آموزش استادی مهندسی هوش مصنوعی و مدل‌های زبانی بزرگ (LLM): راهنمای جامع GenAI و RAG - آخرین آپدیت

دانلود AI & LLM Engineering Mastery: GenAI, RAG Complete Guide

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره:

مهندسی هوش مصنوعی: یادگیری عمیق، RAG، هوش مصنوعی مولد و پایگاه داده‌های برداری

از مبانی تا مهندسی پیشرفته هوش مصنوعی - تنظیم دقیق، RAG، عوامل هوش مصنوعی، پایگاه داده‌های برداری و پروژه‌های واقعی.

معماری و جریان کار یک سیستم RAG برای پردازش PDFها و داده‌های چندوجهی را مسلط شوید.

مبانی هوش مصنوعی، یادگیری ماشین و یادگیری عمیق (مقدماتی) را مسلط شوید.

ابزارها، چارچوب‌ها و جریان‌های کار LangChain، از جمله تکنیک‌های جاسازی و بازیابی را مسلط شوید.

تنظیم دقیق مدل‌ها با OpenAI، LoRA و سایر تکنیک‌ها برای سفارشی کردن پاسخ‌های هوش مصنوعی.

توسعه برنامه‌های کاربردی مبتنی بر هوش مصنوعی با تکنیک‌های پیشرفته RAG، جستجوی چندوجهی و عوامل هوش مصنوعی برای موارد استفاده واقعی.

پیش نیازها: مبانی برنامه نویسی - مبانی پایتون گنجانده شده است.

به یک مهندس هوش مصنوعی تبدیل شوید و مدل‌های زبان بزرگ (LLM)، هوش مصنوعی مولد، تولید افزوده بازیابی (RAG)، عوامل هوش مصنوعی و پایگاه داده‌های برداری را در این دوره جامع عملی مسلط شوید.

چه یک مبتدی باشید و چه یک توسعه‌دهنده با تجربه، این دوره شما را از صفر به قهرمان در ساخت برنامه‌های کاربردی مبتنی بر هوش مصنوعی در دنیای واقعی تبدیل می‌کند.

این دوره بینش‌های نظری عمیق را با پروژه‌های عملی ترکیب می‌کند و اطمینان می‌دهد که شما معماری‌های مدل هوش مصنوعی، استراتژی‌های توسعه و بهینه‌سازی و کاربردهای عملی را درک می‌کنید.

آنچه خواهید آموخت:

  • مبانی یادگیری عمیق و یادگیری ماشین
    • شبکه‌های عصبی، توابع فعال‌سازی، ترانسفورماتورها و تکامل هوش مصنوعی را درک کنید.
    • یاد بگیرید که چگونه مدل‌های هوش مصنوعی مدرن آموزش داده، بهینه سازی و در برنامه‌های کاربردی دنیای واقعی مستقر می‌شوند.
  • تسلط بر مدل‌های زبان بزرگ (LLM) و هوش مصنوعی مبتنی بر ترانسفورماتور
    • غوص عمیق در مدل‌های OpenAI و چارچوب‌های هوش مصنوعی منبع باز.
    • برنامه‌های کاربردی سفارشی مبتنی بر LLM را از ابتدا بسازید و مستقر کنید.
  • تولید افزوده بازیابی (RAG) و جستجوی مبتنی بر هوش مصنوعی
    • یاد بگیرید که چگونه هوش مصنوعی دانش را با استفاده از جاسازی‌های برداری، FAISS و ChromaDB بازیابی می‌کند.
    • سیستم‌های RAG مقیاس‌پذیر را برای جستجو و بازیابی اسناد مبتنی بر هوش مصنوعی پیاده‌سازی کنید.
  • جریان‌های کار LangChain و عامل هوش مصنوعی
    • عوامل هوش مصنوعی بسازید که به طور مستقل اطلاعات را بازیابی، پردازش و تولید می‌کنند.
  • تنظیم دقیق LLMها و مدل‌های هوش مصنوعی منبع باز
    • OpenAI و مدل‌های LoRA را برای برنامه‌های کاربردی سفارشی تنظیم کنید.
    • یاد بگیرید که چگونه LLMها را برای دقت، کارایی و مقیاس‌پذیری بهتر بهینه کنید.
  • پایگاه داده‌های برداری و بازیابی دانش مبتنی بر هوش مصنوعی
    • با FAISS، ChromaDB و جریان‌های کار جستجوی هوش مصنوعی مبتنی بر بردار کار کنید.
    • سیستم‌های هوش مصنوعی را توسعه دهید که داده‌های ساختاریافته و غیرساختاریافته را بازیابی و پردازش می‌کنند.
  • تجربه عملی با استقرار هوش مصنوعی و برنامه‌های کاربردی دنیای واقعی
    • چت‌بات‌های مبتنی بر هوش مصنوعی، برنامه‌های کاربردی RAG چندوجهی و ابزارهای اتوماسیون هوش مصنوعی بسازید.

این دوره برای چه کسانی مناسب است؟

  • مهندسان هوش مصنوعی مشتاق و دانشمندان داده – به دنبال تسلط بر LLMها، بازیابی هوش مصنوعی و سیستم‌های جستجو.
  • توسعه دهندگان و مهندسان نرم افزار – که می‌خواهند هوش مصنوعی را در برنامه‌های کاربردی خود ادغام کنند.
  • علاقه‌مندان به یادگیری ماشین – به دنبال غوص عمیق در هوش مصنوعی، GenAI و جستجوی مبتنی بر هوش مصنوعی.
  • کارآفرینان فناوری و مدیران محصول – مایل به ساخت محصولات SaaS مبتنی بر هوش مصنوعی.
  • دانشجویان و مبتدیان هوش مصنوعی – که به یک مسیر ساختاریافته و گام به گام از مبتدی تا متخصص نیاز دارند.

الزامات دوره

  • بدون نیاز به تجربه قبلی در هوش مصنوعی – این دوره شما را از مبتدی به متخصص می‌برد.
  • دانش پایه پایتون (توصیه می‌شود اما الزامی نیست - مبانی پایتون در دوره گنجانده شده است).
  • آشنایی با APIها و JSON مفید است اما اجباری نیست.
  • یک کامپیوتر با دسترسی به اینترنت برای توسعه عملی.

