آموزش استادی در مهندسی LLM و ایجنت‌های هوش مصنوعی: ساخت ۱۴ پروژه - ۲۰۲۵ - آخرین آپدیت

سرفصل ها و درس ها

1-به بوت‌کمپ خوش آمدید! Welcome to the Bootcamp!

• 1-معرفی مدرس و LLM در عمل! Instructor Introduction and LLM in Action!

• 2-به انجمن رایگان ما بپیوندید و با یادگیرندگان در سراسر جهان ارتباط برقرار کنید Join our Free Community & Connect with Learners worldwide

• 3-دانلود مواد بوت‌کمپ Download the Bootcamp Materials

• 4-طرح کلی بوت‌کمپ Bootcamp Outline

• 5-نکات کلیدی برای موفقیت Key Success Tips

-------PART A: CLOSED-SOURCE LLMs, GRADIO, & BENCHMARKING------- -------PART A: CLOSED-SOURCE LLMs, GRADIO, & BENCHMARKING-------

• 1-به بخش A از بوت‌کمپ خوش آمدید! Welcome to Part A of the Bootcamp!

1-روز 1: توسعه‌ی یک چت‌بات هوش مصنوعی شخصیتی با استفاده از API اوپن‌ای‌آی Day 1: Develop a Character AI Chatbot Using OpenAI API

• 1-معرفی پروژه چت‌بات هوش مصنوعی شخصیتی و اهداف یادگیری کلیدی Task 1. Character AI Chatbot Project Introduction & Key Learning Objectives

• 2-دانلود Anaconda و پیکربندی OpenAI API Task 2. Download Anaconda and Configure OpenAI API

• 3-اولین چت ما با OpenAI API Task 3. Our First Chat with OpenAI API

• ❓-فرصت تمرینی سوال: تست OpenAI API برای تولید متن ❓Practice Opportunity Question: Test OpenAI API for Text Generation

• 5-فرصت تمرینی پاسخ: تست OpenAI API برای تولید متن Practice Opportunity Solution: Test OpenAI API for Text Generation

• 6-درک ساختار پاسخ OpenAI API و استفاده از توکن Task 4. Understand OpenAI API response Structure & Token Usage

• ❓-فرصت تمرینی سوال: ابزار OpenAI Tokenizer ❓Practice Opportunity Question: OpenAI Tokenizer Tool

• 8-فرصت تمرینی پاسخ: ابزار OpenAI Tokenizer Practice Opportunity Solution: OpenAI Tokenizer Tool

• 9-دادن یک شخصیت به چت‌بات هوش مصنوعی خود با استفاده از پیام سیستم! Task 5. Giving Our AI Chatbot a Personality Using the System Message!

• ❓-فرصت تمرینی سوال: تغییر شخصیت‌های هوش مصنوعی ❓Practice Opportunity Question: Changing AI Personalities

• 11-فرصت تمرینی پاسخ: تغییر شخصیت‌های هوش مصنوعی Practice Opportunity Solution: Changing AI Personalities

• 12-نتیجه‌گیری، خلاصه و تشکر! Conclusion, Summary, and Thank You!

1-روز 2: ساخت یک ردیاب کالری هوش مصنوعی با استفاده از OpenAI API (Vision GPTs) Day 2: Build an AI Calorie Tracker Using OpenAI API (Vision GPTs)

• 1-معرفی پروژه ردیاب کالری هوش مصنوعی و اهداف یادگیری کلیدی Task 1. AI Calorie Tracker Project Introduction & Key Learning Objectives

• 2-خواندن یک تصویر نمونه با استفاده از کتابخانه Python's Pillow (PIL) Task 2. Read a Sample Image Using Python's Pillow (PIL) Library

• ❓-فرصت تمرینی سوال: خواندن و نمایش تصاویر با استفاده از PIL ❓Practice Opportunity Question: Read & View Images Using PIL

• 4-فرصت تمرینی پاسخ: خواندن و نمایش تصاویر با استفاده از PIL Practice Opportunity Solution: Read & View Images Using PIL

• 5-درک مبانی مهندسی Prompt Task 3. Understand Prompt Engineering Fundamentals

• ❓-فرصت تمرینی سوال: مبانی مهندسی Prompt ❓Practice Opportunity Question: Prompt Engineering Fundamentals

• 7-فرصت تمرینی پاسخ: مبانی مهندسی Prompt Practice Opportunity Solution: Prompt Engineering Fundamentals

