آموزش بوت‌کمپ هوش مصنوعی مولد: پروژه واقعی برای مبتدیان - آخرین آپدیت

دانلود Generative AI Bootcamp: Real-World Project for Beginners

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: آموزش عملی هوش مصنوعی مولد (Generative AI) با استفاده از پایتون، Hugging Face، Ollama و Colab، به همراه ساخت یک اپلیکیشن چت صوتی آماده برای محیط عملیاتی و بیش از ۱۰۰۰ کد منبع. درک مفاهیم بنیادی هوش مصنوعی مولد شامل معماری‌ها، جریان‌های کاری و نحوه طراحی و استفاده از سیستم‌های GenAI در دنیای واقعی. استفاده از مدل‌ها، مجموعه‌داده‌ها و Spaces در Hugging Face برای استقرار، تست و اشتراک‌گذاری اپلیکیشن‌های هوش مصنوعی مولد. ساخت یک اپلیکیشن چت صوتی تعاملی و آماده برای تولید با ترکیب مدل‌ها، ابزارها و جریان‌های کاری جامع (End-to-End). توسعه اپلیکیشن‌های GenAI با پایتون، VS Code و Google Colab با استفاده از کدنویسی تمیز، الگوهای قابل استفاده مجدد و استانداردهای صنعتی. دسترسی به بیش از ۱۰۰۰ کد منبع واقعی برای طراحی، شخصی‌سازی و راه‌اندازی با اعتمادبه‌نفس اپلیکیشن‌های مبتنی بر هوش مصنوعی. اجرا و آزمایش مدل‌های AI با استفاده از Google Colab (ابری) و Ollama (محلی) برای توسعه انعطاف‌پذیر GenAI. پیش نیازها: آشنایی مقدماتی با برنامه‌نویسی (به هر زبانی)، اشتیاق به یادگیری گام‌به‌گام و مهارت‌های پایه کامپیوتر.

بوت‌کمپ هوش مصنوعی مولد: پروژه واقعی برای مبتدیان

هوش مصنوعی مولد در حال تغییر نحوه ساخت اپلیکیشن‌هاست و این دوره طراحی شده تا به شما کمک کند هوش مصنوعی مولد را درک کنید، بسازید و در پروژه‌های واقعی به کار ببرید، حتی اگر کاملاً مبتدی باشید.

این بوت‌کمپ شما را در یک مسیر گام‌به‌گام از مفاهیم پایه تا ساخت اپلیکیشن‌های آماده برای بازار همراهی می‌کند و بر مهارت‌های عملی، ابزارهای مدرن و جریان‌های کاری صنعتی تمرکز دارد.

شما فقط مفاهیم را یاد نمی‌گیرید، بلکه سیستم‌های واقعی هوش مصنوعی مولد را خواهید ساخت.


آنچه خواهید آموخت

در این دوره شما:

  • مفاهیم کلیدی هوش مصنوعی مولد، معماری‌ها، جریان‌های کاری و موارد استفاده واقعی را درک می‌کنید.

  • اپلیکیشن‌های هوش مصنوعی مولد را با پایتون و با متدهای توسعه مقیاس‌پذیر و تمیز می‌سازید.

  • مدل‌های AI را در ابر (Google Colab) و به صورت محلی (Ollama) برای کنترل و انعطاف بیشتر اجرا می‌کنید.

  • از مدل‌ها، دیتاست‌ها و Spaces در Hugging Face برای تست، استقرار و اشتراک‌گذاری اپلیکیشن‌ها استفاده می‌کنید.

  • یک اپلیکیشن چت صوتی تعاملی و آماده برای تولید را از صفر توسعه می‌دهید.

  • بیش از ۱۰۰۰ کد منبع و مورد استفاده واقعی را برای سرعت بخشیدن به پروژه‌های خود بررسی می‌کنید.

  • بیش از ۱۰ ساعت آموزش عمیق هوش مصنوعی مولد را می‌گذرانید.

  • بیش از ۷۰ آموزش ویدئویی با کیفیت بالا برای یادگیری کاربردی دریافت می‌کنید.