چرا این دوره را بگذرانید؟

  • آموزش جامع هوش مصنوعی: LLMها، RAG، عوامل هوش مصنوعی، پایگاه داده‌های برداری، تنظیم دقیق را پوشش می‌دهد.
  • پروژه‌های عملی: هر مفهوم با برنامه‌های کاربردی هوش مصنوعی در دنیای واقعی تقویت می‌شود.
  • به روز و کاربردی: تکنیک‌ها و ابزارهای پیشرفته هوش مصنوعی مورد استفاده در شرکت‌های برتر فناوری را بیاموزید.
  • رویکرد از صفر تا قهرمان: برای مبتدیان مطلق و توسعه دهندگان با تجربه به طور یکسان طراحی شده است.

امروز در مهندسی هوش مصنوعی مسلط شوید و به یک متخصص در GenAI، LLM و RAG تبدیل شوید.


سرفصل ها و درس ها

Introduction-فصل 1-مقدمه Introduction

  • Introduction-ویدیو 1-1-مقدمه Introduction

  • DEMO - What You'll Build in this Course-ویدیو 1-2-دمو - آنچه در این دوره خواهید ساخت DEMO - What You'll Build in this Course

  • Course Structure-ویدیو 1-3-ساختار دوره Course Structure

  • How To Get The Most from This Course-ویدیو 1-4-چگونه بیشترین بهره را از این دوره ببرید How To Get The Most from This Course

Development Environment Setup-فصل 2-راه اندازی محیط توسعه Development Environment Setup

  • Development Environment Setup - Overview-ویدیو 2-1-راه اندازی محیط توسعه - نمای کلی Development Environment Setup - Overview

  • Install Python on Windows - for WINDOWS USERS-ویدیو 2-2-نصب پایتون روی ویندوز - برای کاربران ویندوز Install Python on Windows - for WINDOWS USERS

  • Install Python on MAC - for MAC USERS-ویدیو 2-3-نصب پایتون روی مک - برای کاربران مک Install Python on MAC - for MAC USERS

  • Download Visual Studio Code-ویدیو 2-4-دانلود ویژوال استودیو کد Download Visual Studio Code

  • Install the Python Extension Pack for VS Code-ویدیو 2-5-نصب بسته افزونه پایتون برای VS Code Install the Python Extension Pack for VS Code

  • Running First Python Program in VS Code-ویدیو 2-6-اجرای اولین برنامه پایتون در VS Code Running First Python Program in VS Code

Download Source code for the AI, LLM Engineering Mastery-فصل 3-دانلود کد منبع برای تسلط بر مهندسی هوش مصنوعی، LLM Download Source code for the AI, LLM Engineering Mastery

  • Download Code and Slides-ویدیو 3-1-دانلود کد و اسلایدها Download Code and Slides

Do You Know Python?-فصل 4-آیا پایتون را می دانید؟ Do You Know Python?

  • Python Deep Dive - Introduction and Overview-ویدیو 4-1-بررسی عمیق پایتون - مقدمه و نمای کلی Python Deep Dive - Introduction and Overview

OPTIONAL - Python Deep Dive - Master Python Fundamentals-فصل 5-اختیاری - بررسی عمیق پایتون - تسلط بر مبانی پایتون OPTIONAL - Python Deep Dive - Master Python Fundamentals

  • What is Python and Where It's Used?-ویدیو 5-1-پایتون چیست و کجا استفاده می شود؟ What is Python and Where It's Used?

  • Python Compilation & Interpretation Process-ویدیو 5-2-فرآیند کامپایل و تفسیر پایتون Python Compilation & Interpretation Process

  • Download Python Fundamentals Code-ویدیو 5-3-دانلود کد مبانی پایتون Download Python Fundamentals Code

  • Declaring Variables in Python-ویدیو 5-4-اعلان متغیرها در پایتون Declaring Variables in Python

  • Data Types-ویدیو 5-5-انواع داده Data Types

  • Python f-Strings-ویدیو 5-6-رشته های f-string پایتون Python f-Strings

  • Numbers - Integers and Floats-ویدیو 5-7-اعداد - اعداد صحیح و ممیز شناور Numbers - Integers and Floats

  • Introduction to Lists - Accessing and Modifying Them-ویدیو 5-8-مقدمه ای بر لیست ها - دسترسی و اصلاح آنها Introduction to Lists - Accessing and Modifying Them

  • f-Strings & Individual Values from a List-ویدیو 5-9-رشته های f-string و مقادیر تکی از یک لیست f-Strings & Individual Values from a List

  • Sorting a List and Getting a List Length-ویدیو 5-10-مرتب سازی یک لیست و گرفتن طول لیست Sorting a List and Getting a List Length

  • Lists and Loops - Looping through a List-ویدیو 5-11-لیست ها و حلقه ها - حلقه زدن از طریق یک لیست Lists and Loops - Looping through a List

  • Making a List of Numbers with Loops and the Range Function-ویدیو 5-12-ایجاد یک لیست از اعداد با حلقه ها و تابع Range Making a List of Numbers with Loops and the Range Function

  • Statistics Functions for Numbers-ویدیو 5-13-توابع آماری برای اعداد Statistics Functions for Numbers

  • Generate Even Numbers with the List and Range-ویدیو 5-14-تولید اعداد زوج با لیست و Range Generate Even Numbers with the List and Range

  • Important: Code Organization Note-ویدیو 5-15-مهم: نکته سازماندهی کد Important: Code Organization Note

  • List Comprehension-ویدیو 5-16-درک مطلب لیست List Comprehension

  • Tuples-ویدیو 5-17-تاپل ها Tuples

  • Branching - If Statements and Booleans-ویدیو 5-18-انشعاب - عبارات If و مقادیر Boolean Branching - If Statements and Booleans

  • The Elif and the in Keywords-ویدیو 5-19-کلیدواژه های Elif و in The Elif and the in Keywords

  • Hands-on - Using AND and OR Logical Operators-ویدیو 5-20-تمرین عملی - استفاده از عملگرهای منطقی AND و OR Hands-on - Using AND and OR Logical Operators

  • AND OR Logical Operators-ویدیو 5-21-عملگرهای منطقی AND OR AND OR Logical Operators

  • Checking for Inequalities-ویدیو 5-22-بررسی نابرابری ها Checking for Inequalities

  • Hands-on - Inner If-Statements-ویدیو 5-23-تمرین عملی - عبارات If داخلی Hands-on - Inner If-Statements

  • Data Structures - Dictionaries - Introduction and Declaring and Accessing Values-ویدیو 5-24-ساختارهای داده - دیکشنری ها - مقدمه و اعلان و دسترسی به مقادیر Data Structures - Dictionaries - Introduction and Declaring and Accessing Values

