آموزش اکوسیستم هوش مصنوعی برای توسعه‌دهندگان: مدل‌ها، مجموعه‌داده‌ها و APIها - آخرین آپدیت

سرفصل ها و درس ها

مقدمه Introduction

• شروع کار با اکوسیستم هوش مصنوعی Getting started with the AI ecosystem

• آنچه باید بدانید What you should know

درک اکوسیستم هوش مصنوعی 1. Understanding the AI Ecosystem

• هوش مصنوعی چیست و چه چیزهایی در مورد آن جالب است؟ What is interesting about AI?

• اخلاق هوش مصنوعی، تعصب و حریم خصوصی AI ethics, bias, and privacy

• مخازن هوش مصنوعی و پلتفرم‌های میزبانی AI repositories and hosting platforms

• اجزای اکوسیستم هوش مصنوعی Components of the AI ecosystem

• سیستم های هوش مصنوعی متن باز در مقابل متن بسته Open-source vs. closed-source AI systems

2. مدل‌های هوش مصنوعی و معماری 2. AI Models and Architecture

• معماری‌های پردازش زبان طبیعی: شبکه‌های RNN و ترانسفورمرها NLP architectures: RNNs and transformers

• معماری‌های کارآمد Efficient architectures

• معماری‌های تولیدی: انتشار و شبکه‌های مولد تخاصمی (GAN) Generative architectures: Diffusion and GANs

• معماری‌های بینایی کامپیوتر: CNN ها و ترانسفورمرهای بینایی Computer vision architectures: CNNs and vision transformers

• مقدمه‌ای بر مدل‌ها و معماری هوش مصنوعی Introduction to AI models and architecture

• معماری‌های چندوجهی: CLIP و Flamingo Multimodal architectures: CLIP and Flamingo

3. مجموعه داده های هوش مصنوعی 3. AI Datasets

• کاوش مجموعه داده LibriSpeech Explore LibriSpeech dataset

• کاوش مجموعه داده متنی براون Explore Brown Corpus text dataset

• مجموعه داده‌های متنی هوش مصنوعی پایه Foundational AI text datasets

• مقدمه ای بر مجموعه داده های هوش مصنوعی Introduction to AI datasets

• مجموعه‌داده‌های تصویر هوش مصنوعی بنیادین Foundational AI image datasets

• مجموعه داده‌های گفتاری هوش مصنوعی بنیادین Foundational AI speech datasets

• داده‌های CIFAR-10 تصاویر را کاوش کنید Explore CIFAR-10 image dataset

4. API های هوش مصنوعی: دسترسی و یکپارچگی 4. AI APIs: Access and Integration

• دسترسی به مدل‌های هوش مصنوعی از طریق ارائه دهندگان ابری Accessing AI models via cloud providers

• تولید تصویر با استفاده از API OpenAI Image generation using OpenAI API

• مقایسه مدل‌های گیت‌هاب و اجرای آنها در کداسپیسز Compare GitHub Models and run in Codespaces

• تولید کد و معماری با مدل‌های GitHub Generate code and architecture with GitHub Models

• مدل های گیت هاب را کاوش کنید Explore GitHub Models

• اکسپلور کردن Hugging Face Explore Hugging Face

• ساخت چت‌بات تعاملی با استفاده از API گوگل جمنای Create a conversational chatbot using the Google Gemini API

• رابط برنامه نویسی کاربردی هوش مصنوعی (API) چیست؟ What are AI application programming interfaces (APIs)?

• تحلیل احساسات محصول با مدل Hugging Face Product sentiment analysis with Hugging Face model

• کاوش در استودیو هوش مصنوعی گوگل Explore Google AI Studio

• پلتفرم توسعه دهندگان OpenAI را کاوش کنید Explore OpenAI developer platform

۵. منابع و انجمن هوش مصنوعی 5. AI Resources and Community

• ابزارها و چارچوب‌های توسعه هوش مصنوعی: دیباگینگ و نسخه گذاری AI development tools and frameworks: Debugging and versioning

• رتبه‌بندی مدل‌های هوش مصنوعی: لیدربوردها، بنچمارک‌ها و روندهای ارزیابی AI model rankings: Leaderboards, benchmarks, and evaluation trends

• پلتفرم های تحقیقاتی هوش مصنوعی AI research platforms

• زیرساخت محاسباتی هوش مصنوعی AI computing infrastructure

• ابزارهای توسعه هوش مصنوعی و فریم ورک‌ها: فریم ورک‌های یادگیری ماشین AI development tools and frameworks: ML frameworks

• ابزارها و فریم ورک های توسعه هوش مصنوعی: محیط های توسعه یکپارچه (IDE) AI development tools and frameworks: IDEs

• استانداردهای قابلیت همکاری هوش مصنوعی: پروتکل متن مدل (MCP) AI interoperability standards: Model Context Protocol (MCP)

• ابزارها و فریم‌ورک‌های توسعه هوش مصنوعی: حاشیه‌نویسی داده‌ها AI development tools and frameworks: Data annotation

نتیجه‌گیری Conclusion

• خلاصه Summary