ابزارها و تکنولوژی‌های مورد بررسی

شما تجربه عملی با ابزارهای مرتبط با صنعت را کسب خواهید کرد، از جمله:

  • Python برای توسعه هوش مصنوعی مولد

  • Google Colab برای آزمایش‌های ابری و شتاب‌دهنده GPU

  • Ollama برای اجرای محلی مدل‌های AI

  • Hugging Face برای دسترسی به مدل‌ها، دیتاست‌ها و استقرار

  • VS Code برای جریان‌های کاری توسعه حرفه‌ای

  • Weights & Biases برای ردیابی و مانیتورینگ آزمایش‌ها

  • Anaconda برای مدیریت محیط‌ها و وابستگی‌ها

تمامی ابزارها گام‌به‌گام و با راهنمایی‌های مناسب برای مبتدیان توضیح داده شده‌اند.


پروژه‌های نهایی دنیای واقعی

این دوره حول محور پروژه‌های واقعی و کاربردی ساخته شده است، از جمله:

  • اپلیکیشن چت صوتی تعاملی AI

این پروژه‌ها دقیقاً مشابه نحوه ساخت سیستم‌های GenAI در تیم‌های واقعی است و به شما کمک می‌کند تجربه عملی و اعتمادبه‌نفس کسب کنید.


این دوره برای چه کسانی است؟

  • مبتدیانی که هیچ تجربه قبلی در GenAI یا یادگیری ماشین ندارند.

  • دانشجویان، افرادی که قصد تغییر شغل دارند و خودآموزانی که وارد دنیای AI می‌شوند.

  • توسعه‌دهندگانی که می‌خواهند پایتون را در سیستم‌های واقعی GenAI به کار ببرند.

  • هر کسی که می‌خواهد پروژه‌های AI بسازد، نه اینکه فقط تئوری بخواند.

بدون نیاز به ریاضیات پیشرفته، پیش‌زمینه یادگیری ماشین یا سخت‌افزارهای گران‌قیمت.


چرا این دوره متفاوت است؟

  • مناسب برای مبتدیان اما با تمرکز بر محیط عملیاتی (Production)

  • پروژه‌های واقعی به جای مثال‌های ساده و تئوریک

  • پوشش هر دو جریان کاری ابری و محلی

  • کدهای منبع قابل استفاده مجدد برای ایده‌های شخصی شما

  • طراحی شده به عنوان یک مسیر یادگیری کامل و جامع (End-to-End)

در پایان این بوت‌کمپ، شما فقط هوش مصنوعی مولد را نخواهید شناخت، بلکه مهارت، اعتمادبه‌نفس و پروژه‌های واقعی لازم برای ساخت و استقرار اپلیکیشن‌های مبتنی بر AI را خواهید داشت.

همین حالا ثبت‌نام کنید و از روز اول ساخت سیستم‌های واقعی هوش مصنوعی مولد را شروع کنید.


سرفصل ها و درس ها

مقدمه Introduction

  • مقدمه‌ای بر هوش مصنوعی مولد: آنچه می‌آموزید و چرا اهمیت دارد Generative AI Introduction: What You’ll Learn and Why It Matters

  • ساختار این دوره و نحوه کسب بهترین نتایج How This Course Is Structured & How to Get the Best Results

  • پیش‌نیازها، ابزارها و انتظارات یادگیری Prerequisites, Tools, and Learning Expectations

  • تصویر کلی: چرا هوش مصنوعی مولد یک مهارت سرنوشت‌ساز شغلی است Big Picture: Why Generative AI Is a Career-Defining Skill

  • کوییز مفاهیم بنیادی هوش مصنوعی مولد برای مبتدیان Generative AI Fundamentals Quiz for Beginners

به دنیای هوش مصنوعی مولد خوش آمدید Welcome to Generative AI

  • معرفی هوش مصنوعی مولد: توضیح مفاهیم و چشم‌انداز آینده Introduction about Generative AI: Explained Concepts and the Future Vision

  • چرخه حیات توسعه جامع GenAI برای سیستم‌های دنیای واقعی End-to-End Generative AI Development Lifecycle for Real-World Systems

  • ساخت GenAI آماده برای تولید: فاکتورهای کلیدی که باید بدانید Building Production-Ready Generative AI: Key Factors You Must Know

