آموزش تسلط بر Ollama – ساخت مدل‌های زبانی محلی (Local LLMs) با پایتون - آخرین آپدیت

دانلود Harnessing Ollama – Create Local LLMs with Python

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: به‌روزرسانی شده در می ۲۰۲۵. این دوره اکنون دارای قابلیت Coursera Coach است! روشی هوشمندانه‌تر برای یادگیری با گفتگوهای تعاملی و در لحظه که به شما کمک می‌کند دانش خود را آزمایش کنید، مفروضات را به چالش بکشید و در حین پیشروی در دوره، درک خود را عمیق‌تر کنید. در این دوره، شما یاد خواهید گرفت که چگونه با استفاده از Ollama و پایتون، مدل‌های زبانی محلی ایجاد کنید. در پایان، شما به ابزارهای لازم برای ساخت برنامه‌های مبتنی بر LLM برای کاربردهای واقعی مجهز خواهید شد. این دوره ویژگی‌های قدرتمند Ollama، نصب و راه‌اندازی آن و سپس یک راهنمای عملی برای کاوش و بهره‌برداری از مدل‌های Ollama از طریق پایتون را معرفی می‌کند. شما به موضوعاتی مانند REST APIها، کتابخانه پایتون برای Ollama و نحوه سفارشی‌سازی و تعامل موثر با مدل‌ها خواهید پرداخت. شما با آماده‌سازی محیط توسعه شروع می‌کنید و سپس با معرفی Ollama، ویژگی‌های کلیدی و پیش‌نیازهای سیستمی آشنا می‌شوید. پس از درک مفاهیم بنیادی، کار با دستورات CLI Ollama را آغاز کرده و REST API را برای تعامل با مدل‌ها بررسی می‌کنید. این دوره تمرینات عملی مانند فراخوانی و تست مدل‌ها، سفارشی‌سازی آن‌ها و استفاده از نقاط انتهایی (Endpoints) مختلف برای کارهایی مانند تحلیل احساسات و خلاصه‌سازی را ارائه می‌دهد. سفر شما با ورود به بخش یکپارچه‌سازی با پایتون ادامه می‌یابد و از کتابخانه پایتون Ollama برای ساخت برنامه‌های LLM استفاده خواهید کرد. شما ویژگی‌های پیشرفته‌ای مانند کار با مدل‌های چندوجهی (Multimodal)، ایجاد مدل‌های سفارشی و استفاده از تابع show برای استریم کردن تعاملات چت را بررسی می‌کنید. سپس، برنامه‌های کاملی مانند دسته‌بندی لیست خرید و یک سیستم RAG را توسعه داده و مفاهیمی چون ذخیره‌سازهای برداری (Vector Stores)، Embeddingها و موارد دیگر را می‌کاوید. این دوره برای کسانی که به دنبال ساخت برنامه‌های پیشرفته LLM با استفاده از Ollama و پایتون هستند، ایده‌آل است. اگر پیش‌زمینه‌ای در برنامه‌نویسی پایتون دارید و می‌خواهید برنامه‌های پیچیده متنی بسازید، این دوره شما را به هدف‌تان می‌رساند. انتظار یک تجربه یادگیری عملی با فرصت کار بر روی چندین پروژه با استفاده از چارچوب Ollama را داشته باشید.

سرفصل ها و درس ها

مقدمه Introduction

  • مقدمه و آنچه خواهید آموخت Introduction & What Will You Learn

  • پیش‌نیازهای دوره Course Prerequisites

  • لطفاً این دمو را تماشا کنید Please WATCH this DEMO

  • راه‌اندازی محیط توسعه Development Environment Setup

بررسی عمیق Ollama - معرفی و راه‌اندازی Ollama Deep Dive - Introduction to Ollama and Setup

  • بررسی عمیق Ollama - نمای کلی و مزایا Ollama Deep Dive - Ollama Overview - What is Ollama and Advantages

  • ویژگی‌های کلیدی و موارد استفاده از Ollama Ollama Key Features and Use Cases

  • پیش‌نیازهای سیستم و نصب Ollama - نمای کلی System Requirements & Ollama Setup - Overview

  • دانلود و نصب Ollama و مدل Llama 3.2 - عملی و تست Download and Setup Ollama and Llam3.2 Model - Hands-on & Testing

  • بررسی کامل صفحه مدل‌های Ollama Ollama Models Page - Full Overview

  • بررسی عمیق پارامترهای مدل Ollama Ollama Model Parameters Deep Dive

  • درک پارامترها، حجم دیسک و منابع محاسباتی مورد نیاز Understanding Parameters and Disk Size and Computational Resources Needed

دستورات CLI و REST API - بخش عملی Ollama CLI Commands and the REST API - Hands-on