  • Modifying a Dictionary-ویدیو 5-25-اصلاح یک دیکشنری Modifying a Dictionary

  • Iterating Through a Dictionary-ویدیو 5-26-تکرار در یک دیکشنری Iterating Through a Dictionary

  • Nested Dictionaries and Looping Through Them-ویدیو 5-27-دیکشنری های تودرتو و حلقه زدن در آنها Nested Dictionaries and Looping Through Them

  • Looping through a Dictionary with a List Inside-ویدیو 5-28-حلقه زدن در یک دیکشنری با یک لیست در داخل Looping through a Dictionary with a List Inside

  • User Input and While Loops - User Input - Introduction-ویدیو 5-29-ورودی کاربر و حلقه های While - ورودی کاربر - مقدمه User Input and While Loops - User Input - Introduction

  • Hands-on - Odd or Even Number-ویدیو 5-30-تمرین عملی - عدد فرد یا زوج Hands-on - Odd or Even Number

  • While Loops & Simple Quit Program-ویدیو 5-31-حلقه های While و برنامه خروج ساده While Loops & Simple Quit Program

  • Hands-on - Quiz Game-ویدیو 5-32-تمرین عملی - بازی مسابقه Hands-on - Quiz Game

  • Removing all Instances of Specific Values from a List-ویدیو 5-33-حذف تمام نمونه های مقادیر خاص از یک لیست Removing all Instances of Specific Values from a List

  • Hands-on Dream Travel Itinerary Program - Filling a Dictionary with User Input-ویدیو 5-34-برنامه تمرین عملی برنامه سفر رویایی - پر کردن یک دیکشنری با ورودی کاربر Hands-on Dream Travel Itinerary Program - Filling a Dictionary with User Input

  • Functions - Introduction-ویدیو 5-35-توابع - مقدمه Functions - Introduction

  • Passing Information to a Function (parameters)-ویدیو 5-36-ارسال اطلاعات به یک تابع (پارامترها) Passing Information to a Function (parameters)

  • Positional and Named Arguments-ویدیو 5-37-آرگومان های موقعیتی و نامدار Positional and Named Arguments

  • Default Values - Parameters-ویدیو 5-38-مقادیر پیش فرض - پارامترها Default Values - Parameters

  • Return Values from a Function-ویدیو 5-39-مقادیر برگشتی از یک تابع Return Values from a Function

  • Hands-on - Returning an Integer & Intro do DocString-ویدیو 5-40-تمرین عملی - برگرداندن یک عدد صحیح و معرفی DocString Hands-on - Returning an Integer & Intro do DocString

  • Functions - Passing a List as Argument-ویدیو 5-41-توابع - ارسال یک لیست به عنوان آرگومان Functions - Passing a List as Argument

  • Passing an Arbitrary Number of Arguments to a Function-ویدیو 5-42-ارسال تعداد دلخواه آرگومان به یک تابع Passing an Arbitrary Number of Arguments to a Function

  • Introduction to Modules - Importing Specific functions from a Module-ویدیو 5-43-مقدمه ای بر ماژول ها - وارد کردن توابع خاص از یک ماژول Introduction to Modules - Importing Specific functions from a Module

  • Using the "as" as an Alias-ویدیو 5-44-استفاده از "as" به عنوان نام مستعار Using the "as" as an Alias

  • Classes and OOP - Object Oriented Programming - The "init and "str" methods-ویدیو 5-45-کلاس ها و OOP - برنامه نویسی شی گرا - متدهای "init" و "str" Classes and OOP - Object Oriented Programming - The "init and "str" methods

  • Adding More Methods to the Class-ویدیو 5-46-اضافه کردن متدهای بیشتر به کلاس Adding More Methods to the Class

  • Setting a Default Value for an Attribute-ویدیو 5-47-تنظیم یک مقدار پیش فرض برای یک ویژگی Setting a Default Value for an Attribute

  • Modifying Class Attribute - directly and with Methods-ویدیو 5-48-اصلاح ویژگی کلاس - مستقیماً و با متدها Modifying Class Attribute - directly and with Methods

  • Inheritance - Create an Ebook - Child Class-ویدیو 5-49-وراثت - ایجاد یک کتاب الکترونیکی - کلاس فرزند Inheritance - Create an Ebook - Child Class

  • Overriding Methods-ویدیو 5-50-بازنویسی متدها Overriding Methods

  • Creating and Importing from a Module-ویدیو 5-51-ایجاد و وارد کردن از یک ماژول Creating and Importing from a Module

  • The Object Class - Overview-ویدیو 5-52-کلاس Object - نمای کلی The Object Class - Overview

  • The Python Standard Library-ویدیو 5-53-کتابخانه استاندارد پایتون The Python Standard Library

  • Random Module - Random Fruit Hands-on-ویدیو 5-54-ماژول Random - تمرین عملی میوه تصادفی Random Module - Random Fruit Hands-on

  • Hands-on - Random Fruit with Choice Module Method-ویدیو 5-55-تمرین عملی - میوه تصادفی با متد ماژول Choice Hands-on - Random Fruit with Choice Module Method

  • Using Datetime Module-ویدیو 5-56-استفاده از ماژول Datetime Using Datetime Module

  • Writing & Reading Files - Do Useful Tasks with Python - Do amazing things-ویدیو 5-57-نوشتن و خواندن فایل ها - انجام کارهای مفید با پایتون - انجام کارهای شگفت انگیز Writing & Reading Files - Do Useful Tasks with Python - Do amazing things

  • The Path Class & Reading a Text File-ویدیو 5-58-کلاس Path و خواندن یک فایل متنی The Path Class & Reading a Text File

  • Resolving Path - Reading From a Subdirectory with Path-ویدیو 5-59-تعیین مسیر - خواندن از یک زیرشاخه با Path Resolving Path - Reading From a Subdirectory with Path

  • Path Properties Overview-ویدیو 5-60-نمای کلی ویژگی های Path Path Properties Overview

  • Writing to Text file with Path-ویدیو 5-61-نوشتن در فایل متنی با Path Writing to Text file with Path

  • Read and Write to File Using the "with" Keyword-ویدیو 5-62-خواندن و نوشتن در فایل با استفاده از کلیدواژه "with" Read and Write to File Using the "with" Keyword

  • Handling Exceptions-ویدیو 5-63-مدیریت استثناها Handling Exceptions

  • The "FileNotFound" and "IndexError" Exceptions Types-ویدیو 5-64-انواع استثناهای "FileNotFound" و "IndexError" The "FileNotFound" and "IndexError" Exceptions Types