  • بررسی کامل الگوهای معماری GenAI برای اپلیکیشن‌های واقعی Complete Overview of GenAI Architecture Patterns for Real-World Applications

  • پرکاربردترین کلمات کلیدی سیستم‌های GenAI در دنیای واقعی Most frequently used Generative AI system keywords for real-world usages

  • نقشه راه تبدیل شدن به مهندس هوش مصنوعی مولد: از مبتدی تا حرفه‌ای Roadmap to Become a Generative AI Engineer: From Beginner to Professional

  • توسعه اپلیکیشن‌های GenAI: ابزارها، فریم‌ورک‌ها، تکنولوژی‌ها و موارد استفاده Generative AI Application Development: Tools, Frameworks, Technologies & Use Cas

  • مبانی هوش مصنوعی مولد: کوییز Generative AI Foundations: Quiz

کاوش در هوش مصنوعی مولد Explore Generative AI

  • پشته توسعه GenAI: زبان‌ها، موارد استفاده و اپلیکیشن‌های واقعی Generative AI Development Stack: Languages, Use Cases & Real-World Applications

  • درک انواع مدل‌های هوش مصنوعی مولد و معماری‌های آن‌ها Understanding Generative AI Models Types and Architectures

  • کاوش و استفاده از برترین مراکز مدل‌های GenAI آنلاین Explore and use top Generative AI Models hub from Online

  • کاوش و دانلود مجموعه‌داده‌های (Datasets) عمومی برای پروژه‌های GenAI Explore and Download public Datasets for Generative AI Project

  • اجزای سخت‌افزاری ضروری برای توسعه اپلیکیشن‌های هوش مصنوعی مولد Essential Hardware Components: Generative AI Application Development

  • بهترین IDEها برای توسعه و آزمایش محلی هوش مصنوعی مولد Top IDEs for Local Generative AI Development & Experimentation

  • پلتفرم‌های آنلاین رایگان برای توسعه و آزمایش پروژه‌های GenAI Free Online Platforms for Develop & Experiment Generative AI Projects

  • ابزارهای مانیتورینگ آنلاین برای بررسی عملکرد مدل‌های GenAI Online Monitoring Tools for Generative AI Models Performances

  • برترین کاربردهای واقعی هوش مصنوعی مولد که در سال ۲۰۲۶ باید بدانید Top Real-World Applications of Generative AI You Must Know in 2026

  • بهترین ابزارهای AI سال ۲۰۲۶ - دموی عملی پلتفرم‌های مدرن AI Top AI Tools You Must Know in 2026 – Hands-On Demo of Modern AI Platforms

  • بهترین پلتفرم‌ها برای یادگیری GenAI به همراه کد منبع کامل Top Platforms to Explore and Learn Generative AI with Complete Source Code

  • کاوش در هوش مصنوعی مولد: تمرین کوییز Explore Generative AI: Quiz Practice

پایتون؛ زبان برنامه‌نویسی سطح بالا و هسته توسعه GenAI Python-High Level & Core Programming Language for GenAI Development

  • شروع کار با پایتون: قدرت محبوب‌ترین زبان جهان Getting Started with Python: The Power of the World's Favorite Language

  • راهنمای جامع نصب پایتون روی سیستم شخصی Comprehensive Guide to Installing Python on Your Local Computer

  • محیط مجازی پایتون (Virtual Environment) چیست و چرا لازم است؟ Python Virtual Environment – What and Why?

  • راهنمای پیاده‌سازی محیط مجازی پایتون Python Virtual Environment – Implementation Guideline

  • آموزش یادگیری پایتون: بهترین منابع، ادیتورهای آنلاین و نحوه شروع Python Learning Tutorial - Best Resources, Online Editors & How to start

  • زبان برنامه‌نویسی پایتون: تمرین تست‌های چهارگزینه‌ای (MCQ) Python Programming Language: MCQ Practice

Visual Studio Code؛ یک IDE قدرتمند و پویا Visual Studio Code - Powerful Dynamic IDE

  • معرفی Visual Studio Code: نصب، رابط کاربری و ویژگی‌ها Introduction to Visual Studio Code: Installation, Interface & Features

