لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش آشپزی با هوش مصنوعی: از مبانی تا سیستمهای عامل (Agentic)
- آخرین آپدیت
دانلود Cooking Up AI: From Basics to Agentic Systems
نکته:
ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره:
یادگیری هوش مصنوعی، عاملها (Agents)، RAG و معماریهای AI با استفاده از مشابهتهای ساده آشپزی و غذا که برای همه قابل درک باشد.
درک مفاهیم بنیادی هوش مصنوعی با استفاده از مثالهای ساده محیط آشپزخانه.
تشریح تفاوت بین هوش مصنوعی، نرمافزار، اتوماسیون، هوش مصنوعی محدود (Narrow AI)، هوش مصنوعی عمومی (General AI)، آموزش (Training) و استنتاج (Inference).
درک نحوه همکاری دادهها، مدلها، سختافزار (Compute) و پرامپتها برای تولید خروجیهای AI.
یادگیری نحوه عملکرد مدلهای زبانی بزرگ (LLMs)، شامل توکنها، پنجرههای متنی (Context Windows)، پرامپتنویسی و توهمات (Hallucinations).
بهکارگیری تکنیکهای مهندسی پرامپت مانند Zero-shot، Few-shot، پرامپتهای سیستمی، پرامپتهای ساختاریافته و استدلال گامبهگام.
درک اینکه چگونه ابزارهای AI، APIها، پلاگینها و فراخوانی توابع (Function Calling) به سیستمهای هوش مصنوعی اجازه میدهند فراتر از تولید متن ساده، اقدام به عمل کنند.
یادگیری تولید تقویتشده با بازیابی (RAG)، شامل Embeddings، پایگاههای داده برداری، تکهبندی (Chunking)، بازیابی و ارزیابی RAG.
درک عاملهای هوش مصنوعی (AI Agents)، حلقههای عاملی، حافظه، استدلال، استفاده از ابزار و گردشکارهای تکعاملی.
کاوش در سیستمهای چندعاملی، ارکستراسیون، تجزیه وظایف، پروتکلهای ارتباطی و بازیابی پس از خطا.
یادگیری طراحی معماریهای کاربردی AI، ارزیابی سیستمها، بهکارگیری اصول حاکمیتی و ساخت یک سیستم کامل از یک اپلیکیشن پرامپت تا یک عامل مستقر شده.
پیشنیازها: هیچ تجربه قبلی در زمینه هوش مصنوعی مورد نیاز نیست.
بدون نیاز به پیشزمینه برنامهنویسی برای درک مفاهیم اصلی.
کنجکاوی اولیه درباره ChatGPT، عاملها و اتوماسیون مفید است.
آشنایی با کار با کامپیوتر و وبگردی الزامی است.
مبتدیها به شدت خوشآمد هستند زیرا هر مفهوم با مثالهای ساده غذا و آشپزی توضیح داده شده است.
بدون نیاز به دانش پیشرفته ریاضی، یادگیری ماشین یا علوم داده.
دانشجویان نیازی به تجربه قبلی با LLMها، RAG، عاملهای AI، MCP یا معماریهای AI ندارند.
استفاده از دفترچه یادداشت یا ابزارهای دیجیتال برای ثبت مفاهیم کلیدی توصیه میشود.
اختیاری: آشنایی اولیه با ChatGPT یا سایر ابزارهای AI کمک میکند اما اجباری نیست.
اختیاری: برای کسانی که میخواهند پروژههای عملی بسازند، دانش پایه پایتون مفید است، اما دوره ابتدا بر مفاهیم تمرکز دارد.
این دوره شامل استفاده از هوش مصنوعی است.
آشپزی با هوش مصنوعی: از مبانی تا سیستمهای عامل دورهای مناسب برای مبتدیان است تا مفاهیم هوش مصنوعی، مدلهای زبانی بزرگ، عاملهای AI، RAG، MCP و معماریهای AI را از طریق مشابهتهای ساده آشپزی درک کنند. به جای غرق کردن کاربر در اصطلاحات پیچیده فنی، این دوره مفاهیم مدرن AI را به گونهای توضیح میدهد که آشنا، کاربردی و بهراحتی قابل به یاد سپردن باشد.
