لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش Bootcamp 2024: توسعه برنامه هوش مصنوعی + LLM
2024 Bootcamp: Generative AI + LLM App Development
نکته:
آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره:
از سطح صفر تا حرفه ای: کلیدهای هوش مصنوعی را بیاموزید و بالقوه ترین برنامه های هوش مصنوعی مولد را بسازید. کلیدهای هوش مصنوعی و هوش مصنوعی مولد جدید. کلیدهای برنامه های LLM، بالاترین پتانسیل برنامه های کاربردی هوش مصنوعی مولد. نحوه ایجاد یک برنامه LLM از ابتدا تا سطح حرفه ای. فرصت ها و تهدیدات هوش مصنوعی برای کسب و کارها، استارتاپ ها و مشاغل. فرصت های حرفه ای که توسط هوش مصنوعی باز شده است. مراحل تبدیل شدن به مهندس هوش مصنوعی چگونه هوش مصنوعی را وارد کسب و کار خود کنیم؟ معماری برنامه های حرفه ای LLM. تکنیک RAG (نسل تقویت شده بازیابی). عوامل هوش مصنوعی LangChain پایه و پیشرفته، LangChain LCEL و LangChain v010. الگوهای LangSmith، LangServe، LangChain. LlamaIndex پایه و پیشرفته. الگوهای LlamaIndex. توابع ChatGPT، OpenAI، OpenAI و OpenAI API. مدلهای زبان بزرگ (LLM): ChatGPT، Llama2، Mistral، Falcon، و غیره. پایگاههای داده برداری: Postgres، Pinecone، Chroma، FAISS، DeepLake و غیره. برنامههای Full-Stack: Nextjs و FastAPI. استقرار حرفه ای: Vercel و Render. استقرار موقت: Streamlit. میزبانی ابری: AWS S3. LLMOps. نحوه به کارگیری اصول هوش مصنوعی مسئولیت پذیر. ابزارهای روزانه مهندس هوش مصنوعی: نوت بوک های Jupyter، Python، Terminal، Github، Codespaces و غیره پیش نیازها: نیازی به دانش فنی قبلی نیست. دانش آموزان با دانش قبلی آمادگی حرفه ای خود را بهبود می بخشند.
این بوت کمپ آنلاین یک نسخه فشرده و سریع از برنامه 400 ساعته استاد حضوری ما است.
دارای دو بخش است:
- در قسمت 1، کلیدهای هوش مصنوعی و هوش مصنوعی مولد جدید، و همچنین پتانسیل آن برای متحول کردن مشاغل، استارت آپ ها و اشتغال را خواهید آموخت.
- در قسمت 2، ساختن برنامه های LLM در سطح حرفه ای، بالقوه ترین برنامه های کاربردی هوش مصنوعی مولد را یاد خواهید گرفت.
در پایان این برنامه، نحوه انجام کارهای زیر را خواهید دانست:
هوش مصنوعی و کسب و کار
کسب و کارهایی را که هوش مصنوعی در خطر ناپدید شدن قرار می دهد، بشناسید.
فرصت های جدید ایجاد شده توسط هوش مصنوعی برای مشاغل را بشناسید.
برنامه ای برای معرفی هوش مصنوعی به شرکت خود طراحی کنید.
یک پروژه آزمایشی مناسب را برای معرفی هوش مصنوعی به شرکت خود انتخاب کنید.
اولین تیم هوش مصنوعی را در شرکت خود تشکیل دهید.
استراتژی هوش مصنوعی شرکت خود را آماده کنید.
هوش مصنوعی و راه اندازی
100 فرصت برای ایجاد استارتآپهای هوش مصنوعی را شناسایی کنید.
هوش مصنوعی و اشتغال
از حرفه هایی که هوش مصنوعی در خطر ناپدید شدن قرار می دهد، بشناسید.
حرفه های جدید ایجاد شده توسط هوش مصنوعی را بشناسید.
برنامه های LLM، برنامه هایی با بیشترین پتانسیل هوش مصنوعی مولد.
موارد استفاده اصلی برنامه های LLM در کسب و کارها و استارت آپ ها را بشناسید.
ایجاد برنامه های حرفه ای LLM.
شما معماری یک برنامه LLM را یاد خواهید گرفت.
