آموزش هوش مصنوعی مولد: LLM، تنظیم دقیق، RAG و مهندسی پرامپت - آخرین آپدیت

دانلود Generative AI : LLM, Fine-tuning, RAG & Prompt engineering

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:

منبع واحد حقیقت: هوش مصنوعی مولد و مدل‌های زبانی بزرگ

با مدل‌های زبانی بزرگ (LLMs)، مهندسی پرامپت، تنظیم دقیق (fine-tuning) و مفاهیم پیشرفته مانند بهینه‌سازی ترجیحی مستقیم (DPO) آشنا شوید.

تولید افزوده بازیابی (RAG) را برای بهبود قابلیت‌های LLM با ادغام سیستم‌های بازیابی جهت پاسخ‌های دقیق‌تر و برتر، بیاموزید.

پس از این دوره، توانایی ساخت راه‌حل‌های هوش مصنوعی را خواهید داشت که کاملاً با قصد انسانی همسو بوده و عملکرد مدل‌های استاندارد را پشت سر می‌گذارند.

دسترسی و تنظیم دقیق بیش از ۱۰۰ مدل در Hugging Face

با بهره‌گیری از بیش از ۱۰۰,۰۰۰ مجموعه داده، به‌طور مؤثر روی مدل‌های پیشرفته کار کنید.

صرفه‌جویی در زمان با اتوماسیون پرامپت‌ها

با خودکارسازی پرامپت‌ها، بیش از ۱۰ ساعت در هفته صرفه‌جویی کنید.

کار روی پروژه‌های واقعی هوش مصنوعی

روی پروژه‌های دنیای واقعی کار کنید که از ایجاد مجموعه داده تا استقرار مدل را پوشش می‌دهند.

استقرار آسان مدل‌ها با Hugging Face

مدل‌ها را با استفاده از قالب‌های آماده Gradio به‌راحتی در Hugging Face مستقر کنید.

پیکربندی RAG با Google Gemini Pro

قابلیت‌های تولید افزوده بازیابی (RAG) را با استفاده از Google Gemini Pro پیکربندی و بهینه کنید.

تسلط بر مفاهیم RAG با LangChain

مفاهیم RAG را با LangChain بیاموزید تا سیستم‌های بازیابی افزوده قدرتمند بسازید.

ساخت انواع برنامه‌های مبتنی بر LLM

هر نوع برنامه مبتنی بر LLM را با خلاقیت بسازید و به دنیای هوش مصنوعی وارد شوید.

تجربه عملی در تنظیم دقیق مقرون‌به‌صرفه مدل

با ابزارهای منبع‌باز، تجربه عملی در تنظیم دقیق مقرون‌به‌صرفه مدل‌های هوش مصنوعی کسب کنید.

ایجاد سریع مجموعه داده‌های جدید

در چند مرحله ساده، مجموعه داده‌های جدید و کاربردی را سریعاً ایجاد کنید.

یادگیری تکنیک‌های تنظیم دقیق متخصصان صنعت

تکنیک‌های پیشرفته تنظیم دقیق مدل را که توسط کارشناسان برجسته صنعت استفاده می‌شود، بیاموزید.

کاوش در تکنیک‌های پیشرفته مانند Fusion Retrieval و GraphRAG

تکنیک‌های پیشرفته هوش مصنوعی مانند Fusion Retrieval و GraphRAG را کشف کنید.

استفاده از منابع و میزبانی رایگان GPU

از منابع GPU رایگان و امکانات میزبانی برای تسریع پروژه‌های خود استفاده کنید.

ارزیابی عملکرد مدل هوش مصنوعی

یاد بگیرید چگونه عملکرد مدل هوش مصنوعی خود را به‌طور مؤثر ارزیابی کنید.

مدیریت موارد لبه، سوگیری‌ها و ملاحظات اخلاقی در هوش مصنوعی

نحوه مدیریت موارد لبه، سوگیری‌ها و ملاحظات اخلاقی هنگام کار با مدل‌های هوش مصنوعی را درک کنید.