  • Custom Exception Creation and handling-ویدیو 5-65-ایجاد و مدیریت استثنای سفارشی Custom Exception Creation and handling

  • JSON - Reading and Writing to a JSON File-ویدیو 5-66-JSON - خواندن و نوشتن در یک فایل JSON JSON - Reading and Writing to a JSON File

  • Hands-on - Writing and Reading - Countries to JSON file-ویدیو 5-67-تمرین عملی - نوشتن و خواندن - کشورها در فایل JSON Hands-on - Writing and Reading - Countries to JSON file

  • Hands-on - File Organizer-ویدیو 5-68-تمرین عملی - سازمان دهنده فایل Hands-on - File Organizer

  • Python Virtual Environment and PIP-ویدیو 5-69-محیط مجازی پایتون و PIP Python Virtual Environment and PIP

  • Setting up Virtual Environment and Installing a Package-ویدیو 5-70-راه اندازی محیط مجازی و نصب یک بسته Setting up Virtual Environment and Installing a Package

  • Hands-on Watermarker Python Tool-ویدیو 5-71-ابزار تمرین عملی Watermarker پایتون Hands-on Watermarker Python Tool

  • Building an Image Watermarker in Python - Part 1-ویدیو 5-72-ساخت یک Watermarker تصویر در پایتون - قسمت 1 Building an Image Watermarker in Python - Part 1

  • Generating the Watermarked Images-ویدیو 5-73-تولید تصاویر Watermarked Generating the Watermarked Images

  • Reading CSV File - Introduction-ویدیو 5-74-خواندن فایل CSV - مقدمه Reading CSV File - Introduction

  • Getting the CSV header Position-ویدیو 5-75-دریافت موقعیت سرصفحه CSV Getting the CSV header Position

  • Reading Data from a CSV Column-ویدیو 5-76-خواندن داده ها از یک ستون CSV Reading Data from a CSV Column

  • Plotting a Graph with CSV Data-ویدیو 5-77-رسم یک نمودار با داده های CSV Plotting a Graph with CSV Data

Deep and Machine Learning Deep Dive-فصل 6-بررسی عمیق یادگیری عمیق و ماشین Deep and Machine Learning Deep Dive

  • Deep and Machine Learning Deep Dive - Overview and Breakdown-ویدیو 6-1-بررسی عمیق یادگیری عمیق و ماشین - نمای کلی و تجزیه و تحلیل Deep and Machine Learning Deep Dive - Overview and Breakdown

  • Deep Learning Key Aspects-ویدیو 6-2-جنبه های کلیدی یادگیری عمیق Deep Learning Key Aspects

  • Deep Neural Network Dissection - Full Dive with Analogies-ویدیو 6-3-تشریح شبکه عصبی عمیق - بررسی کامل با قیاس ها Deep Neural Network Dissection - Full Dive with Analogies

  • The Single Neuron Computation - Deep Dive-ویدیو 6-4-محاسبات نورون منفرد - بررسی عمیق The Single Neuron Computation - Deep Dive

  • Wights - Deep Dive-ویدیو 6-5-وزن ها - بررسی عمیق Wights - Deep Dive

  • Activation Functions - Deep Dive with Analogies-ویدیو 6-6-توابع فعال سازی - بررسی عمیق با قیاس ها Activation Functions - Deep Dive with Analogies

  • Deep Learning Summary-ویدیو 6-7-خلاصه یادگیری عمیق Deep Learning Summary

  • Machine Learning Introduction - Machine Learning vs. Deep Learning-ویدیو 6-8-مقدمه یادگیری ماشین - یادگیری ماشین در مقابل یادگیری عمیق Machine Learning Introduction - Machine Learning vs. Deep Learning

  • Learning Types - Education System Analogy-ویدیو 6-9-انواع یادگیری - قیاس سیستم آموزشی Learning Types - Education System Analogy

  • Comparative Capabilities Deep Learning and Machine Learning and AI - Summary-ویدیو 6-10-قابلیت های مقایسه ای یادگیری عمیق و یادگیری ماشین و هوش مصنوعی - خلاصه Comparative Capabilities Deep Learning and Machine Learning and AI - Summary

Generative AI (GenAI) - Deep Dive-فصل 7-هوش مصنوعی مولد (GenAI) - بررسی عمیق Generative AI (GenAI) - Deep Dive

  • GenAI Introduction and Architecture Overview-ویدیو 7-1-مقدمه GenAI و نمای کلی معماری GenAI Introduction and Architecture Overview

  • GenAI Key Technologies - Limitations and challenges-ویدیو 7-2-فناوری های کلیدی GenAI - محدودیت ها و چالش ها GenAI Key Technologies - Limitations and challenges

  • GenAI Key Components Overview and Summary-ویدیو 7-3-نمای کلی و خلاصه اجزای کلیدی GenAI GenAI Key Components Overview and Summary

LLMs (Large Language Models) - Fundamentals - A Deep Dive-فصل 8-LLM ها (مدل های زبان بزرگ) - مبانی - بررسی عمیق LLMs (Large Language Models) - Fundamentals - A Deep Dive

  • LLMs - Overview-ویدیو 8-1-LLM ها - نمای کلی LLMs - Overview

  • The Transformer Architecture - Fundamentals-ویدیو 8-2-معماری Transformer - مبانی The Transformer Architecture - Fundamentals

  • The Self-Attention Mechanism - Analogy-ویدیو 8-3-مکانیسم توجه به خود - قیاس The Self-Attention Mechanism - Analogy

  • The Transformers Library - Deep Dive-ویدیو 8-4-کتابخانه Transformers - بررسی عمیق The Transformers Library - Deep Dive

  • HANDS-ON - Create a Simple LLM from the Transformers Library - Simple-ویدیو 8-5-تمرین عملی - ایجاد یک LLM ساده از کتابخانه Transformers - ساده HANDS-ON - Create a Simple LLM from the Transformers Library - Simple

  • HANDS-ON - Hands-on Enhanced Transformers LLM-ویدیو 8-6-تمرین عملی - LLM پیشرفته Transformers HANDS-ON - Hands-on Enhanced Transformers LLM

  • Open-source vs. Closed-source Models - Overview-ویدیو 8-7-مدل های منبع باز در مقابل منبع بسته - نمای کلی Open-source vs. Closed-source Models - Overview