شما یاد خواهید گرفت که چگونه زبان های برنامه نویسی مانند Python و Javascript را یاد بگیرید.
میآموزید که با ترمینال رایانهتان کار کنید.
کار با نوت بوک های Jupyter را یاد خواهید گرفت.
شما یاد خواهید گرفت که با ویرایشگرهای کد مانند Visual Studio Code کار کنید.
کار با محیط های مجازی را یاد خواهید گرفت.
میآموزید که با فایلهای مخفی کار کنید تا اعتبارنامهها را ذخیره کنید.
تکنیک RAG (Retrieval Augmented Generation) را خواهید آموخت.
شما یاد خواهید گرفت که از LangChain استفاده کنید.
شما یاد خواهید گرفت که از زبان بیان LangChain (LCEL) استفاده کنید.
شما یاد خواهید گرفت که از نسخه جدید v010 LangChain استفاده کنید.
شما یاد خواهید گرفت که از LlamaIndex استفاده کنید.
شما یاد خواهید گرفت که از OpenAI API استفاده کنید.
شما یاد خواهید گرفت که از توابع OpenAI استفاده کنید.
شما یاد خواهید گرفت که از LangSmith استفاده کنید.
شما یاد خواهید گرفت که از LangServe استفاده کنید.
شما یاد خواهید گرفت که از الگوهای LangChain و LlamaIndex استفاده کنید.
میآموزید که عوامل هوش مصنوعی چیست و چگونه آنها را ایجاد کنید.
با LangChain و Streamlit میآموزید که نمونههای اولیه (دمو) برنامههای LLM ایجاد کنید.
شما یاد خواهید گرفت که با Nextjs، FastAPI و Postgres برنامه های CRUD تمام پشته ایجاد کنید.
با LangChain، LlamaIndex، Nextjs، FastAPI، و Postgres میآموزید که برنامههای حرفهای تمام پشته LLM ایجاد کنید.
شما یاد خواهید گرفت که از پایگاه های داده برداری و سنتی استفاده کنید.
شما نحوه استقرار برنامهها را در Vercel و Render خواهید آموخت.
شما یاد خواهید گرفت که از AWS S3 به عنوان یک پلت فرم ذخیره سازی راه دور استفاده کنید.
شما یاد خواهید گرفت که از ChatGPT به عنوان دستیار برنامه نویسی استفاده کنید.
کار با Github و Github Codespaces را یاد خواهید گرفت.
شما خواهید آموخت که LLMOps چیست و چگونه از آن در برنامه های LLM خود استفاده کنید.
اصول هوش مصنوعی مسئولیت پذیر و نحوه استفاده از آنها را در برنامه های LLM خود خواهید آموخت.
Bootcamp شامل موارد زیر است:
238 درس به 36 بخش تقسیم شده است.
بیش از 200 ویدیو.
بیش از 150 ارائه پیوست.
بیش از 70 نوت بوک کاربردی.
17 مخزن کد عملی در Github.
25 برنامه LLM با سطوح دشواری مختلف: پایه، متوسط و پیشرفته.
مواد برای بیش از 100 ساعت مطالعه و تمرین برای دانش آموز.
2 کتاب قابل دانلود به ارزش 50 دلار: "کلیدهای هوش مصنوعی" و "100 استارتاپ هوش مصنوعی که قبل از سال اول بیش از 500000 دلار درآمد داشتند".
فرصت هایی که این برنامه برای شما باز خواهد کرد
Opportunities this program will open for you
در این برنامه چه چیزهایی یاد خواهید گرفت
What will you learn in this program
مواد موجود در برنامه
Materials included in the program
این برنامه برای چه کسانی است
Who is this program for
چه چیزی این برنامه را متفاوت می کند
What makes this program different
معرفی مربی
Introduction of the Instructor
پیشرفت خود را به اشتراک بگذارید
Share your progress
نکاتی برای دانش آموزان
Tips for the students
نکاتی برای دانش آموزان
Tips for the students
نکات کاربردی برای دانش آموزان
Practical tips for the students
راز تکمیل موفقیت آمیز این بوت کمپ
The secret to successfully completing this bootcamp
مقدمه: برنامه های LLM، کلید هوش مصنوعی جدید
INTRODUCTION: LLM Apps, the key to the New AI
LLM Apps، کلید هوش مصنوعی جدید
LLM Apps, the key to the New AI
برنامه های LLM و جهانی سازی هوش مصنوعی
LLM Apps and the universalization of AI
ChatGPT در مقابل برنامه های LLM
ChatGPT vs. LLM Apps
ChatGPT در مقابل برنامه های LLM
ChatGPT vs. LLM Apps
دو کتاب همراه برنامه را دانلود کنید
Download the two books included with the program
دو کتاب همراه برنامه را دانلود کنید
Download the two books included with the program
بخش 1: اهمیت هوش مصنوعی و هوش مصنوعی مولد.