پیش‌نیازها

کنجکاوی واقعی برای یادگیری در مورد هوش مصنوعی مولد و کاربردهای آن.
آشنایی با زبان برنامه‌نویسی پایتون مفید است.

مطالعات موردی واقعی: تنظیم دقیق، مهندسی پرامپت و RAG

دوره ما شامل مطالعات موردی عمیق و واقعی در زمینه تنظیم دقیق، مهندسی پرامپت و تولید افزوده بازیابی (RAG) است.

این مطالعات موردی نه تنها تکنیک‌های پیشرفته را برجسته می‌کنند، بلکه بینش‌های عملی و کاربردی در مورد استفاده از آن‌ها در پروژه‌های واقعی هوش مصنوعی ارائه می‌دهند.

با بررسی سناریوها و پروژه‌های واقعی، فراگیران درک عمیقی از نحوه استفاده مؤثر از این روش‌ها برای حل چالش‌های پیچیده کسب خواهند کرد.

مطالعات موردی برای پر کردن شکاف بین تئوری و عمل طراحی شده‌اند و به شرکت‌کنندگان اجازه می‌دهند تا نحوه استقرار این تکنیک‌های پیشرفته را در محیط‌های صنعتی مشاهده کنند.

علاوه بر این، این مثال‌ها یک چارچوب گام‌به‌گام برای اعمال مفاهیم تئوری در کاربردهای دنیای واقعی ارائه می‌دهند.

چه در حال تنظیم دقیق مدل‌ها برای عملکرد بهتر، مهندسی پرامپت‌ها برای خروجی‌های بهبود یافته، یا استفاده از سیستم‌های بازیابی برای بهبود تولید باشید، فراگیران می‌توانند این استراتژی‌ها را با اطمینان در پروژه‌های خود پیاده‌سازی کنند.

این تضمین می‌کند که تا پایان دوره، شرکت‌کنندگان نه تنها پایه‌ای محکم در مفاهیم هوش مصنوعی مولد خواهند داشت، بلکه توانایی به‌کارگیری آن‌ها به روش‌های عملی و تأثیرگذار را نیز کسب خواهند کرد.

سرفصل ها و درس ها

خوش آمدید Welcome

تسلط بر هوش مصنوعی: آنچه از دوره هوش مصنوعی مولد ما به دست خواهید آورد Unlock AI Mastery: What You’ll Gain From Our Generative AI Course
چرا هوش مصنوعی مولد؟ چشم‌انداز و هدف ما از ارائه این دوره Why Generative AI? Our Vision and Purpose for Offering this Course

مدل زبان بزرگ Large Language Model

مقدمه Introduction
آموزش مدل‌های زبان بزرگ Training Large Language Models
عوامل مؤثر بر عملکرد LLM Factors Influencing LLM Performance
موارد استفاده LLM LLM Use Cases
چالش‌های فعلی LLMها Challenges Faced By LLMs Currently
تنظیم دقیق مخصوص دامنه Domain-Specific Fine-Tuning
پیش‌آموزش مخصوص دامنه با استفاده از Bloomberg GPT Domain-Specific Pre-Training Using Bloomberg GPT
چه زمانی از پیش‌آموزش مخصوص دامنه استفاده کنیم When To Use Domain-Specific Pre-Training
استفاده مؤثر از LLMها Using LLMs Effectively
مزایای LLMهای مخصوص دامنه Benefits of Domain-Specific LLMs

مهندسی پرامپت Prompt Engineering

مقدمه Introduction
اجزای مهندسی پرامپت Components of Prompt Engineering
خودکارسازی پرامپت‌های شما Automating Your Prompts
پروژه زنده روی مهندسی پرامپت Live Project on Prompt Engineering