• 8-انجام تشخیص تصویر با استفاده از مدل‌های Vision GPT اوپن‌ای‌آی (بخش A) Task 4. Perform Image Recognition Using OpenAI API's Vision GPT Models (Part A)

• 9-انجام تشخیص تصویر با استفاده از مدل‌های Vision GPT اوپن‌ای‌آی (بخش B) Task 4. Perform Image Recognition Using OpenAI API's Vision GPT Models (Part B)

• ❓-فرصت تمرینی سوال: فراخوانی مدل‌های Vision GPT اوپن‌ای‌آی ❓Practice Opportunity Question: Calling OpenAI API's Vision GPT Models

• 11-فرصت تمرینی پاسخ: فراخوانی مدل‌های Vision GPT اوپن‌ای‌آی Practice Opportunity Solution: Calling OpenAI API's Vision GPT Models

• 12-دریافت شمارش کالری تصاویر غذا با استفاده از مدل‌های Vision GPT Task 5. Obtain the Calorie Count of Food Images Using Vision GPT Models

• ❓-فرصت تمرینی سوال: گسترش بار API برای شامل ارزش غذایی ❓Practice Opportunity Question: Expand API Payload to include Nutritional Value

• 14-فرصت تمرینی پاسخ: گسترش بار API برای شامل ارزش غذایی Practice Opportunity Solution: Expand API Payload to include Nutritional Value

• 15-نتیجه‌گیری، خلاصه و پیام تشکر! Conclusion, Summary, & Thank You Message!

1-روز 3: ساخت یک مربی هوش مصنوعی تطبیقی LLM/AI با Gradio برای یادگیری چند سطحی Day 3: Build an Adaptive LLM/AI Tutor with Gradio for Multi-level Learning

• 1-مقدمه و اهداف یادگیری کلیدی - مربی هوش مصنوعی تطبیقی با Gradio Task 1. Introduction & Key Learning Objectives - Adaptive AI Tutor with Gradio

• 2-یادگیری Gradio 101 و نمایش قابلیت‌ها (نقشه‌ها، تصاویر و استریم) Task 2. Learn Gradio 101 & Showcase Capabilities (Maps, Images, & Streaming)

• 3-ساخت و تست یک تابع مربی هوش مصنوعی (بدون Gradio) Task 3. Build and Test an AI Tutor Function (Without Gradio)

• ❓-فرصت تمرینی سوال: تست تابع مربی هوش مصنوعی با شخصیت‌های متعدد ❓Practice Opportunity Question: Test AI Tutor Function with Many Personalities

• 5-فرصت تمرینی پاسخ: تست تابع مربی هوش مصنوعی با شخصیت‌های متعدد Practice Opportunity Solution: Test AI Tutor Function with Many Personalities

• 6-ساخت یک رابط تعاملی با استفاده از Gradio (بدون استریم) Task 4. Build an Interactive Interface Using Gradio (No Streaming)

• ❓-فرصت تمرینی سوال: پیکربندی اجزای رابط Gradio ❓Practice Opportunity Question: Configure Gradio Interface Components

• 8-فرصت تمرینی پاسخ: پیکربندی اجزای رابط Gradio Practice Opportunity Solution: Configure Gradio Interface Components

• 9-افزودن استریم برای یک تجربه چت پیشرفته در Gradio Task 5. Add Streaming for an Enhanced Chat Experience in Gradio

• ❓-فرصت تمرینی سوال: استریم برای یک تجربه چت پیشرفته ❓Practice Opportunity Question: Streaming for an Enhanced Chat Experience

• 11-فرصت تمرینی پاسخ: استریم برای یک تجربه چت پیشرفته Practice Opportunity Solution: Streaming for an Enhanced Chat Experience

• 12-ساخت یک مربی هوش مصنوعی چند سطحی در Gradio با لغزنده سطح توضیحات Task 6. Build a Multi-Level AI Tutor in Gradio with Explanation Level Slider

• ❓-فرصت تمرینی سوال: تست سطوح لغزنده مربی هوش مصنوعی و حالت اینشتین! ❓Practice Opportunity Question: Testing AI Tutor Slider Levels & Einstein Mode!

• 14-فرصت تمرینی پاسخ: تست سطوح لغزنده مربی هوش مصنوعی و حالت اینشتین! Practice Opportunity Solution: Testing AI Tutor Slider Levels & Einstein Mode!

• 15-نتیجه‌گیری، خلاصه و پیام تشکر! Conclusion, Summary, & Thank You Message!