PART 1: IMPORTANCE OF ARTIFICIAL INTELLIGENCE AND GENERATIVE AI.
مقدمه ای بر هوش مصنوعی
Intro to Artificial Intelligence
هوش مصنوعی: چیست؟ چرا الان اینقدر محبوب شده؟ چقدر مهم است؟
Artificial Intelligence: What is it? Why is so popular now? How important is it?
تغییرات ایجاد شده توسط هوش مصنوعی: مقدمه
Changes introduced by AI: Introduction
هوش مصنوعی: تغییرات در استخدام
AI: Changes in Employment
هوش مصنوعی: تغییرات در استخدام
AI: Changes in Employment
مشاغلی که بیشترین بهره را از هوش مصنوعی خواهند برد
Jobs that will benefit the most from AI
مشاغلی که بیشترین تأثیر را از هوش مصنوعی دارند
Jobs most affected by AI
مشاغل کمتر تحت تأثیر هوش مصنوعی
Jobs least affected by AI
حرفه های جدید ایجاد شده توسط هوش مصنوعی
New professions created by AI
مهندسان جدید هوش مصنوعی
The new AI Engineers
هوش مصنوعی: تغییرات در مشاغل
AI: Changes in Businesses
هوش مصنوعی: تغییرات در مشاغل
AI: Changes in Businesses
پیامدهای تغییر شغل
Consequences of the changes in employment
صنایع با تاثیر بالا
Industries with high impact
صنایع با تاثیر متوسط
Industries with median impact
صنایع با تاثیر فوری
Industries with immediate impact
هوش مصنوعی: تغییرات در استارتاپ ها
AI: Changes in Startups
هوش مصنوعی: تغییرات در استارتاپ ها
AI: Changes in Startups
فرصتها برای استارتآپها: ویژگیهای هوش مصنوعی جدید
Opportunities for Startups: Characteristics of the New AI
فرصتها برای استارتآپها: تغییرات در اشتغال
Opportunities for Startups: Changes in Employment
فرصتها برای استارتآپها: تأثیر هوش مصنوعی بر کسبوکارها
Opportunities for Startups: AI impact on Businesses
فرصتها برای استارتآپها: کتاب 100 استارتآپ هوش مصنوعی
Opportunities for Startups: Book “100 AI Startups”
هوش مصنوعی: تغییرات در جامعه
AI: Changes in Society
هوش مصنوعی: تغییرات در جامعه
AI: Changes in Society
تغییرات اجتماعی ایجاد شده توسط هوش مصنوعی جدید
Social changes generated by the New AI
چالش های اجتماعی ایجاد شده توسط هوش مصنوعی جدید
Social challenges generated by the New AI
چگونه هوش مصنوعی را در شرکت خود معرفی کنیم
How to introduce AI in your company
چگونه هوش مصنوعی را در شرکت خود معرفی کنیم
How to introduce AI in your company
برای معرفی هوش مصنوعی در شرکت خود برنامه ریزی کنید
Plan to introduce AI in your company
تجزیه و تحلیل فناوری و کسب و کار برای معرفی هوش مصنوعی در شرکت شما
Tech and Business Analysis to introduce AI in your company
چگونه یک پروژه آزمایشی مناسب برای معرفی هوش مصنوعی در شرکت خود انتخاب کنید
How to select the right pilot project to introduce AI in your company
چگونه اولین تیم هوش مصنوعی را در شرکت خود تشکیل دهید
How to form the first AI Team in your company
چگونه استراتژی هوش مصنوعی شرکت خود را تهیه کنید
How to prepare the AI Strategy of your company
مثال: برنامه ریزی کنید تا یک برنامه LLM جدید در شرکت خود بپذیرید
Example: Plan to adopt a new LLM App in your company
آموزش جدید هوش مصنوعی
The new AI Training
آموزش جدید هوش مصنوعی
The new AI Training
آموزش هوش مصنوعی در شرکت شما: یک ضرورت استراتژیک
AI Training in your company: an strategic necessity
چه کسانی باید در شرکت شما آموزش هوش مصنوعی ببینند؟
Who should get AI Training in your company?