تنظیم دقیق Fine-Tuning

مقدمه Introduction
انواع تنظیم دقیق برای مدل‌های زبان بزرگ Types of Fine-Tuning for Large Language Models
تکنیک تنظیم دقیق دستورالعمل Instruction Fine-Tuning Technique
یادگیری تقویتی از بازخورد انسانی (RLHF) Reinforcement Learning from Human Feedback (RLHF)
بهینه‌سازی مستقیم ترجیحات (رویکرد مدرن برای بهینه‌سازی LLMها) Direct Preference Optimization (A Modern Approach to Optimize LLMs)
تنظیم دقیق با پارامتر کارآمد (رویکردی برای مقابله با نیازهای محاسباتی بالا) Parameter-Efficient Fine-Tuning (Approach to Tackle High Computational Demands))
پروژه زنده: تنظیم دقیق Llama 2 با QLoRA Live Project: Fine-Tuning Llama 2 with QLoRA

ابزارهای پیشرفته RAG و تنظیم دقیق Advanced RAG and Fine-Tuning Tools

مقدمه Introduction
تولید افزوده بازیابی (RAG) به تفصیل Retrieval Augmented Generation (RAG) in Detail
نحوه کارکرد ورود داده در RAG چگونه است؟ How Ingestion Works in RAG?
نحوه بازیابی در RAG چگونه است؟ How Retrieval works in RAG?
نحوه تولید در RAG چگونه است؟ How Generation works in RAG?
گفتگوی کارشناس صنعت: مقدمه‌ای بر خط لوله RAG Industry Expert Talk: Introduction to RAG Pipeline
گفتگوی کارشناس صنعت: خط لوله RAG چگونه کار می‌کند؟ Industry Expert Talk: How RAG Pipeline Works?
پروژه زنده: سیستم RAG با استفاده از LangChain و Gemini Pro گوگل Live Project: RAG system using LangChain and Google's Gemini Pro

تکنیک‌های ارزیابی برای مدل‌های زبان بزرگ Evaluation Techniques for Large Language Models

ارزیابی، ساخت و استقرار LLMها در Huggingface Evaluation, Building and Deployment of LLMs on Huggingface
ابزارهایی برای ساخت اپلیکیشن‌های LLM Tools for Building LLM Applications
مطالعه موردی: عامل تجربه پشتیبانی مشتری مبتنی بر هوش مصنوعی Case Study: AI Based Customer Support Experience Agent

استراتژی‌های تحول‌آفرین Gen AI برای رهبران کسب‌وکار Game Changing Gen AI Strategies for Business Leaders

گفتگوی کارشناس صنعت: IDEAA Industry Expert Talk: IDEAA

برای ارسال نظر ثبت نام کنید.

آموزش هوش مصنوعی مولد: LLM، تنظیم دقیق، RAG و مهندسی پرامپت - آخرین آپدیت

دانلود Generative AI : LLM, Fine-tuning, RAG & Prompt engineering

منبع واحد حقیقت: هوش مصنوعی مولد و مدل‌های زبانی بزرگ

دسترسی و تنظیم دقیق بیش از ۱۰۰ مدل در Hugging Face

صرفه‌جویی در زمان با اتوماسیون پرامپت‌ها

کار روی پروژه‌های واقعی هوش مصنوعی

استقرار آسان مدل‌ها با Hugging Face

پیکربندی RAG با Google Gemini Pro

تسلط بر مفاهیم RAG با LangChain

ساخت انواع برنامه‌های مبتنی بر LLM

تجربه عملی در تنظیم دقیق مقرون‌به‌صرفه مدل

ایجاد سریع مجموعه داده‌های جدید

یادگیری تکنیک‌های تنظیم دقیق متخصصان صنعت

کاوش در تکنیک‌های پیشرفته مانند Fusion Retrieval و GraphRAG

استفاده از منابع و میزبانی رایگان GPU

ارزیابی عملکرد مدل هوش مصنوعی

مدیریت موارد لبه، سوگیری‌ها و ملاحظات اخلاقی در هوش مصنوعی

پیش‌نیازها

مطالعات موردی واقعی: تنظیم دقیق، مهندسی پرامپت و RAG

خوش آمدید Welcome

تسلط بر هوش مصنوعی: آنچه از دوره هوش مصنوعی مولد ما به دست خواهید آورد Unlock AI Mastery: What You’ll Gain From Our Generative AI Course

