لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
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