OpenAI Models and Setup-فصل 9-مدل های OpenAI و راه اندازی OpenAI Models and Setup

  • Setup OpenAI Account and API Key-ویدیو 9-1-راه اندازی حساب OpenAI و کلید API Setup OpenAI Account and API Key

  • Using APIs Effectively in AI Projects-ویدیو 9-2-استفاده موثر از API ها در پروژه های هوش مصنوعی Using APIs Effectively in AI Projects

  • HANDS-ON - Making our First Call to OpenAI Model-ویدیو 9-3-تمرین عملی - اولین تماس خود را با مدل OpenAI برقرار می کنیم HANDS-ON - Making our First Call to OpenAI Model

Prompt Engineering - Communicating with LLMs - Deep Dive-فصل 10-مهندسی Prompt - برقراری ارتباط با LLM ها - بررسی عمیق Prompt Engineering - Communicating with LLMs - Deep Dive

  • Prompt Engineering Introduction-ویدیو 10-1-مقدمه مهندسی Prompt Prompt Engineering Introduction

  • Prompt Engineering and Types - Why it Matters-ویدیو 10-2-مهندسی Prompt و انواع آن - چرا مهم است Prompt Engineering and Types - Why it Matters

  • HANDS-ON - Simple Prompting Example-ویدیو 10-3-تمرین عملی - مثال Prompting ساده HANDS-ON - Simple Prompting Example

  • Advanced Prompting Techniques and Challenges-ویدیو 10-4-تکنیک ها و چالش های Prompting پیشرفته Advanced Prompting Techniques and Challenges

  • HANDS-ON - Few-shots Prompting-ویدیو 10-5-تمرین عملی - Prompting چند نمونه ای HANDS-ON - Few-shots Prompting

  • HANDS-ON - Zero-shot Prompting-ویدیو 10-6-تمرین عملی - Prompting صفر نمونه ای HANDS-ON - Zero-shot Prompting

  • HANDS-ON -Chain-of-Thoughts Prompting-ویدیو 10-7-تمرین عملی - Prompting زنجیره افکار HANDS-ON -Chain-of-Thoughts Prompting

  • HANDS-ON - Instructional Prompting-ویدیو 10-8-تمرین عملی - Prompting دستوری HANDS-ON - Instructional Prompting

  • HANDS-ON - Role-Playing and Open-ended Prompting-ویدیو 10-9-تمرین عملی - Prompting نقش آفرینی و باز HANDS-ON - Role-Playing and Open-ended Prompting

  • Temperature and Top-p Sampling-ویدیو 10-10-دما و نمونه برداری Top-p Temperature and Top-p Sampling

  • HANDS-ON - Prompt Techniques Combination and Streaming-ویدیو 10-11-تمرین عملی - ترکیب تکنیک های Prompt و Streaming HANDS-ON - Prompt Techniques Combination and Streaming

  • Prompt Engineering Summary and Takeaways-ویدیو 10-12-خلاصه و نکات کلیدی مهندسی Prompt Prompt Engineering Summary and Takeaways

Ollama & Open-Source Models - Complete Guide-فصل 11-Ollama و مدل های منبع باز - راهنمای کامل Ollama & Open-Source Models - Complete Guide

  • Ollama - Introduction-ویدیو 11-1-Ollama - مقدمه Ollama - Introduction

  • Download Source Code and Resources-ویدیو 11-2-دانلود کد منبع و منابع Download Source Code and Resources

  • Ollama Deep Dive - Ollama Overview - What is Ollama and Advantages-ویدیو 11-3-بررسی عمیق Ollama - نمای کلی Ollama - Ollama چیست و مزایای آن Ollama Deep Dive - Ollama Overview - What is Ollama and Advantages

  • Ollama Key Features and Use Cases-ویدیو 11-4-ویژگی های کلیدی Ollama و موارد استفاده Ollama Key Features and Use Cases

  • System Requirements & Ollama Setup - Overview-ویدیو 11-5-نیازمندی های سیستم و راه اندازی Ollama - نمای کلی System Requirements & Ollama Setup - Overview

  • HANDS-ON - Download and Setup Ollama and Llama3.2 Model-ویدیو 11-6-تمرین عملی - دانلود و راه اندازی Ollama و مدل Llama3.2 HANDS-ON - Download and Setup Ollama and Llama3.2 Model

  • Ollama Models Page - Overview-ویدیو 11-7-صفحه مدل های Ollama - نمای کلی Ollama Models Page - Overview

  • Ollama Model Parameters Deep Dive-ویدیو 11-8-بررسی عمیق پارامترهای مدل Ollama Ollama Model Parameters Deep Dive

  • Understanding Parameters and Disk Size and Computational Resources Needed-ویدیو 11-9-درک پارامترها و اندازه دیسک و منابع محاسباتی مورد نیاز Understanding Parameters and Disk Size and Computational Resources Needed

  • Ollama CLI Commands -Pull and Testing a Model-ویدیو 11-10-دستورات CLI Ollama - دریافت و آزمایش یک مدل Ollama CLI Commands -Pull and Testing a Model

  • Pull in the Llava Multimodal Model and Caption an Image-ویدیو 11-11-دریافت مدل چند وجهی Llava و شرح یک تصویر Pull in the Llava Multimodal Model and Caption an Image

  • Summarization and Sentiment Analysis & Customizing Our Model-ویدیو 11-12-خلاصه سازی و تحلیل احساسات و سفارشی سازی مدل ما Summarization and Sentiment Analysis & Customizing Our Model

  • Ollama REST API - Generate and Chat Endpoints-ویدیو 11-13-Ollama REST API - نقاط پایانی تولید و گفتگو Ollama REST API - Generate and Chat Endpoints

  • Ollama REST API - Request JSON Mode-ویدیو 11-14-Ollama REST API - حالت JSON درخواست Ollama REST API - Request JSON Mode

  • Ollama Models Support Different Tasks - Summary-ویدیو 11-15-مدل های Ollama از وظایف مختلف پشتیبانی می کنند - خلاصه Ollama Models Support Different Tasks - Summary

  • Different Ways to Interact with Ollama Models-ویدیو 11-16-راه های مختلف برای تعامل با مدل های Ollama Different Ways to Interact with Ollama Models

  • Ollama Model Running Under Msty App-ویدیو 11-17-مدل Ollama در حال اجرا تحت برنامه Msty Ollama Model Running Under Msty App

  • Ollama Python SDK for Building LLM Local Applications-ویدیو 11-18-Ollama Python SDK برای ساخت برنامه های LLM محلی Ollama Python SDK for Building LLM Local Applications