چگونه یک برنامه آموزشی هوش مصنوعی برای شرکت خود طراحی کنید
How to design an AI Training Plan for your company
آموزش جدید هوش مصنوعی برای مهندسان
The new AI Training for engineers
هوش مصنوعی جدید فرصت هایی را برای مشاوران، مشاوران و آژانس های بازاریابی ایجاد می کند
The new AI creates opportunities for consulting, advisors and marketing agencies
هوش مصنوعی جدید فرصت هایی را برای مشاوران، مشاوران و آژانس های بازاریابی ایجاد می کند
The new AI creates opportunities for consulting, advisors and marketing agencies
فرصت هایی برای شرکت های مشاوره، مشاوران تجاری و آژانس های بازاریابی
Opportunities for consulting firms, business advisors, and marketing agencies
بخش 2: برنامه های LLM، برنامه های کاربردی هوش مصنوعی مولد با بالاترین پتانسیل
PART 2: LLM APPS, THE GENERATIVE AI APPLICATIONS WITH THE HIGHEST POTENTIAL
مقدمه: برنامه های LLM، برنامه های کاربردی هوش مصنوعی مولد با بالاترین پتانسیل
Intro: LLM Apps, the Generative AI applications with the highest potential
برنامه LLM چیست؟
What is an LLM App?
اسطوره پیش نیازهای یادگیری
The myth of pre-requisites for learning
رایج ترین انواع دانش آموزان: دلایل یادگیری
Most frequent types of students: reasons to learn
DIY یا استخدام یک متخصص خارجی؟
DIY or hire an external professional?
راه طولانی از "نمونه نمایشی اسباب بازی" تا برنامه حرفه ای
The long way from the “toy demo” to the professional app
فرصت های شغلی برای برنامه نویس برنامه LLM
Job opportunities for the LLM App Developer
موارد استفاده برای برنامه های LLM
Use Cases for LLM Applications
موارد استفاده برای برنامه های LLM
Use Cases for LLM Applications
استفاده از موارد برای برنامه های LLM بر اساس صنعت
Use Cases for LLM Apps by Industry
از Cases برای برنامه های LLM در استارتاپ ها استفاده کنید
Use Cases for LLM Apps in Startups
از Cases برای برنامه های LLM در حرفه ها استفاده کنید
Use Cases for LLM Apps in Professions
متداول ترین موارد استفاده برای برنامه های LLM
Most frequent Use Cases for LLM Apps
از Cases برای برنامه های LLM بر اساس سطح استقلال استفاده کنید
Use Cases for LLM Apps by autonomy level
معرفی رشته های LLM
Intro to LLMs
معرفی رشته های LLM
Intro to LLMs
خاستگاه برنامه های LLM: AI، ML، NLP، AI مولد، LLMs
Origins of LLM Apps: AI, ML, NLP, Generative AI, LLMs
LLM: اندازه، دقت و هزینه
LLM: size, precision, and cost
مدل های بنیاد LLM
The Foundation LLM Models
LLMs: مفاهیم اساسی
LLMs: Basic Concepts
LLMs: مفاهیم اساسی
LLMs: Basic Concepts
پنجره زمینه چیست؟
What is the Context Window?
توکن ها چیست؟
What are Tokens?
Prompts چیست؟
What are Prompts?
مهندسی سریع چیست؟
What is Prompt Engineering?
توهمات چیست؟
What are Hallucinations?
