحوه استفاده از Github و نکات کدنویسی اضافی (اختیاری) How to use Github & Extra Coding Tips (Optional)

استراتژی‌های یادگیری موثر برای یادگیری ماشین (پیوست/سوالات متداول بنا به درخواست دانشجو) Effective Learning Strategies for Machine Learning (Appendix/FAQ by Student Requ

  • چگونه در این دوره موفق شویم (نسخه طولانی) How to Succeed in this Course (Long Version)

  • آیا این دوره برای مبتدیان است یا متخصصان؟ آکادمیک یا کاربردی؟ سریع یا آهسته؟ Is this for Beginners or Experts? Academic or Practical? Fast or slow-paced?

  • دوره‌های شما را به چه ترتیبی باید بگذرانم؟ (قسمت 1) What order should I take your courses in? (part 1)

  • دوره‌های شما را به چه ترتیبی باید بگذرانم؟ (قسمت 2) What order should I take your courses in? (part 2)

پایان پیوست/سوالات متداول Appendix / FAQ Finale

  • جایزه BONUS

آموزش Google Cloud Fundamentals: Core Infrastructure

آموزش Google Cloud Fundamentals: Core Infrastructure

Google Cloud Fundamentals: Core Infrastructure

آموزش ایجاد جلوه های متنی کاملاً قابل ویرایش در Inkscape 1. 3+

آموزش ایجاد جلوه های متنی کاملاً قابل ویرایش در Inkscape 1. 3+

Create Fully Editable Text Effects in Inkscape 1. 3+

آموزش از هنر سه بعدی خود کسب درآمد کنید: یک بازار را انتخاب کنید، مخاطبان خود را پیدا کنید و دارایی های خود را بفروشید

آموزش از هنر سه بعدی خود کسب درآمد کنید: یک بازار را انتخاب کنید، مخاطبان خود را پیدا کنید و دارایی های خود را بفروشید

Monetize Your 3D Art: Choose a Marketplace, Find Your Audience and Sell Your Assets

نمایش نظرات

آموزش هوش مصنوعی مولد: OpenAI API، دیپ‌سیک و ChatGPT در پایتون
جزییات دوره
10 hours
60
Udemy (یودمی) Udemy (یودمی)
(آخرین آپدیت)
4,221
4.6 از 5
ندارد
دارد
دارد

https://donyad.com/d/38af16

جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Lazy Programmer Inc. Lazy Programmer Inc.

امروز ، بیشتر وقتم را به عنوان یک مهندس هوش مصنوعی و یادگیری ماشین با تمرکز بر یادگیری عمیق می گذرانم ، اگرچه همچنین به عنوان دانشمند داده ، مهندس داده های بزرگ و مهندس نرم افزار کامل پشته نیز شناخته شده ام. من مدرک کارشناسی ارشد خود را در رشته مهندسی کامپیوتر با گرایش یادگیری ماشین و تشخیص الگو دریافت کردم. این تجربه شامل تبلیغات آنلاین و رسانه های دیجیتالی به عنوان دانشمند داده (بهینه سازی نرخ کلیک و تبدیل) و مهندس داده های بزرگ (ساخت خطوط لوله پردازش داده) است. برخی از فناوری های کلان داده ای که من مرتباً استفاده می کنم ، Hadoop ، Pig ، Hive ، MapReduce و Spark هستند. من مدل های یادگیری عمیق را برای پیش بینی میزان کلیک و رفتار کاربر و همچنین برای پردازش تصویر و سیگنال و مدل سازی متن ایجاد کرده ام. کار من در سیستم های پیشنهادی از آموزش تقویت و فیلتر کردن مشارکتی استفاده کرده است و ما نتایج را با استفاده از تست A / B معتبر کردیم.

Lazy Programmer Team Lazy Programmer Team

مهندس هوش مصنوعی و آموزش ماشین من فوق لیسانس خود را در رشته مهندسی کامپیوتر با تخصص یادگیری ماشین و تشخیص الگو دریافت کردم. تجربه شامل تبلیغات آنلاین و رسانه های دیجیتال به عنوان یک دانشمند داده (بهینه سازی نرخ کلیک و تبدیل) و مهندس کلان داده (ساخت خطوط پردازش داده). برخی از فناوری های داده بزرگ که من اغلب استفاده می کنم Hadoop ، Pig ، Hive ، MapReduce و Spark هستند. من مدلهای یادگیری عمیقی برای پیش بینی نرخ کلیک و رفتار کاربر و همچنین پردازش تصویر و سیگنال و مدل سازی متن ایجاد کرده ام. کار من در سیستم های توصیه از یادگیری تقویتی و فیلترینگ مشارکتی استفاده کرده است و ما نتایج را با استفاده از آزمایش A/B معتبر کرده ایم.