  • دستورات Ollama - فراخوانی و تست مدل Ollama Commands - Pull and Testing a Model

  • فراخوانی مدل چندوجهی Llava و شرح تصاویر Pull in the Llava Multimodal Model and Caption an Image

  • خلاصه‌سازی، تحلیل احساسات و سفارشی‌سازی مدل با Modelfile Summarization and Sentiment Analysis & Customizing Our Model with the Modelfile

  • رست ای‌پی‌آی Ollama - نقاط انتهایی تولید متن و چت Ollama REST API - Generate and Chat Endpoints

  • رست ای‌پی‌آی Ollama - حالت درخواست JSON Ollama REST API - Request JSON Mode

  • پشتیبانی مدل‌های Ollama از وظایف مختلف - خلاصه Ollama Models Support Different Tasks - Summary

رابط‌های کاربری برای مدل‌های Ollama Ollama - User Interfaces for Ollama Models

  • روش‌های مختلف تعامل با مدل‌های Ollama - نمای کلی Different Ways to Interact with Ollama Models - Overview

  • اجرای مدل Ollama در اپلیکیشن Msty - ابزار فرانت‌اند و چت RAG با اسناد Ollama Model Running Under Msty App - Frontend Tool - RAG System Chat with Docs

کتابخانه پایتون Ollama - تعامل با مدل‌ها Ollama Python Library - Using Python to Interact with Ollama Models

  • کتابخانه پایتون Ollama برای ساخت اپلیکیشن‌های محلی LLM - نمای کلی The Ollama Python Library for Building LLM Local Applications - Overview

  • تعامل با Llama 3 در پایتون با استفاده از REST API - عملی Interact with Llama3 in Python Using Ollama REST API - Hands-on

  • کتابخانه پایتون Ollama - چت با مدل Ollama Python Library - Chatting with a Model

  • مثال چت با قابلیت استریمینگ (Streaming) Chat Example with Streaming

  • استفاده از تابع show در Ollama Using Ollama show Function

  • ایجاد یک مدل سفارشی در کد Create a Custom Model in Code

ساخت اپلیکیشن‌های LLM با مدل‌های Ollama Building LLM Applications with Ollama Models

  • عملی: ساخت اپلیکیشن LLM - دسته‌بندی لیست خرید Hands-on: Build a LLM App - Grocery List Categorizer

  • ساخت سیستم‌های RAG با Ollama - نمای کلی RAG و LangChain Building RAG Systems with Ollama - RAG & LangChain Overview

  • بررسی عمیق Vectorstore و Embeddingها - دوره سریع Deep Dive into Vectorstore and Embeddings - The Whole Picture - Crash Course

  • نمای کلی سیستم RAG برای PDF - آنچه خواهیم ساخت PDF RAG System Overview - What We'll Build

  • راه‌اندازی سیستم RAG - ورود اسناد، ایجاد پایگاه داده برداری و Embeddingها Setup RAG System - Document Ingestion & Vector Database Creation and Embeddings

  • سیستم RAG - بازیابی و پرس‌وجو RAG System - Retrieval and Querying

  • سیستم RAG - بهینه‌سازی کد RAG System - Cleaner Code

  • سیستم RAG - رابط کاربری Streamlit RAG System - Streamlit UI

فراخوانی توابع ابزاری Ollama - بخش عملی Ollama Tool Function Calling - Hands-on

  • نمای کلی فراخوانی توابع (Tools) Function Calling (Tools) Overview

  • راه‌اندازی اپلیکیشن فراخوانی توابع ابزاری Setup Tool Function Calling Application

  • دسته‌بندی آیتم‌ها با مدل و تنظیم لیست ابزارها Categorize Items Using the Model and Setup the Tools List

  • اپلیکیشن نهایی LLM با قابلیت Tool Calling Tools Calling LLM Application - Final Product

سیستم نهایی RAG با Ollama و پاسخ صوتی Final RAG System with Ollama and Voice Response

  • سیستم RAG صوتی - نمای کلی Voice RAG System - Overview

  • تنظیم کلید API ElevenLabs، بارگذاری و خلاصه‌سازی سند Setup EleveLabs API Key and Load and Summarize the Document

  • سیستم RAG صوتی Ollama - اجرای عملی Ollama Voice RAG System - Working!

  • افزودن صدای تولید شده ElevenLabs برای خواندن پاسخ‌ها Adding ElevenLab Voice Generated Reading the Response Back to Us

جمع‌بندی Wrap Up

  • جمع‌بندی - گام‌های بعدی چیست؟ Wrap Up - What's Next?

نمایش نظرات

آموزش تسلط بر Ollama – ساخت مدل‌های زبانی محلی (Local LLMs) با پایتون
جزییات دوره
6h 38m
42
(آخرین آپدیت)
720
- از 5
دارد
دارد
دارد
Chris Croft
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Chris Croft Chris Croft

مربی مدیریت، سخنران، نویسنده