1-روز 4: ساخت وب‌سایت‌ها با Claude، Gemini و OpenAI و LLMs Leaderboards Day 4: Build Websites with Claude, Gemini, & OpenAI & LLMs Leaderboards

• 1-مقدمه و اهداف ماژول - ساخت وب‌سایت‌ها و LLMs Leaderboards Task 1. Introduction & Module Objectives - Build Websites & LLMs Leaderboards

• 2-مقایسه LLM، بنچمارک‌ها و Vellum Leaderboard Task 2. LLM Comparison, Benchmarks, & Vellum Leaderboard

• ❓-فرصت تمرینی سوال: Vellum Leaderboard و LLMs Benchmarking ❓Practice Opportunity Question: Vellum Leaderboard & LLMs Benchmarking

• 4-فرصت تمرینی پاسخ: Vellum Leaderboard و LLMs Benchmarking Practice Opportunity Solution: Vellum Leaderboard & LLMs Benchmarking

• 5-بررسی Chatbot Arena و تست مدل‌های Blind AI/LLMs Task 3. Exploring Chatbot Arena and Blind AI/LLMs Models Testing

• ❓-فرصت تمرینی سوال: تست Blind AI با استفاده از Chatbot Arena ❓Practice Opportunity Question: Blind AI Testing Using Chatbot Arena

• 7-فرصت تمرینی پاسخ: تست Blind AI با استفاده از Chatbot Arena Practice Opportunity Solution: Blind AI Testing Using Chatbot Arena

• 8-تنظیم API Key و مقایسه توانایی‌های ریاضی و خلاقانه Claude, Gemini, GPT Task 4. Setup API Key & Compare Math & Creative abilities of Claude, Gemini, GPT

• ❓-فرصت تمرینی سوال: مقایسه توانایی‌های کدنویسی LLMs ❓Practice Opportunity Question: Compare LLMs Coding Abilities

• 10-فرصت تمرینی پاسخ: مقایسه توانایی‌های کدنویسی LLMs Practice Opportunity Solution: Compare LLMs Coding Abilities

• 11-تعریف ایده استارتاپ و ساختار Prompt Task 5. Define the Startup Idea & Structure the Prompt

• ❓-فرصت تمرینی سوال: Prompt Structuring برای تولید HTML ❓Practice Opportunity Question: Prompt Structuring for HTML Generation

• 13-فرصت تمرینی پاسخ: Prompt Structuring برای تولید HTML Practice Opportunity Solution: Prompt Structuring for HTML Generation

• 14-تولید وب‌سایت‌ها و صفحات فرود HTML با OpenAI API Task 6. Generate Websites & HTML Landing Pages with OpenAI API

• ❓-فرصت تمرینی سوال: تولید صفحات فرود HTML ❓Practice Opportunity Question: HTML Landing Pages Generation

• 16-فرصت تمرینی پاسخ: تولید صفحات فرود HTML Practice Opportunity Solution: HTML Landing Pages Generation

• 17-تولید صفحات فرود HTML با Google Gemini-2.0-Flash API Task 7. Generate HTML Landing Pages with Google Gemini-2.0-Flash API

• ❓-فرصت تمرینی سوال: مقایسه Gemini Vs. OpenAI در تولید وب‌سایت ❓Practice Opportunity Question: Compare Gemini Vs. OpenAI Website Generation

• 19-فرصت تمرینی پاسخ: مقایسه Gemini Vs. OpenAI در تولید وب‌سایت Practice Opportunity Solution: Compare Gemini Vs. OpenAI Website Generation

• 20-تولید صفحات فرود HTML با Anthropic Claude 3.7 Sonnet Task 8. Generate HTML Landing Pages with Anthropic Claude 3.7 Sonnet

• ❓-فرصت تمرینی سوال: طراحی وب‌سایت با LLM (Claude توسط Anthropic) ❓Practice Opportunity Question: Website Design with LLM (Claude by Anthropic)

• 22-فرصت تمرینی پاسخ: طراحی وب‌سایت با LLM (Claude توسط Anthropic) Practice Opportunity Solution: Website Design with LLM (Claude by Anthropic)

• 23-نتیجه‌گیری، خلاصه و پیام تشکر! Conclusion, Summary, & Thank You Message!