معماری یک برنامه LLM
Architecture of an LLM App
معماری یک برنامه LLM
Architecture of an LLM App
معماری پایه یک برنامه LLM
Basic Architecture of an LLM App
معماری پیشرفته یک برنامه LLM
Advanced Architecture of an LLM App
پیش نمایش یک برنامه حرفه ای LLM (1)
Preview of a professional LLM App (1)
پیش نمایش یک برنامه حرفه ای LLM (2)
Preview of a professional LLM App (2)
جزئیات معماری پیشرفته یک برنامه LLM
Details of the advanced architecture of an LLM Application
جزئیات معماری پیشرفته یک برنامه LLM
Details of the advanced architecture of an LLM Application
انتخاب رشته های LLM بنیاد
Selection of Foundation LLMs
پشته ابزار
Stack of tools
چارچوب های ارکستراسیون
Orchestration Frameworks
نکات جالب دیگر
Other interesting notes
تکنیک RAG (نسل تقویت شده بازیابی)
The RAG Technique (Retrieval Augmented Generation)
تکنیک RAG (نسل تقویت شده بازیابی)
The RAG Technique (Retrieval Augmented Generation)
برنامه های کاربردی سطح 1: "دموهای اسباب بازی" با LangChain
Level 1 Applications: “Toy Demos” with LangChain
یادآوری: تغییرات ارائه شده توسط نسخه LangChain v0.1.0
Reminder: Modifications introduced by the LangChain v0.1.0 version
یادآوری: نمونه هایی از فایل .env و پوشه/data
Reminder: Examples of .env file and /data folder
یادآوری: پیوند به پوشه/data و نمونه فایل env
Reminder: Link to /data folder and sample .env file
برنامه های کاربردی سطح 1: "دموهای اسباب بازی" با LangChain
Level 1 Applications: “Toy Demos” with LangChain
برنامه اصلی: خلاصه مقاله طولانی
Basic app: summarize long article
برنامه پایه RAG: سند QA
Basic RAG app: document QA
برنامه اصلی: استخراج داده های ساخت یافته از مکالمه
Basic app: extract structured data from conversation
برنامه پایه: ارزش برنامه QA
Basic app: eval of QA app
برنامه اصلی: از یک پایگاه داده بپرسید
Basic app: ask a database
برنامه اصلی: از یک مخزن github بپرسید
Basic app: ask a github repo
برنامه اصلی: از یک API بپرسید
Basic app: ask an API
برنامه اصلی: چت بات با شخصیت و حافظه
Basic app: chatbot with personality and memory
برنامه اصلی: RAG با DeepLake
Basic app: RAG with DeepLake
برنامه اصلی: عامل ساده
Basic app: simple agent
برنامه اصلی: تجزیه کننده خروجی پیشرفته
Basic app: advanced output parser
برنامه های کاربردی سطح 2: "Toy Demos" با LangChain و "Toy UIs" با Streamlit
Level 2 Applications: “Toy Demos” with LangChain and “Toy UIs” with Streamlit
یادآوری: تغییرات ارائه شده توسط نسخه LangChain v0.1.0
Reminder: Modifications introduced by the LangChain v0.1.0 version
یادآوری: نمونه هایی از فایل .env و پوشه/data
Reminder: Examples of .env file and /data folder
یادآوری: پیوند به پوشه/data و نمونه فایل env
Reminder: Link to /data folder and sample of .env file
برنامه های کاربردی سطح 2: "Toy Demos" با LangChain و "Toy UIs" با Streamlit
Level 2 Applications: “Toy Demos” with LangChain and “Toy UIs” with Streamlit
معرفی برنامه های سطح 2
Intro to the level 2 apps
از اثبات مفهوم تا تولید
From Proof of Concept to Production
Basic Streamlit
Basic Streamlit
اپلیکیشنی برای بازنویسی متن غیررسمی
App for re-writing informal text
لینک دانلود کد برنامه در Github و URL برای امتحان برنامه
Link to download the code of the app in Github and URL to try the app
برنامه برای نوشتن یک پست وبلاگ از یک موضوع
App to write a Blog Post from a topic
لینک دانلود کد برنامه در Github و URL برای امتحان برنامه
Link to download the code of the app in Github and URL to try the app
