آموزش جامع AI Toolkit برای Visual Studio Code - آخرین آپدیت

سرفصل ها و درس ها

مقدمه Introduction

• آنچه باید بدانید What you need to know

• بهینه‌سازی توسعه اپلیکیشن‌های هوش مصنوعی با AI Toolkit Streamline AI application development with AI Toolkit

1. آشنایی با AI Toolkit برای VS Code 1. Getting to Know AI Toolkit for VS Code

• راه‌اندازی مدل‌های ONNX Setting up ONNX models

• ابزار AI Toolkit برای VS Code چیست؟ What is AI Toolkit for VS Code?

• دستورالعمل‌های مایکروسافت برای توسعه مسئولانه اپلیکیشن‌های هوش مصنوعی Microsoft guidelines for responsible AI app development

• نصب AI Toolkit برای Visual Studio Code Installing AI Toolkit for Visual Studio Code

2. کاتالوگ‌های هوش مصنوعی 2. AI Catalogs

• احراز هویت با ارائه‌دهندگان خارجی Authenticating with external providers

• افزودن مدل‌های خارجی به AI Toolkit Adding external models to AI Toolkit

• وارد کردن مدل‌های ONNX به AI Toolkit با Model Creator Importing ONNX models into AI Toolkit with Model Creator

• مروری بر کاتالوگ‌ها Overview of the catalogs

• تبدیل مدل‌ها با استفاده از ONNX Converting models using ONNX

3. استفاده از مدل‌ها 3. Using the Models

• مقایسه مدل‌ها Comparing models

• باز کردن محیط‌های Playground Opening playgrounds

• تغییر پارامترهای مدل Changing the model parameters

4. سازنده پرامپت (Prompt Builder) 4. Prompt Builder

• اجرای یک قالب پرامپت Running a prompt template

• مثال عملی: تعداد حرف R در کلمه strawberry How many Rs are in strawberry?

• مهندسی پرامپت چیست؟ What is prompt engineering?

• ساخت یک قالب پرامپت Building a prompt template

5. اجرای دسته‌ای (Bulk Run) 5. Bulk Run

• استفاده از داده‌های تولید شده با Bulk Run Using generated data with bulk run

• استفاده از فایل سفارشی JSONL Using a custom JSONL file

• مروری بر اجرای دسته‌ای (Bulk Run) Overview of bulk run

6. ارزیابی 6. Evaluation

• مروری بر ارزیابی Overview of evaluation

• استفاده از بصری‌سازی داده‌ها Using visualization of data

• افزودن ارزیاب سفارشی: اتمام و تست Adding a custom evaluator: Finish and test

• تنظیم مدل با استفاده از Bulk Run و ارزیابی Adjusting the model with bulk run and evaluation

• کار با مجموعه داده‌های سفارشی Working with the custom dataset

• افزودن ارزیاب سفارشی: تنظیمات اولیه Adding a custom evaluator: Initial setup

• استفاده از ارزیابی با مجموعه داده پیش‌فرض Using evaluation with the default dataset

7. تنظیم دقیق (Fine Tuning) 7. Fine-Tuning

• مقدمه‌ای بر Fine Tuning Introduction to fine-tuning

• اجرای فرآیند Fine Tuning Running the fine-tuning

• شروع Fine Tuning محلی Starting local fine-tuning

• آماده‌سازی سیستم برای Fine Tuning محلی Setting up a machine for local fine-tuning

• تست مدل Fine-tune شده Testing your fine-tuned model

جمع‌بندی Conclusion

• گام‌های بعدی و مسیر یادگیری Where to go from here