-------PART B: OPEN-SOURCE LLMs, HUGGING FACE, RAG & FINE-TUNING------- -------PART B: OPEN-SOURCE LLMs, HUGGING FACE, RAG & FINE-TUNING-------

• 1-به بخش B از این بوت‌کمپ خوش آمدید! Welcome to Part B of this Bootcamp!

1-روز 5: مدل‌های متن باز Hugging Face Day 5: Hugging Face Open-Source Models

• 1-بررسی اجمالی پروژه: چت با اسناد با استفاده از LLM های متن باز Task 1. Project Overview: Chat with Documents Using Open-Source LLMs

• 2-بررسی مدل‌ها، مجموعه‌داده‌ها و فضاهای Hugging Face Task 2. Explore Hugging Face Models, Datasets, and Spaces

• ❓-فرصت تمرینی سوال: بررسی Hugging Face ❓Practice Opportunity Question: Explore Hugging Face

• 4-فرصت تمرینی پاسخ: بررسی Hugging Face Practice Opportunity Solution: Explore Hugging Face

• 5-نصب کتابخانه‌های کلیدی و تنظیم Access Token برای Hugging Face Task 3. Install Key Libraries & Setup Access Tokens for Hugging Face

• ❓-فرصت تمرینی سوال: بررسی دسترسی GPU در Google Colab ❓Practice Opportunity Question: GPU Access Check on Google Colab

• 7-فرصت تمرینی پاسخ: بررسی دسترسی GPU در Google Colab Practice Opportunity Solution: GPU Access Check on Google Colab

• 8-کتابخانه Hugging Face Transformers: Pipelines Task 4. Hugging Face Transformers Library: Pipelines

• ❓-فرصت تمرینی سوال: Transformers Pipelines ❓Practice Opportunity Question: Transformers Pipelines

• 10-فرصت تمرینی پاسخ: Transformers Pipelines Practice Opportunity Solution: Transformers Pipelines

• 11-کتابخانه Hugging Face Transformers: AutoTokenizers Task 5. Hugging Face Transformers Library: AutoTokenizers

• ❓-فرصت تمرینی سوال: Transformers Library AutoTokenizer ❓Practice Opportunity Question: Transformers Library AutoTokenizer

• 13-فرصت تمرینی پاسخ: Transformers Library AutoTokenizer Practice Opportunity Solution: Transformers Library AutoTokenizer

• 14-کتابخانه Hugging Face Transformers: AutoModelForCasualLM Task 6. Hugging Face Transformers Library: AutoModelForCasualLM

• ❓-فرصت تمرینی سوال: Transformers AutoModelForCasualLM ❓Practice Opportunity Question: Transformers AutoModelForCasualLM

• 16-فرصت تمرینی پاسخ: Transformers AutoModelForCasualLM Practice Opportunity Solution: Transformers AutoModelForCasualLM

• 17-خواندن اسناد PDF و استخراج محتوا با استفاده از کتابخانه PyPDF Task 7. Read PDF Documents & Extract Content Using PyPDF Library

• ❓-فرصت تمرینی سوال: کتابخانه PyPDF ❓Practice Opportunity Question: PyPDF Library

• 19-فرصت تمرینی پاسخ: کتابخانه PyPDF Practice Opportunity Solution: PyPDF Library

• 20-ساخت منطق Q&A و Prompt LLM (Microsoft Phi-4-mini) Task 8. Build the Q&A Logic & Prompt the LLM (Microsoft Phi-4-mini)

• ❓-فرصت تمرینی سوال: تست Q&A Pipeline با LLM متن باز ❓Practice Opportunity Question: Test the Q&A Pipeline with Open-Source LLM

• 22-فرصت تمرینی پاسخ: تست Q&A Pipeline با LLM متن باز Practice Opportunity Solution: Test the Q&A Pipeline with Open-Source LLM

• 23-تغییر LLMs (LLama, Phi, & Gemma) و ساخت رابط Gradio Task 9. Switch LLMs (LLama, Phi, & Gemma) & Build Gradio Interface

• ❓-فرصت تمرینی سوال: تست Qwen Open-Source LLM ❓Practice Opportunity Question: Testing Qwen Open-Source LLM

• 25-فرصت تمرینی پاسخ: تست Qwen Open-Source LLM Practice Opportunity Solution: Testing Qwen Open-Source LLM

• 26-نتیجه‌گیری و تشکر! Conclusion & Thank You!

