آموزش دوره جامع هوش مصنوعی محلی: اجرای مدل‌ها روی سیستم شخصی و کاربردهای عملی - آخرین آپدیت

دانلود Local AI Crash Course: Run Models Locally and Do Real Work new

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

نمونه ویدیوها: (صرفا برای مشاهده نمونه ویدیو، ممکن هست نیاز به شکن داشته باشید.)

توضیحات دوره: مدل‌های هوش مصنوعی را به صورت محلی اجرا کنید. سخت‌افزار، محیط اجرا (Runner) و مدل مناسب را انتخاب کرده و سپس آن را به پروژه‌های واقعی متصل کنید. یک مدل واقعی هوش مصنوعی را روی کامپیوتر خودتان با هزینه صفر، بدون نیاز به اشتراک ماهانه، بدون API Key، کاملاً آفلاین و با حفظ حریم خصوصی اجرا کنید. دقیقاً متوجه شوید که سیستم شما توان اجرای چه مدل‌هایی را دارد؛ آن هم با استفاده از یک جدول ساده بررسی حافظه که برای هر مک یا پی‌سی ویندوزی کاربرد دارد. محیط اجرای مناسب (Ollama یا LM Studio) و مدل درست را انتخاب کنید و یاد بگیرید نام‌های پیچیده مدل‌ها مانند qwen3:14b-q4 را به زبان ساده بخوانید. مدل محلی خود را از طریق API محلی به ابزارهای واقعی متصل کنید: ویرایشگر کد، یک اسکریپت یا یک اپلیکیشن کوچک. پیش‌نیازها: هیچ تجربه قبلی در زمینه هوش مصنوعی محلی یا یادگیری ماشین نیاز نیست. این دوره از سطح صفر شروع می‌شود و هر اصطلاح را پیش از استفاده، به زبان ساده توضیح می‌دهد.

بسیاری تصور می‌کنند اجرای هوش مصنوعی واقعی به معنای پرداخت اشتراک ماهانه و هزینه‌های API است که با هر بار استفاده افزایش می‌یابد. اما این‌طور نیست. مدل‌های باز (Open Models) که امروز می‌توانید رایگان دانلود کنید، تقریباً در سطح مدل‌های پولی یک یا دو سال پیش هستند و برای اکثر کارهای روزمره، بیش از حد کافی‌اند.

این یک دوره عملی و فشرده برای اجرای مدل‌های هوش مصنوعی روی کامپیوتر شخصی شماست. بدون اشتراک، بدون API Key و بدون اینکه داده‌های شما هرگز از سیستم خارج شود. در پایان، شما یک مدل واقعی را به صورت محلی اجرا کرده و آن را به جریان کاری خود متصل می‌کنید، نه اینکه فقط یک پنجره چت را یک بار امتحان کنید و فراموش کنید.

ما از صفر شروع می‌کنیم و همه چیز را ساده نگه می‌داریم. شما چهار تصمیم حیاتی را خواهید آموخت:

سخت‌افزار: چگونه دقیقاً بفهمیم مک یا پی‌سی شما چه چیزی را می‌تواند اجرا کند (با استفاده از جدول بررسی حافظه).
محیط اجرا (Runner): کدام ابزار را انتخاب کنیم (Ollama، LM Studio یا llama.cpp) و چرا این انتخاب کمتر از آنچه مردم می‌ترسند اهمیت دارد.
مدل: نحوه خواندن نام‌های گیج‌کننده مدل‌ها، معنای کوانتیزاسیون (Quantization) و Mixture of Experts به زبان ساده و اینکه با کدام مدل‌ها شروع کنید.
اولین تسک: نصب محیط اجرا، اجرای اولین مدل و به‌کارگیری آن در عمل.

سپس مدل محلی خود را از طریق API محلی به ابزارهای واقعی (ویرایشگر کد، ایجنت‌های برنامه‌نویسی، اسکریپت‌ها یا اپلیکیشن‌های کوچک) متصل می‌کنید. و چون صداقت اهمیت دارد، یاد می‌گیرید چه زمانی هوش مصنوعی محلی انتخاب اشتباهی است و چگونه کارهای سنگین را به فضای ابری (Cloud) ارجاع دهید.

این دوره برای مهندسان و افراد فنی است که می‌خواهند هوش مصنوعی را روی سیستم خود داشته باشند اما هنوز آن را راه‌اندازی نکرده‌اند. هیچ تجربه قبلی لازم نیست و هر اصطلاح به زبان ساده شرح داده شده است. اگر از قبل llama.cpp را از سورس اجرا می‌کنید، بسیاری از این موارد برایتان آشنا خواهد بود.

این یک دوره پویا است. همین سیستم و متدها می‌توانند فراتر از متن، مواردی چون تولید تصویر، تبدیل گفتار به متن، متن به گفتار و حتی ویدیو را اجرا کنند و ماژول‌های جدید بر اساس نیاز دانشجویان به آن اضافه خواهد شد.

سرفصل ها و درس ها

مقدمه Introduction

مقدمه Introduction
چه چیزهایی خواهید آموخت و این دوره برای چه کسانی است What You'll Learn & Who This Course Is
چرا هوش مصنوعی محلی؟ چرا اکنون؟ Why Local AI, Why Now

انتخاب تنظیمات: سخت‌افزار، محیط اجرا و مدل Choose Your Setup: Hardware, Runner, Model

انتخاب محیط اجرا (Ollama, LM Studio, llama.cpp) Pick a Runner (Ollama, LM Studio, llama.cpp)
سیستم شما توان اجرای چه مدل‌هایی را دارد What Your Machine Can Run
انتخاب مدل: نام‌ها، کوانتیزاسیون و MoE Pick a Model: Names, Quantization, MoE