اگر تا به حال فکر کردهاید که ChatGPT، هوش مصنوعی مولد، کمکخلبانهای AI، عاملهای خودمختار یا سیستمهای AI سازمانی واقعاً چگونه کار میکنند، این دوره یک پایه محکم به شما میدهد. شما یاد میگیرید که هوش مصنوعی مانند یک آشپزخانه است که در آن دادهها تبدیل به مواد اولیه، مدلها تبدیل به دستور پخت، سختافزار (Compute) تبدیل به تجهیزات آشپزخانه و سیستمهای AI تبدیل به رستورانهای کاملی میشوند که قادر به ارائه نتایج هوشمند هستند.
دوره با مبانی چیستی هوش مصنوعی، تفاوت آن با نرمافزار معمولی و اتوماسیون، و اهمیت مفاهیمی مانند آموزش، استنتاج، AI محدود و AI عمومی آغاز میشود. سپس بررسی خواهید کرد که چگونه کیفیت دادهها، پیشپردازش، سوگیری (Bias) و برچسبگذاری بر عملکرد سیستمهای AI تأثیر میگذارند، درست همانطور که مواد تازه یا فاسد بر کیفیت غذا اثر میگذارند.
در ادامه، نحوه عملکرد مدلهای یادگیری ماشین شامل یادگیری نظارت شده، یادگیری بدون نظارت، شبکههای عصبی، پیشآموزش و تنظیم دقیق (Fine-tuning) را خواهید آموخت. این مباحث با مشابهتهای دستور پخت توضیح داده شدهاند تا درک کنید مدلهای AI چگونه الگوها را میآموزند و نتیجه تولید میکنند.
بخش بزرگی از دوره بر مدلهای زبانی بزرگ (LLMs) تمرکز دارد، شامل توکنها، پنجرههای متنی، توهمات و مهندسی پرامپت. شما یاد میگیرید چگونه با استفاده از Zero-shot، Few-shot، پرامپتهای سیستمی، پرامپتهای ساختاریافته و الگوهای پرامپت، دستورات بهتری به سیستمهای AI بدهید.
سپس دوره به سراغ مباحث پیشرفتهتر و کاربردی مانند ابزارها و APIها، فراخوانی توابع، تولید تقویتشده با بازیابی (RAG)، Embeddings، پایگاههای داده برداری، تکهبندی (Chunking) و ارزیابی RAG میرود. درک خواهید کرد که سیستمهای AI چگونه اطلاعات را جستجو کرده، دانش مرتبط را بازیابی میکنند و پاسخهای دقیقتری ارائه میدهند.
همچنین دنیای هیجانانگیز عاملهای AI و سیستمهای عامل (Agentic) را کاوش خواهید کرد. با استفاده از مثال سرآشپزهای خودمختار و تیمهای کامل آشپزخانه، درباره حلقههای عاملی، حافظه، استدلال، استفاده از ابزار، سیستمهای چندعاملی، ارکستراسیون، تجزیه وظایف و مدیریت خطا خواهید آموخت.
این دوره همچنین پروتکل کانتکست مدل (MCP)، معماری سیستمهای AI، مدیریت وضعیت (State)، ارزیابی AI، تیم قرمز (Red Teaming)، ایمنی AI، حاکمیت، حفاظها (Guardrails)، حریم خصوصی دادهها و AI مسئولانه را معرفی میکند. در پایان دوره، درک خواهید کرد که سیستمهای مدرن AI چگونه در دنیای واقعی طراحی، ارزیابی، مدیریت و مستقر میشوند.
چه دانشجو باشید، چه متخصص کسبوکار، کارآفرین، توسعهدهنده، مدرس، مدیر یا یک مبتدی کامل، این دوره به شما کمک میکند تا یک مدل ذهنی قوی از AI، Generative AI، RAG، AI Agents و Agentic Systems بدون نیاز به ریاضیات پیشرفته، کدنویسی یا تجربه یادگیری ماشین بسازید.
سرفصل ها و درس ها
ماژول ۱: هوش مصنوعی چیست؟ (آشپزخانه)
Module 1: What Is AI? (The Kitchen)
هوش مصنوعی در مقابل نرمافزار و اتوماسیون (آشپزخانه در مقابل دستور پخت و لوازم)
AI vs Software vs Automation (Kitchen vs Recipe vs Appliance)
هوش مصنوعی محدود در مقابل عمومی (مایکروویو در مقابل سرآشپز خبره)
Narrow AI vs General AI (Microwave vs Master Chef)
آموزش در مقابل استنتاج (یادگیری دستور پخت در مقابل پخت غذا)
Training vs Inference (Learning Recipes vs Cooking Meals)
نمایش نظرات