برنامه برای خلاصه کردن محتوای یک فایل TXT
App to summarize the content of a TXT file
لینک دانلود کد برنامه در Github و URL برای امتحان برنامه
Link to download the code of the app in Github and URL to try the app
برنامه برای خلاصه کردن متن
App to summarize text
لینک دانلود کد برنامه در Github و URL برای امتحان برنامه
Link to download the code of the app in Github and URL to try the app
برنامه ای برای استخراج داده های کلیدی از بررسی محصول
App to Extract Key Data from a Product Review
لینک دانلود کد برنامه در Github و URL برای امتحان برنامه
Link to download the code of the app in Github and URL to try the app
برنامه RAG برای پرسیدن در مورد محتوای یک فایل PDF خصوصی
RAG App to ask about the content of a private PDF file
لینک دانلود کد برنامه در Github و URL برای امتحان برنامه
Link to download the code of the app in Github and URL to try the app
برنامه RAG برای پرسیدن در مورد محتوای یک فایل CSV خصوصی
RAG App to ask about the content of a private CSV file
لینک دانلود کد برنامه در Github و URL برای امتحان برنامه
Link to download the code of the app in Github and URL to try the app
برنامه برای ارزیابی یک برنامه RAG
App to Evaluate a RAG App
لینک دانلود کد برنامه در Github و URL برای امتحان برنامه
Link to download the code of the app in Github and URL to try the app
LlamaIndex
LlamaIndex
LlamaIndex
LlamaIndex
مقدمه ای بر LlamaIndex
Introduction to LlamaIndex
LlamaIndex در عمق
LlamaIndex in depth
OpenAI API
The OpenAI API
OpenAI API
The OpenAI API
OpenAI API به عنوان جایگزین LangChain و LlamaIndex
The OpenAI API as alternative to LangChain and LlamaIndex
OpenAI API در عمق
The OpenAI API in depth
توابع OpenAI
The OpenAI Functions
مقدمه برنامه های کاربردی LLM سطح 3: برنامه های کاربردی حرفه ای
Intro to Level 3 LLM Applications: Professional Applications
مقدمه برنامه های کاربردی LLM سطح 3: برنامه های کاربردی حرفه ای
Intro to Level 3 LLM Applications: Professional Applications
مقدمه ای بر برنامه های Full-Stack (1)
Intro to Full-Stack Applications (1)
مقدمه ای بر برنامه های Full-Stack (2)
Intro to Full-Stack Applications (2)
عناصر کلیدی Front-End در یک برنامه سطح 3
Front-End Key Elements in a Level 3 Application
Next.js و Vercel
Next.js and Vercel
عناصر کلیدی جلویی با چارچوب ارکستراسیون: LlamaIndex
Front-End Key Elements with an Orchestration Framework: LlamaIndex
لینک دانلود کد درس قبل از Github
Link to download the code of the previous lesson from Github
عناصر کلیدی Back-End در یک برنامه سطح 3
Back-End Key Elements in a Level 3 Application
FastAPI
FastAPI
لینک دانلود کد درس قبل از Github
Link to download the code of the previous lesson from Github
عناصر کلیدی Back-End با چارچوب ارکستراسیون: LangChain
Back-End Key Elements with an Orchestration Framework: LangChain
لینک دانلود کد درس قبل
Link to download the code of the previous lesson
برنامه های کاربردی سطح 3 LLM: برنامه های کاربردی حرفه ای
Level 3 LLM Applications: Professional Applications
برنامه های کاربردی سطح 3 LLM: برنامه های کاربردی حرفه ای
Level 3 LLM Applications: Professional Applications
یادآوری: معماری یک برنامه پیشرفته LLM
Reminder: Architecture of an Advanced LLM App
یادآوری: پیش نمایش یک برنامه حرفه ای LLM (1)
Reminder: Preview of a Professional LLM App (1)
یادآوری: پیش نمایش یک برنامه حرفه ای LLM (2)
Reminder: Preview of a Professional LLM App (2)
یادآوری: عناصر اصلی یک برنامه حرفه ای LLM
Reminder: main elements of a Professional LLM App