  • HANDS-ON - Interact with Llama3 in Python Using Ollama REST API-ویدیو 11-19-تمرین عملی - تعامل با Llama3 در پایتون با استفاده از Ollama REST API HANDS-ON - Interact with Llama3 in Python Using Ollama REST API

  • Ollama Python Library - Chatting with a Model-ویدیو 11-20-کتابخانه Ollama Python - گفتگو با یک مدل Ollama Python Library - Chatting with a Model

  • Chat Example with Streaming-ویدیو 11-21-مثال گفتگو با Streaming Chat Example with Streaming

  • Using Ollama Show Function-ویدیو 11-22-استفاده از تابع Ollama Show Using Ollama Show Function

  • Create a Custom Model in Code-ویدیو 11-23-ایجاد یک مدل سفارشی در کد Create a Custom Model in Code

Context & Memory Management for LLMs - Deep Dive-فصل 12-مدیریت زمینه و حافظه برای LLM ها - بررسی عمیق Context & Memory Management for LLMs - Deep Dive

  • HANDS-ON - Context and Memory Management Overview-ویدیو 12-1-تمرین عملی - نمای کلی مدیریت زمینه و حافظه HANDS-ON - Context and Memory Management Overview

  • What is Context and Memory Management - Deep Dive-ویدیو 12-2-مدیریت زمینه و حافظه چیست - بررسی عمیق What is Context and Memory Management - Deep Dive

  • HANDS-ON - Adding Memory and Context to Chatbox-ویدیو 12-3-تمرین عملی - افزودن حافظه و زمینه به Chatbox HANDS-ON - Adding Memory and Context to Chatbox

  • Summary-ویدیو 12-4-خلاصه Summary

Logging in LLM Applications - Deep Dive-فصل 13-Logging در برنامه های LLM - بررسی عمیق Logging in LLM Applications - Deep Dive

  • Logging - Introduction - What and the Why-ویدیو 13-1-Logging - مقدمه - چیستی و چرایی Logging - Introduction - What and the Why

  • Logging in LLM Applications and Logging Life Cycle-ویدیو 13-2-Logging در برنامه های LLM و چرخه عمر Logging Logging in LLM Applications and Logging Life Cycle

  • HANDS-ON - Chatbot with Logging-ویدیو 13-3-تمرین عملی - Chatbot با Logging HANDS-ON - Chatbot with Logging

  • Summary-ویدیو 13-4-خلاصه Summary

RAG - Retrieval-Augmented Generation - Deep Dive-فصل 14-RAG - تولید تقویت شده با بازیابی - بررسی عمیق RAG - Retrieval-Augmented Generation - Deep Dive

  • RAG Introduction - What is it?-ویدیو 14-1-مقدمه RAG - چیست؟ RAG Introduction - What is it?

  • RAG Key Components - The RAG Triad-ویدیو 14-2-اجزای کلیدی RAG - سه گانه RAG RAG Key Components - The RAG Triad

  • RAG vs. Pure GenAI Models-ویدیو 14-3-RAG در مقابل مدل های GenAI خالص RAG vs. Pure GenAI Models

  • RAG Deep Dive - Full Diagram Walkthrough-ویدیو 14-4-بررسی عمیق RAG - راهنمای گام به گام نمودار کامل RAG Deep Dive - Full Diagram Walkthrough

  • RAG Benefits and Practical Applications-ویدیو 14-5-مزایای RAG و کاربردهای عملی RAG Benefits and Practical Applications

  • RAG Challenges-ویدیو 14-6-چالش های RAG RAG Challenges

  • RAG Fundamentals - Takeaways - Summary-ویدیو 14-7-مبانی RAG - نکات کلیدی - خلاصه RAG Fundamentals - Takeaways - Summary

Vector Databases and Embeddings - Deep Dive-فصل 15-پایگاه داده های برداری و Embeddings - بررسی عمیق Vector Databases and Embeddings - Deep Dive

  • Vector Databases and Embeddings for RAG Workflows - Introduction-ویدیو 15-1-پایگاه داده های برداری و Embeddings برای گردش کار RAG - مقدمه Vector Databases and Embeddings for RAG Workflows - Introduction

  • Download Source code-ویدیو 15-2-دانلود کد منبع Download Source code

  • Introduction to Vector Databases - Full Overview-ویدیو 15-3-مقدمه ای بر پایگاه داده های برداری - نمای کلی کامل Introduction to Vector Databases - Full Overview

  • Why Vector Databases-ویدیو 15-4-چرا پایگاه داده های برداری Why Vector Databases

  • Vector Databases - Benefits and Advantages-ویدیو 15-5-پایگاه داده های برداری - مزایا و برتری ها Vector Databases - Benefits and Advantages

  • Traditional vs. Vector Databases - Limitations and challenges-ویدیو 15-6-پایگاه داده های سنتی در مقابل برداری - محدودیت ها و چالش ها Traditional vs. Vector Databases - Limitations and challenges

  • Vector Databases & Embeddings - Full Overview-ویدیو 15-7-پایگاه داده های برداری و Embeddings - نمای کلی کامل Vector Databases & Embeddings - Full Overview

  • Embeddings vs. Vectors - Differences-ویدیو 15-8-Embeddings در مقابل بردارها - تفاوت ها Embeddings vs. Vectors - Differences

  • Vector Databases - How They Work and Advantages-ویدیو 15-9-پایگاه داده های برداری - چگونه کار می کنند و مزایا Vector Databases - How They Work and Advantages

  • Vector Databases Use Cases-ویدیو 15-10-موارد استفاده از پایگاه داده های برداری Vector Databases Use Cases

  • Vector and Traditional Databases - Summary-ویدیو 15-11-پایگاه داده های برداری و سنتی - خلاصه Vector and Traditional Databases - Summary

  • The Top 5 Vector Databases - Overview-ویدیو 15-12-5 پایگاه داده برداری برتر - نمای کلی The Top 5 Vector Databases - Overview

  • Building Vector Databases - Dev Environment Setup-ویدیو 15-13-ساخت پایگاه داده های برداری - راه اندازی محیط توسعه Building Vector Databases - Dev Environment Setup

  • Setup VS-Code, Python and OpenAI API Key-ویدیو 15-14-راه اندازی VS-Code، پایتون و کلید API OpenAI Setup VS-Code, Python and OpenAI API Key

  • Chroma Database workflow-ویدیو 15-15-گردش کار پایگاه داده Chroma Chroma Database workflow