چرا هوش مصنوعی مولد؟ چشم‌انداز و هدف ما از ارائه این دوره Why Generative AI? Our Vision and Purpose for Offering this Course

مدل زبان بزرگ Large Language Model

مقدمه Introduction

آموزش مدل‌های زبان بزرگ Training Large Language Models

عوامل مؤثر بر عملکرد LLM Factors Influencing LLM Performance

موارد استفاده LLM LLM Use Cases

چالش‌های فعلی LLMها Challenges Faced By LLMs Currently

تنظیم دقیق مخصوص دامنه Domain-Specific Fine-Tuning

پیش‌آموزش مخصوص دامنه با استفاده از Bloomberg GPT Domain-Specific Pre-Training Using Bloomberg GPT

چه زمانی از پیش‌آموزش مخصوص دامنه استفاده کنیم When To Use Domain-Specific Pre-Training

استفاده مؤثر از LLMها Using LLMs Effectively

مزایای LLMهای مخصوص دامنه Benefits of Domain-Specific LLMs

مهندسی پرامپت Prompt Engineering

مقدمه Introduction

اجزای مهندسی پرامپت Components of Prompt Engineering

خودکارسازی پرامپت‌های شما Automating Your Prompts

پروژه زنده روی مهندسی پرامپت Live Project on Prompt Engineering

تنظیم دقیق Fine-Tuning

مقدمه Introduction

انواع تنظیم دقیق برای مدل‌های زبان بزرگ Types of Fine-Tuning for Large Language Models

تکنیک تنظیم دقیق دستورالعمل Instruction Fine-Tuning Technique

یادگیری تقویتی از بازخورد انسانی (RLHF) Reinforcement Learning from Human Feedback (RLHF)

بهینه‌سازی مستقیم ترجیحات (رویکرد مدرن برای بهینه‌سازی LLMها) Direct Preference Optimization (A Modern Approach to Optimize LLMs)

تنظیم دقیق با پارامتر کارآمد (رویکردی برای مقابله با نیازهای محاسباتی بالا) Parameter-Efficient Fine-Tuning (Approach to Tackle High Computational Demands))

پروژه زنده: تنظیم دقیق Llama 2 با QLoRA Live Project: Fine-Tuning Llama 2 with QLoRA

ابزارهای پیشرفته RAG و تنظیم دقیق Advanced RAG and Fine-Tuning Tools

مقدمه Introduction

تولید افزوده بازیابی (RAG) به تفصیل Retrieval Augmented Generation (RAG) in Detail

نحوه کارکرد ورود داده در RAG چگونه است؟ How Ingestion Works in RAG?

نحوه بازیابی در RAG چگونه است؟ How Retrieval works in RAG?

نحوه تولید در RAG چگونه است؟ How Generation works in RAG?

گفتگوی کارشناس صنعت: مقدمه‌ای بر خط لوله RAG Industry Expert Talk: Introduction to RAG Pipeline

گفتگوی کارشناس صنعت: خط لوله RAG چگونه کار می‌کند؟ Industry Expert Talk: How RAG Pipeline Works?

پروژه زنده: سیستم RAG با استفاده از LangChain و Gemini Pro گوگل Live Project: RAG system using LangChain and Google's Gemini Pro

تکنیک‌های ارزیابی برای مدل‌های زبان بزرگ Evaluation Techniques for Large Language Models

ارزیابی، ساخت و استقرار LLMها در Huggingface Evaluation, Building and Deployment of LLMs on Huggingface

ابزارهایی برای ساخت اپلیکیشن‌های LLM Tools for Building LLM Applications

مطالعه موردی: عامل تجربه پشتیبانی مشتری مبتنی بر هوش مصنوعی Case Study: AI Based Customer Support Experience Agent

استراتژی‌های تحول‌آفرین Gen AI برای رهبران کسب‌وکار Game Changing Gen AI Strategies for Business Leaders

گفتگوی کارشناس صنعت: IDEAA Industry Expert Talk: IDEAA

نمایش نظرات

https://donyad.com/d/2cb43d