1-روز 6: استدلال LLM های متن باز در Hugging Face و Model Leaderboards Day 6: Reasoning Open-Source LLMs on Hugging Face & Model Leaderboards

• 1-مقدمه و اهداف ماژول - استدلال LLMs در Hugging Face Task 1. Introduction and Module Objectives - Reasoning LLMs on Hugging Face

• 2-بررسی کتابخانه Hugging Face Datasets و نصب کتابخانه‌های کلیدی Task 2. Explore Hugging Face Datasets Library & Install Key Libraries

• ❓-فرصت تمرینی سوال: بررسی Hugging Face Datasets ❓Practice Opportunity Question: Explore Hugging Face Datasets

• 4-فرصت تمرینی پاسخ: بررسی Hugging Face Datasets Practice Opportunity Solution: Explore Hugging Face Datasets

• 5-بارگیری مجموعه‌داده‌های اخبار مالی از Hugging Face Task 3. Load Financial News Datasets from Hugging Face

• ❓-فرصت تمرینی سوال: بررسی مجموعه‌داده‌های اخبار مالی ❓Practice Opportunity Question: Explore Financial News Datasets

• 7-فرصت تمرینی پاسخ: بررسی مجموعه‌داده‌های اخبار مالی Practice Opportunity Solution: Explore Financial News Datasets

• 8-بارگیری و تست مدل DeepSeek Reasoning - بخش 1 Task 4. Load and Test DeepSeek Reasoning Model - Part 1

• 9-بارگیری و تست مدل DeepSeek Reasoning - بخش 2 Task 4. Load and Test DeepSeek Reasoning Model - Part 2

• ❓-فرصت تمرینی سوال: تست قابلیت‌های ریاضی DeepSeek ❓Practice Opportunity Question: Test Math Capabilities of DeepSeek

• 11-فرصت تمرینی پاسخ: تست قابلیت‌های ریاضی DeepSeek Practice Opportunity Solution: Test Math Capabilities of DeepSeek

• 12-یک چارچوب برای انتخاب مدل هوش مصنوعی مناسب برای کسب‌وکار شما - بخش 1 Task 5. A Framework for Choosing the right AI Model for Your Business - Part 1

• 13-یک چارچوب برای انتخاب مدل هوش مصنوعی مناسب برای کسب‌وکار شما - بخش 2 Task 5. A Framework for Choosing the right AI Model for Your Business - Part 2

• 14-Model Leaderboards و بنچمارک‌های مدل‌های قدیمی/جدید - بخش 1 Task 6. Model Leaderboards and Old/New Model Benchmarks - Part 1

• 15-Model Leaderboards و بنچمارک‌های مدل‌های قدیمی/جدید - بخش 2 Task 6. Model Leaderboards and Old/New Model Benchmarks - Part 2

• 16-Prompt کردن DeepSeek برای استدلال و طبقه‌بندی Task 7. Prompting DeepSeek for Reasoning and Classification

• ❓-فرصت تمرینی سوال: تجزیه و تحلیل احساسات اخبار با DeepSeek ❓Practice Opportunity Question: Analyze News Sentiment with DeepSeek

• 18-فرصت تمرینی پاسخ: تجزیه و تحلیل احساسات اخبار با DeepSeek Practice Opportunity Solution: Analyze News Sentiment with DeepSeek

• 19-ساخت رابط Gradio Task 8. Building Gradio Interface

• 20-نتیجه‌گیری و تشکر! Conclusion and Thank You!

1-روز 7: ساخت خطوط لوله Retrieval Augmented Generation (RAG) در LangChain Day 7: Build Retrieval Augmented Generation (RAG) Pipelines in LangChain

• 1-مقدمه و اهداف ماژول - ساخت خطوط لوله RAG در LangChain Task 1. Introduction & Module Objectives - Build RAG Pipelines in LangChain

• 2-درک Retrieval Augmented Generation (RAG) و چرایی استفاده از آن Task 2. Understand Retrieval Augmented Generation (RAG) & Why Use it

• 3-LangChain 101 و ویژگی‌های کلیدی Task 3. LangChain 101 & Key Features

• 4-تنظیم، جمع‌آوری ابزارهای RAG و بارگیری مجموعه‌داده‌ها Task 4. Setup, Gather RAG Tools & Load Datasets

• ❓-فرصت تمرینی سوال: تست LangChain Textloader ❓Practice Opportunity Question: LangChain Textloader Testing

• 6-فرصت تمرینی پاسخ: تست LangChain Textloader Practice Opportunity Solution: LangChain Textloader Testing

• 7-تقسیم (Chunking) اسناد با استفاده از LangChain Text Splitter Task 5. Splitting (Chunking) Documents Using LangChain Text Splitter