  • Creating a ChromaDB and Adding Documents and Querying-ویدیو 15-16-ایجاد یک ChromaDB و افزودن اسناد و پرس و جو Creating a ChromaDB and Adding Documents and Querying

  • Looping Through the Results & Showing Similarity Search Results-ویدیو 15-17-حلقه زدن در نتایج و نمایش نتایج جستجوی شباهت Looping Through the Results & Showing Similarity Search Results

  • Chroma Default Embedding Function-ویدیو 15-18-تابع Embedding پیش فرض Chroma Chroma Default Embedding Function

  • Chroma Vector Database - Persisting Data and Saving-ویدیو 15-19-پایگاه داده برداری Chroma - تداوم داده و ذخیره سازی Chroma Vector Database - Persisting Data and Saving

  • Creating an OpenAI Embeddings - Raw without Chroma-ویدیو 15-20-ایجاد یک Embedding OpenAI - خام بدون Chroma Creating an OpenAI Embeddings - Raw without Chroma

  • Using OpenAIs Embedding API to Create Embedding in ChromaDB-ویدیو 15-21-استفاده از API Embedding OpenAI برای ایجاد Embedding در ChromaDB Using OpenAIs Embedding API to Create Embedding in ChromaDB

  • Vector Databases Metrics and Data Structures-ویدیو 15-22-معیارهای پایگاه داده های برداری و ساختارهای داده Vector Databases Metrics and Data Structures

  • Summary-ویدیو 15-23-خلاصه Summary

  • Vector Similarity Deep Dive - Cosine Similarity-ویدیو 15-24-بررسی عمیق شباهت برداری - شباهت کسینوسی Vector Similarity Deep Dive - Cosine Similarity

  • Eucledian Distance - L2 Norm-ویدیو 15-25-فاصله اقلیدسی - نرم L2 Eucledian Distance - L2 Norm

  • Dot Product-ویدیو 15-26-حاصل ضرب داخلی Dot Product

  • Summary-ویدیو 15-27-خلاصه Summary

  • Vector Databases and LLM - Deep Dive-ویدیو 15-28-پایگاه داده های برداری و LLM - بررسی عمیق Vector Databases and LLM - Deep Dive

  • Loading all Documents-ویدیو 15-29-بارگیری همه اسناد Loading all Documents

  • Generating Embeddings from Documents and Insert to Vector Database-ویدیو 15-30-تولید Embeddings از اسناد و درج در پایگاه داده برداری Generating Embeddings from Documents and Insert to Vector Database

  • Getting the Relevant Chunks when Given a Query-ویدیو 15-31-دریافت قسمت های مربوطه هنگام ارائه یک پرس و جو Getting the Relevant Chunks when Given a Query

  • Using OpenAI LLM to Generate Response - Full Workflow-ویدیو 15-32-استفاده از OpenAI LLM برای تولید پاسخ - گردش کار کامل Using OpenAI LLM to Generate Response - Full Workflow

  • Summary-ویدیو 15-33-خلاصه Summary

HANDS-ON - RAG PDF Workflow - Build RAG Workflows Deep Dive-فصل 16-تمرین عملی - گردش کار RAG PDF - ساخت گردش کار RAG بررسی عمیق HANDS-ON - RAG PDF Workflow - Build RAG Workflows Deep Dive

  • Building a RAG Pipeline - Overview-ویدیو 16-1-ساخت یک خط لوله RAG - نمای کلی Building a RAG Pipeline - Overview

  • First RAG Workflow Architectural Diagram-ویدیو 16-2-نمودار معماری گردش کار RAG اول First RAG Workflow Architectural Diagram

  • Setting up the Embedding Model Class-ویدیو 16-3-راه اندازی کلاس مدل Embedding Setting up the Embedding Model Class

  • HANDS-ON - Building and Showcasing the RAG Workflow-ویدیو 16-4-تمرین عملی - ساخت و نمایش گردش کار RAG HANDS-ON - Building and Showcasing the RAG Workflow

  • HANDS-ON - RAG Workflow with UI - Streamlit-ویدیو 16-5-تمرین عملی - گردش کار RAG با رابط کاربری - Streamlit HANDS-ON - RAG Workflow with UI - Streamlit

  • First RAG Pipeline Summary-ویدیو 16-6-خلاصه خط لوله RAG اول First RAG Pipeline Summary

HANDS-ON - Build a PDF RAG System with Text Chunking-فصل 17-تمرین عملی - ساخت یک سیستم RAG PDF با قطعه قطعه کردن متن HANDS-ON - Build a PDF RAG System with Text Chunking

  • PDF RAG Workflow - Architecture Overview-ویدیو 17-1-گردش کار PDF RAG - نمای کلی معماری PDF RAG Workflow - Architecture Overview

  • PDF and Chunk Processing and Chunk Overlap - Deep Dive-ویدیو 17-2-PDF و پردازش قطعات و همپوشانی قطعات - بررسی عمیق PDF and Chunk Processing and Chunk Overlap - Deep Dive

  • Setting up the SimpleRAGSystem Class and Methods-ویدیو 17-3-راه اندازی کلاس SimpleRAGSystem و متدها Setting up the SimpleRAGSystem Class and Methods

  • Testing the PDF RAG System-ویدیو 17-4-آزمایش سیستم RAG PDF Testing the PDF RAG System

  • Simple PDF RAG Workflow - Summary-ویدیو 17-5-گردش کار RAG PDF ساده - خلاصه Simple PDF RAG Workflow - Summary

LLM Tools and Frameworks - LangChain Deep Dive-فصل 18-ابزارها و چارچوب های LLM - بررسی عمیق LangChain LLM Tools and Frameworks - LangChain Deep Dive

  • LLM Frameworks Introduction - LangChain Fundamentals-ویدیو 18-1-مقدمه چارچوب های LLM - مبانی LangChain LLM Frameworks Introduction - LangChain Fundamentals

  • What is LangChain and and Main Components-ویدیو 18-2-LangChain چیست و اجزای اصلی آن What is LangChain and and Main Components

  • LangChain Setup and ChatModel-ویدیو 18-3-راه اندازی LangChain و ChatModel LangChain Setup and ChatModel

  • Hands-on - LangChain ChatPromptTemplates-ویدیو 18-4-تمرین عملی - LangChain ChatPromptTemplates Hands-on - LangChain ChatPromptTemplates