  • تسلط بر ناوبری VS Code: اکسپلورر، جستجو و Command Palette Mastering VS Code Navigation: Explorer, Search & Command Palette

  • تسلط بر افزونه‌های VS Code: از مارکت‌پلیس تا تنظیم ابزارهای توسعه Mastering VS Code Extensions: Discover Marketplace to Developer tools setup

  • ضروریات VS Code: جریان کاری کامل پایتون از کدنویسی تا دیباگ VS Code Essentials: A Complete Python Workflow from Code to Debugging

  • جریان کاری از Git تا GitHub: راهنمای کامل کنترل نسخه و همکاری تیمی Workflow from Git to GitHub: Complete Guide to Version Control & Collaboration

  • بهره‌وری با قدرت AI: شخصی‌سازی میان‌برها و توسعه بدون کدنویسی AI Power Productivity: Customize Settings-Shortcuts & development by no-coding

  • Visual Studio Code: تمرینات چهارگزینه‌ای Visual Studio Code: MCQ Practices

Google Colab؛ اجرای مدل آنلاین با رم بالا و GPU قدرتمند Google Colab - Run Model Online with High RAM and Powerful GPU

  • معرفی Google Colab: ویژگی‌ها، مزایا و بررسی صفحه اصلی Google Colab Introduction: Features, Benefits & Homepage Walkthrough

  • کار با سلول‌های گوگل کولب: مدیریت کد منبع با مثال‌های واقعی Working with Google Colab Cells: Source Code Management by Real-world Examples

  • گوگل کولب همراه با Gemini AI - اصلاح و بهبود خودکار کدها Google Colab with Gemini AI – Fix & Improve Your Code Automatically

  • مانیتورینگ منابع، تنظیمات Runtime و توضیح ارتقای پلن در گوگل کولب Google Colab Resource Monitoring, Runtime Configuration & Plan Upgradation Expla

  • تسلط بر فایل‌ها در گوگل کولب: راهنمای کامل مدیریت نوت‌بوک Google Colab File Mastery: Complete Notebook Management Guide

  • اجرای مدل کوچک FLAN T5 در گوگل کولب (آموزش گام‌به‌گام) Run FLAN-T5 Small Model on Google Colab(Step-by-Step Tutorial)

  • Google Colab: تست‌های کاربردی چهارگزینه‌ای Google Colab - Practical MCQ

Ollama؛ مرکز مدل‌های AI محلی Ollama - Local AI Model Hub

  • معرفی Ollama Introduction to Ollama

  • کاوش در اکوسیستم Ollama Exploring the Ollama Ecosystem

  • نصب Ollama روی کامپیوتر Installing Ollama on Your Computer

  • کار با رابط کاربری Ollama Navigating the Ollama User Interface

  • دستورات Ollama در محیط CLI Ollama Commands in CLI

  • تغییر مدل‌ها در Ollama Switching Models in Ollama

  • فراخوانی مدل‌های Ollama با پایتون از طریق HTTP API Calling Ollama Models with Python via HTTP API

  • استفاده از پکیج پایتون Ollama Using the Ollama Python Package

  • تمرینات کوییز ضروریات Ollama Ollama Essentials Quiz Practices

HuggingFace؛ مرکز مدل‌های متن‌باز HuggingFace - Open Source Model Hub

  • معرفی جامع و بررسی کلی HuggingFace A Complete Introduction & Overview of HuggingFace

  • کاوش در صفحه اصلی HuggingFace: ویژگی‌ها و ناوبری Exploring the HuggingFace Home Page: Features & Navigation

  • نحوه راه‌اندازی و شخصی‌سازی پروفایل HuggingFace How to Set up and Customize your HuggingFace Profile

  • کشف مدل‌های HuggingFace: از NLP تا بینایی ماشین و فراتر از آن Discovering HuggingFace Models: From NLP to Vision & Beyond

  • استفاده و اجرای مدل‌های HuggingFace: مدل GPT 2 برای تولید متن Use and Run the HuggingFace Models: GPT-2 Model for Text Generation

  • کاوش در دیتاست‌های Hugging Face - فرآیند جستجو، بارگذاری و استفاده Exploring Hugging Face Datasets — Search, Load, and Use process

