آموزش آشنایی با مدل‌های زبانی بزرگ (LLMs) و اکوسیستم Hugging Face - آخرین آپدیت

درک مدل‌های زبانی بزرگ Understanding Large Language Models

• معرفی تخصص Specialization Introduction

• معرفی دوره Course Introduction

• آشنایی با مدل‌های زبانی بزرگ (LLMs) Introduction to Large Language Models

• دمو: بررسی یک مدل ترنسفورمر پیش‌آموزش‌دیده در Hugging Face Hub Demonstration: Exploring a Pretrained Transformer Model on Hugging Face Hub

• دمو: بررسی فرآیند Tokenization و Embedding Demonstration: Inspecting Tokenization and Embedding Process

• توضیح Pre Training در مقابل Fine Tuning در LLMها Pre-Training vs. Fine-Tuning in LLMs Explained

• دمو: مقایسه خانواده‌های مدل (BERT در مقابل GPT و T5) در پایپ‌لاین‌های Hugging Face Demonstration: Comparing Model Families (BERT vs. GPT vs. T5) in Hugging Face Pipelines

• دمو: بررسی لایه‌ها و پارامترهای مدل در کتابخانه Transformers Demonstration: Exploring Model Layers and Parameters in Transformers Library

• مدل‌های LLM متن‌باز در مقابل تجاری: تفاوت‌های کلیدی Open-Source vs. Proprietary LLMs: Key Differences

• دمو: بارگذاری و تست یک مدل از Hugging Face Hub Demonstration: Loading and Testing a Model from Hugging Face Hub

• دمو: ارزیابی خروجی‌های مدل و شناسایی سوگیری یا Drift Demonstration: Evaluating Model Outputs and Identifying Bias or Drift

کاوش در پلتفرم Hugging Face Exploring the Hugging Face Platform

• شروع کار با اکوسیستم Hugging Face Getting Started with the Hugging Face Ecosystem

• درک Hugging Face Hub و کارت‌های مدل (Model Cards) Understanding the Hugging Face Hub and Model Cards

• دمو: معرفی پلتفرم Hugging Face Demonstration: Introduction to Hugging Face Platform

• پاک‌سازی و آماده‌سازی داده‌ها برای مدل‌های NLP Data Cleaning and Preparation for NLP Models

• دمو: بارگذاری و بررسی یک دیتاست متنی با Hugging Face Datasets Demonstration: Loading and Exploring a Text Dataset with Hugging Face Datasets

• دمو: پیش‌پردازش و Tokenize کردن داده‌های متنی برای آموزش مدل Demonstration: Preprocessing and Tokenizing Text Data for Model Training

• ساخت پایپ‌لاین‌های سریع NLP برای نمونه‌سازی Building Fast NLP Pipelines for Prototyping

• دمو ۱: استفاده از پایپ‌لاین Transformers برای تحلیل احساسات Demonstration 1: Using the Transformers Pipeline for Sentiment Analysis

• دمو ۲: ساخت نمونه اولیه پایپ‌لاین طبقه‌بندی متن برای پروژه نهایی Demonstration 2: Building a Custom Text Classification Pipeline Prototype for the Capstone Project

اتصال ایجنت‌ها و ابزارها Connecting Agents and Tools

• بهینه‌سازی (Fine Tuning) مدل‌های LLM: چه زمانی و چرا اهمیت دارد Fine-Tuning LLMs: When and Why It Matters

• دمو: Fine Tuning متنی (Contextual) مدل Demonstration: Contextual Fine-Tuning of Model

• دمو: Fine Tuning ترنسفورمرها روی دیتاست‌های تخصصی Demonstration: Fine-Tuning Transformers on Domain-Specific Dataset

• ادغام داده‌های خارجی در ایجنت‌های AI Integrating External Data into AI Agents

• دمو: اتصال به Web API برای دریافت اطلاعات در لحظه Demonstration: Connecting to a Web API for Real-Time Information

• دمو: افزودن منطق تصمیم‌گیری و حافظه به ایجنت (بخش اول) Demonstration: Adding Decision Logic and Memory to Your Agent - I

• دمو: افزودن منطق تصمیم‌گیری و حافظه به ایجنت (بخش دوم) Demonstration: Adding Decision Logic and Memory to Your Agent - II

• طراحی معماری یک دستیار AI جامع (End-to-End) Designing an End-to-End AI Assistant Architecture

• دمو: راه‌اندازی پروژه نهایی Rag Faiss Gemini Langchain Demonstration: Capstone Setup Rag Faiss Gemini Langchain

• دمو: خط لوله ورود داده‌ها (Ingestion Pipeline) Demonstration: Ingestion Pipeline

• دمو: ساخت RAG با Faiss Index و Gemini Embeddings Demonstration: RAG Build Faiss Index Gemini Embeddings

• دمو: بازیابی Faiss و جستجوی شباهت پرس‌وجوی Gemini Demonstration: Faiss Retriever Gemini Query Similarity Search

• دمو: ایجنت Langchain Demonstration: Langchain Agent

• دمو: ابزارهای ایجنت Langchain Demonstration: Langchain Agent Tools

• دمو: اپلیکیشن Streamlit؛ مقایسه Rag در مقابل Agent Demonstration: Streamlit App Rag vs Agent

• دمو: جمع‌بندی پروژه نهایی: داده‌های RAG، پرامپت‌ها و رابط کاربری Demonstration: Capstone Wrap-Up: RAG Data, Prompts, and UI

جمع‌بندی دوره و ارزیابی Course Wrap-Up and Assessment

• خلاصه دوره Course Summary