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".


موضوعات موجود در این بوت کمپ:

AI، Generative AI، AI Applications، LLM Applications، Full-Stack Applications، LangChain، LangChain Expression Language (LCEL)، LangChain v010، LlamaIndex، OpenAI، OpenAI API، RAG، تکنیک RAG، پایگاه های داده برداری، Postgres، Pinec Chroma، DeepLake، Streamlit، Nextjs، Vercel، FastAPI، Render، AWS S3، LangSmith، LangServe، LangChain Templates، LlamaIndex Templates، LLMOps، Responsible AI.


سرفصل ها و درس ها

ارائه برنامه Program presentation

  • ارائه برنامه Program presentation

  • 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)

  • مفاهیم اساسی Basic Concepts

  • اجزاء Components

  • تکنیک RAG: مفاهیم پیشرفته RAG Technique: Advanced Concepts

  • چالش ها Challenges

انتخاب چارچوب ارکستراسیون: LangChain، LlamaIndex یا OpenAI API؟ Selecting Orchestration Framework: LangChain, LlamaIndex or OpenAI API?

  • انتخاب چارچوب ارکستراسیون: LangChain، LlamaIndex یا OpenAI API؟ Selecting Orchestration Framework: LangChain, LlamaIndex or OpenAI API?

  • LangChain، LlamaIndex یا OpenAI API؟ LangChain, LlamaIndex or OpenAI API?

مقدمه ای بر استفاده از زبان های برنامه نویسی Intro to the usage of Programming Languages

  • مقدمه ای بر استفاده از زبان های برنامه نویسی Intro to the usage of Programming Languages

  • قبلا برنامه نویسی نشده بود؟ نگران نباش. Never programmed before? Do not worry.

  • نکات کاربردی اگر در برنامه نویسی تازه کار هستید Practical Tips if you are new to programming

  • نسخه آزمایشی: W3Schools و ChatGPT در عمل DEMO: W3Schools and ChatGPT in action

  • محیط مجازی: چیست، چرا مهم است و چگونه می توان آن را ایجاد کرد (1) Virtual environment: what is it, why is it important and how to create one (1)

  • محیط مجازی: چیست، چرا مهم است و چگونه می توان آن را ایجاد کرد (2) Virtual environment: what is it, why is it important and how to create one (2)

  • ترمینال: چیست، چرا مهم است، عملیات اساسی (1) Terminal: what is it, why is it important, basic operations (1)

  • ترمینال: چیست، چرا مهم است، عملیات اساسی (2) Terminal: what is it, why is it important, basic operations (2)

  • پرونده برای اعتبارنامه های مخفی: چرا مهم است، چگونه آن را ایجاد کنیم File for secret credentials: why is it important, how to create it

  • نحوه ایجاد و خواندن نوت بوک هیبریدی (کد + متن) با Jupyter (1) How to create and read Hybrid Notebooks (code + text) with Jupyter (1)

  • نحوه ایجاد و خواندن نوت بوک هیبریدی (کد + متن) با Jupyter (2) How to create and read Hybrid Notebooks (code + text) with Jupyter (2)

LangChain پایه Basic LangChain

  • هشدار: تغییراتی که توسط نسخه LangChain v0.1.0 ارائه شده است Warning: Modifications introduced by the LangChain v0.1.0 version

  • نمونه هایی از فایل .env و پوشه/data Examples of .env file and /data folder

  • پیوند به پوشه/data و نمونه فایل env Links to /data folder and example of .env file

  • LangChain پایه Basic LangChain

  • LangChain اولیه در 15 دقیقه Basic LangChain in 15 minutes

  • مدل ها Models

  • درخواست ها و الگوهای درخواستی Prompts and prompt templates

  • چند الگوی سریع عکس گرفته شده است Few shot prompt templates

  • تجزیه کننده های خروجی Output parsers

  • حافظه Memory

  • زنجیر Chains

  • لودرهای اسناد Document loaders

  • شکافنده ها Splitters

  • تماس های تلفنی Callbacks

  • توابع OpenAI OpenAI functions

  • با fastAPI متصل شوید Connect with fastAPI

  • عوامل Agents

  • API نمایه سازی Indexing API

زبان بیان LangChain LangChain Expression Language

  • زبان بیان LangChain LangChain Expression Language

  • LCEL: زنجیر LCEL: Chains

  • LCEL: تجزیه کننده های خروجی LCEL: Output parsers

  • LCEL: استدلال LCEL: Arguments

  • LCEL: توابع OpenAI LCEL: OpenAI functions

  • LCEL: Aplicaciones RAG LCEL: Aplicaciones RAG

اجزای پیشرفته LangChain LangChain Advanced Components

  • اجزای پیشرفته LangChain LangChain Advanced Components

  • لنگ اسمیت LangSmith

  • LangServe LangServe

  • قالب های LangChain LangChain Templates

  • چت بات جدید LangChain The new LangChain Chatbot

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

LLMOps LLMOps

  • LLMOps LLMOps

  • معرفی LLMOps Intro to LLMOps

  • ارزیابی: رفتار نامناسب Evaluation: Misaligned Behavior

  • ارزیابی: عدم تکرارپذیری Evaluation: Lack of Reproducibility

  • مدیریت چرخه حیات Lifecycle Management

  • هوش مصنوعی مسئول Responsible AI

  • راه حل های LLMOps LLMOps Solutions

کانال های اطلاعاتی برتر برای مهندسان هوش مصنوعی Top Information Channels for AI Engineers

  • کانال های اطلاعاتی برتر برای مهندسان هوش مصنوعی Top Information Channels for AI Engineers

تبریک میگم مراحل بعدی Congrats! Next steps.

  • تبریک میگم مراحل بعدی Congrats! Next steps.

نمایش نظرات

آموزش Bootcamp 2024: توسعه برنامه هوش مصنوعی + LLM
جزییات دوره
21 hours
237
Udemy (یودمی) Udemy (یودمی)
(آخرین آپدیت)
433
4.7 از 5
دارد
دارد
دارد
Julio Colomer
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Julio Colomer Julio Colomer

مدیر عامل AI Accelera و Aceledora AI