  • Indexes, Retrievers and Data Preparation - Overview-ویدیو 18-5-شاخص ها، بازیاب ها و آماده سازی داده - نمای کلی Indexes, Retrievers and Data Preparation - Overview

  • Hands-On - LangChain TextLoaders-ویدیو 18-6-تمرین عملی - LangChain TextLoaders Hands-On - LangChain TextLoaders

  • Hands-on: Text Splitting and Cleaning-ویدیو 18-7-تمرین عملی: تقسیم Hands-on: Text Splitting and Cleaning

  • Hands-on: Embeddings and Retriever with FAISS VectorStore

  • LangChain TextSplitter - Deep Dive

  • LangChain DirectoryLoader

  • LangChain PDFLoader

  • Hands-on: LangChain Chains

  • Hands-on - Simple RAG System with Chat and LangChain Chains

  • Hands-on: Full RAG System QA Bot Using LangChain

HANDS-ON - Building LLM Applications with LangChain

  • LLM Application - News Summarizer - Architectural Overview

  • News Summarizer - Full Implementation

  • LLM Application - Youtube Video Summarizer - Architectural Overview

  • Youtube Video Summarizer & Q&A Dependency Setup

  • Youtube Video Summarizer Class Setup and Walkthrough

  • Youtube Video Summarizer Q&A - Testing the Workflow

  • LLM Application - Voice Assistant RAG System - Architectural Overview

  • Voice Assistant RAG System - Demo

  • Voice Assistant RAG System - Walkthrough and Demo

Advanced RAG Techniques - Naive vs Advanced RAG Techniques

  • RAG and the RAG Triad - Quick Overview and Recap

  • What is RAG and Naive RAG Overview and Pitfalls - Motivation

  • Deep Dive into Each Naive RAG Drawbacks

  • Advanced RAG Technique - Query Expansion with Multiple Queries - Overview

  • Hands-on - Query Expansion with Multiple Queries - Generate Multiple Queries

  • Query Expansion Workflow Architectural Diagram

  • Hands-on- Setting up the Workflow and Code Walkthrough

  • Query Expansion Full RAG Workflow

  • Query Expansion with Multiple Queries Downsides & Summary

  • Re-Ranking & Cross-encoder and Bi-encoders - Overview

  • Reranking Technique RAG System Workflow Architecture

  • Cohere Rerank API Key Setup

  • Hands-on - Re-ranking Implementation with Cohere - Full Implementation

  • Re-ranking Summary

Multimodal RAG - Deep Dive

  • Multimodal RAG Source Code

  • RAG & Multimodal RAG - Recap and Overview

  • RAG Benefits and Practical Applications

  • Multimodal RAG - Overview & Motivation and Benefits - How it Works

  • How Search Is Integrated into a Multimodal RAG System - Full Workflow

  • Why Multimodal Search is so Powerful

  • Visual Explanation Why Multimodal Search is so Powerful

  • HANDS-on: Multimodal Search System setup - Create Embeddings from Images

  • Finish the Multimodal Search System

  • HANDS-ON - Multimodal Recommender System - Overview

  • Getting our Dataset from HuggingFace & showing Number of Rows

  • Saving Images Embeddings to Vector Database

  • Testing our MultiModal Recommender System - Fetching the Correct Images

  • Setting up the RAG Workflow

  • Putting it all Together and Testing the Multimodal Recommender RAG System

  • Adding a Streamlit UI to the Multimodal Recommender System

AI Agents & Agentic Workflows - Deep Dive

  • AI Agents Deep Dive - A Full Overview

  • Agents Characteristics and Use Cases

  • Download Source Code for AI Agents Section

  • Building our First AI Agent - Project Setup (OpenAI API)

  • Build our First AI Agent - Creating the Agent Class and Prompt

  • First AI Agent - Running our First Agent and Seeing the Results

  • Passing Complex Queries Through the Agent

  • First Agent - Using a Loop to Automate our Agent

  • Adding Interactive to Our Agent - Console App

  • Agent Introduction - Section Summary

  • LangGraph - Overview & Key Concepts

  • LangGraph - How It Helps Build AI Agents

  • LangGraph Core Concepts - Simple Flow Diagram

  • LangGraph - Data and State - Overview

  • Building a Simple Agent with LangChain

  • LangGraph Simple Bot - Streaming Values - Console App

  • Adding Tools to our Basic LangGraph Agent

  • Adding tools to the Agent - Part 1

  • Adding Tools to the Agent - Using Built-in Tools - Part 2

  • Adding Memory to Our Agent State

  • Adding Human-in-the-loop to the AI Agent

  • Building AI Agents with LangChain - Section Summary

  • Hands-on - Build a Financial Report Writer AI Agent

  • Agent State and Prompts Setup

  • Creating All Nodes - Functions

  • Adding Nodes and Edges and Running our Agent

  • Adding a GUI to the Agent with Streamlit

  • Optimization Techniques - Overview

  • Financial Report Writer AI Agent - Course Summary

Fine-tuning LLMs

  • Fine-tuning Introduction - Overview

  • Fine-tuning Techniques - Overview

  • Fine-tuning Comparison of Techniques

  • Fine-tuning General Process - Overview

  • Fine-tuning OpenAI Models Pricing

  • Tokens and the Tokenizer OpenAI Tool

  • HANDS-ON - Fine-tuning an OpenAI Model - Full Walkthrough

  • Crating a Chatbot with our Fine-tuned Model and Testing

Fine-Tuning Technique - LoRA Deep Dive

  • LoRA Introduction - Benefits

  • LoRA Deep Analysis

  • LoRA Implementation Strategy Workflow

  • Hands-on - Training Models - LoRA and PEFT

  • Running LoRA Model Fine-tuning and Testing

  • Creating an API Service to Interface with Our Fine-tuned Models

  • Testing our LoRA Model API Endpoint

  • Chatting with LoRA Fine-tuned Models

  • Full LoRA Workflow - Train and Chat with Fine-tuned Models

Wrap up and Next Steps

  • Wrap up and Next Steps

نمایش نظرات

آموزش استادی مهندسی هوش مصنوعی و مدل‌های زبانی بزرگ (LLM): راهنمای جامع GenAI و RAG
جزییات دوره
28 hours
306
Udemy (یودمی) Udemy (یودمی)
(آخرین آپدیت)
5,011
4.5 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

Paulo Dichone  Software Engineer, AWS Cloud Practitioner   Instructor Paulo Dichone Software Engineer, AWS Cloud Practitioner Instructor

Android، Flutter، AWS، پرفروش ترین مربی