  • آپلود و بررسی دیتاست در Huggingface: آموزش عملی Uploading & Exploring Dataset on Huggingface: A Practical Hands--on Tutorial

  • کاوش در HuggingFace Spaces: ساخت و اشتراک‌گذاری آسان اپ‌های AI Exploring HuggingFace Spaces: Build and Share AI Apps Easily

  • ساخت و استقرار HuggingFace Spaces: انتشار اولین اپلیکیشن گام‌به‌گام Create and Deploy HuggingFace Spaces: Publish Your First App Step-by-Step

  • درون جامعه HuggingFace: همکاری و مشارکت‌ها Inside the HuggingFace Community: Collaboration & Contributions

  • تسلط بر مستندات HuggingFace: یادگیری سریع‌تر با منابع رسمی Mastering HuggingFace Docs: Learn Faster with Official Resources

  • راهکارهای سازمانی HuggingFace: هوش مصنوعی برای کسب‌وکارها در مقیاس بزرگ HuggingFace Enterprise Solutions: AI for Businesses at Scale

  • توضیح قیمت‌گذاری HuggingFace: پلن‌های رایگان در مقابل پولی HuggingFace Pricing Explained: Free vs Paid Plans

  • ابزارها و ویژگی‌های بیشتر HuggingFace که باید بدانید More HuggingFace Tools & Features: You should Know

  • کاوش در Collections در HuggingFace Exploring Collections in HuggingFace

  • ساخت و مدیریت Collections در HuggingFace Create and Manage Collections on HuggingFace

  • ضروریات Hugging Face: تمرینات چهارگزینه‌ای Hugging Face Essentials: Practices MCQs

پروژه نهایی؛ چت صوتی تعاملی Capstone Project - Interactive Voice Chat

  • دموی پروژه نهایی: چت صوتی تعاملی با پاسخ‌های AI در لحظه Capstone Project Demo: Interactive Voice Chat with Real-Time AI Responses

  • چت صوتی تعاملی AI: نیازمندی‌های فنی و وابستگی‌های ضروری Interactive AI Voice Chat: Technical Requirements & Necessary dependency

  • آماده‌سازی محیط و نصب وابستگی‌ها برای اپلیکیشن «چت صوتی AI» Prepare Environment and Installing Dependencies for “AI Voice Chat” App

  • چت صوتی تعاملی AI - بررسی خط‌به‌خط کد منبع (app.py) Interactive AI Voice Chat – Source Code Walkthrough (app.py)

  • تنظیم محیط Hugging Face Space برای اپلیکیشن چت صوتی تعاملی Hugging Face Space Environment Setup for Interactive AI Voice Chat Application

  • آماده‌سازی کل کد منبع برای استقرار در Hugging Face Space Prepared Entire Source Code to Deployment in Hugging Face Space

  • استقرار اپلیکیشن در محیط Hugging Face با استفاده از دستورات Git Deployment Application on Hugging Face Environment Using Git Command

  • تست «اپلیکیشن چت صوتی تعاملی» در محیط زنده Huggingface Test “Interactive Voice Chat Application” in Live Huggingface Environment

  • کوییز پروژه نهایی: استقرار چت صوتی تعاملی AI Capstone Quiz: Interactive AI Voice Chat Deployment

جمع‌بندی دوره و گام‌های بعدی Course Wrap-Up & Next Steps

  • خلاصه دوره: آنچه تا اینجا آموختید Course Summary: What You’ve Learned So Far

  • گام‌های بعدی: نحوه ادامه یادگیری و تمرین Next Steps: How to Continue Learning and Practicing

  • سخن نهایی، انگیزه و پیام پایان دوره Final Thoughts, Motivation & Course Completion Message

نمایش نظرات

آموزش بوت‌کمپ هوش مصنوعی مولد: پروژه واقعی برای مبتدیان
جزییات دوره
9.5 hours
74
Udemy (یودمی) Udemy (یودمی)
(آخرین آپدیت)
223
5 از 5
دارد
دارد
دارد
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Md Abdullah Al Mamun Md Abdullah Al Mamun

مدیر پروژه | پژوهشگر GenAI | بیش از ۱۲ سال تجربه