برنامه سطح 3 پایه: CRUD با FastAPI، Postgres و Next.js
Basic Level 3 App: CRUD with FastAPI, Postgres and Next.js
لینک دانلود کد اپلیکیشن سطح 3 پایه از Github
Link to download the code of the Basic Level 3 App from Github
برنامه سطح 3 پایه: CRUD چیست؟ (1)
Basic Level 3 App: What is CRUD? (1)
برنامه سطح 3 پایه: CRUD چیست؟ (2)
Basic Level 3 App: What is CRUD? (2)
برنامه سطح 3 پایه: نحوه ساخت Backend (1)
Basic Level 3 App: How to build the Backend (1)
برنامه سطح 3 پایه: نحوه ساخت Backend (2)
Basic Level 3 App: How to build the Backend (2)
برنامه سطح 3 پایه: نحوه ساخت Backend (3)
Basic Level 3 App: How to build the Backend (3)
برنامه سطح 3 پایه: نحوه ساخت Frontend (1)
Basic Level 3 App: How to build the Frontend (1)
برنامه سطح پایه 3: نحوه ساخت Frontend (2)
Basic Level 3 App: How to build the Frontend (2)
برنامه سطح 3 پایه: نحوه راه اندازی برنامه Full Stack (1)
Basic Level 3 App: How to start the Full Stack App (1)
برنامه پایه سطح 3: نحوه راه اندازی برنامه Full Stack (2)
Basic Level 3 App: How to start the Full Stack App (2)
برنامه سطح پایه 3: نحوه استقرار باطن در Render.com (1)
Basic Level 3 App: How to deploy the backend to Render.com (1)
برنامه پایه سطح 3: نحوه استقرار باطن در Render.com (2)
Basic Level 3 App: How to deploy the backend to Render.com (2)
برنامه سطح 3 پایه: نحوه استقرار فرانت اند در Vercel.com (1)
Basic Level 3 App: How to deploy the frontend to Vercel.com (1)
برنامه سطح 3 پایه: نحوه استقرار frontend در Vercel.com (2)
Basic Level 3 App: How to deploy the frontend to Vercel.com (2)
برنامه سطح متوسط 3: CRUD یکپارچه با AWS S3 (1)
Medium Level 3 App: CRUD integrated with AWS S3 (1)
لینک دانلود کد برنامه از Github
Link to download the App code from Github
برنامه سطح 3 متوسط: CRUD یکپارچه با AWS S3 (2)
Medium Level 3 App: CRUD integrated with AWS S3 (2)
برنامه سطح 3 متوسط: CRUD یکپارچه با AWS S3 (3)
Medium Level 3 App: CRUD integrated with AWS S3 (3)
برنامه سطح 3 پایه با چارچوب های ارکستراسیون و LLM (1)
Basic Level 3 App with Orchestration Frameworks and LLMs (1)
یادآوری: تغییرات ارائه شده توسط LangChain v010
Reminder: Modifications introduced by LangChain v010
لینک دانلود کد برنامه از Github
Link to download the App code from Github
برنامه سطح 3 پایه با چارچوب های ارکستراسیون و LLM (2)
Basic Level 3 App with Orchestration Frameworks and LLMs (2)
برنامه سطح 3 متوسط با چارچوب های ارکستراسیون و LLM (1)
Medium Level 3 App with Orchestration Frameworks and LLMs (1)
لینک دانلود کد برنامه از Github
Link to download the App code from Github
برنامه سطح 3 متوسط با چارچوب های ارکستراسیون و LLM (2)
Medium Level 3 App with Orchestration Frameworks and LLMs (2)
برنامه LLM سطح پیشرفته 3 (1)
Advanced Level 3 LLM App (1)
برنامه LLM سطح پیشرفته 3 (2)
Advanced Level 3 LLM App (2)
سایر برنامه های جالب سطح 3 LLM (1)
Other interesting Level 3 LLM Apps (1)
سایر برنامه های جالب سطح 3 LLM (2)
Other interesting Level 3 LLM Apps (2)
برنامه های LLM: مفاهیم پیشرفته
LLM Applications: Advanced Concepts
برنامه های LLM: مفاهیم پیشرفته
LLM Applications: Advanced Concepts
آماده سازی پایگاه داده
Database preparation
بهینه سازی RAG: مفاهیم پیشرفته
RAG Optimization: Advanced Concepts
تأخیر و سرعت در برنامه های LLM
Latency and Speed in LLM Applications
کنترل هزینه در برنامه های LLM
Cost control in LLM Applications
کنترل هزینه در برنامه های LLM
Cost control in LLM Applications
نمایش نظرات