• ❓-فرصت تمرینی سوال: پیکربندی RecursiveCharacterTextSplitter ❓Practice Opportunity Question: Configuring RecursiveCharacterTextSplitter

• 9-فرصت تمرینی پاسخ: پیکربندی RecursiveCharacterTextSplitter Practice Opportunity Solution: Configuring RecursiveCharacterTextSplitter

• 10-ایجاد Embeddings و Vector Store Task 6. Embeddings and Vector Store Creation

• ❓-فرصت تمرینی سوال: Tensorflow Embeddings Projector ❓Practice Opportunity Question: Tensorflow Embeddings Projector

• 12-فرصت تمرینی پاسخ: Tensorflow Embeddings Projector Practice Opportunity Solution: Tensorflow Embeddings Projector

• 13-تست خط لوله Retrieval Task 7. Testing the Retrieval Pipeline

• ❓-فرصت تمرینی سوال: Retrieval Pipeline Testing ❓Practice Opportunity Question: Retrieval Pipeline Testing

• 15-فرصت تمرینی پاسخ: Retrieval Pipeline Testing Practice Opportunity Solution: Retrieval Pipeline Testing

• 16-ساخت و تست خط لوله RAG در LangChain Task 8. Building and Testing RAG Pipeline in LangChain

• ❓-فرصت تمرینی سوال: RetrievalQAWithSourcesChain Parameters ❓Practice Opportunity Question: RetrievalQAWithSourcesChain Parameters

• 18-فرصت تمرینی پاسخ: RetrievalQAWithSourcesChain Parameters Practice Opportunity Solution: RetrievalQAWithSourcesChain Parameters

• 19-ایجاد رابط Gradio برای خط لوله RAG ما Task 9. Creating Gradio Interface for Our RAG Pipeline

• ❓-فرصت تمرینی سوال: Gradio Interface Configuration & Testing ❓Practice Opportunity Question: Gradio Interface Configuration & Testing

• 21-فرصت تمرینی پاسخ: Gradio Interface Configuration & Testing Practice Opportunity Solution: Gradio Interface Configuration & Testing

• 22-نتیجه‌گیری، خلاصه و پیام تشکر! Conclusion, Summary, & Thank You Message!

1-روز 8: ساخت یک دستیار هوش مصنوعی برای رزومه و کاورلتر با OpenAI و Pydantic Day 8: Build a Resume & Cover Letter AI Assistant with OpenAI & Pydantic

• 1-مقدمه‌ای بر پروژه ساخت رزومه و کاورلتر با Pydantic Task 1. Introduction to Resume & Cover Letter Building Project with Pydantic

• 2-Pydantic 101 و نکات نوع Python Task 2. Pydantic 101 & Python Type Hints

• ❓-فرصت تمرینی سوال: Pydantic Models ❓Practice Opportunity Question: Pydantic Models

• 4-فرصت تمرینی پاسخ: Pydantic Models Practice Opportunity Solution: Pydantic Models

• 5-تولید خروجی ساختاریافته تجزیه‌شده از OpenAI API با Pydantic Task 3. Generate Parsed Structured Output from OpenAI API with Pydantic

• ❓-فرصت تمرینی سوال: Structured Output با OpenAI API & Pydantic ❓Practice Opportunity Question: Structured Output with OpenAI API & Pydantic

• 7-فرصت تمرینی پاسخ: Structured Output با OpenAI API & Pydantic Practice Opportunity Solution: Structured Output with OpenAI API & Pydantic

• 8-تعریف ورودی‌های LLM شامل شرح شغل و رزومه اصلی Task 4. Define LLM Inputs Including Job Description & Original Resume

• ❓-فرصت تمرینی سوال: Modify Job Description ❓Practice Opportunity Question: Modify Job Description

• 10-فرصت تمرینی پاسخ: Modify Job Description Practice Opportunity Solution: Modify Job Description

• 11-بهبود رزومه با GPT-4.o اوپن‌ای‌آی Task 5. Enhance Resume with OpenAI's GPT-4.o

• ❓-فرصت تمرینی سوال: Gemini API Testing ❓Practice Opportunity Question: Gemini API Testing

• 13-فرصت تمرینی پاسخ: Gemini API Testing Practice Opportunity Solution: Gemini API Testing

• 14-انجام تجزیه و تحلیل شکاف رزومه و شرح شغل با LLM ها Task 6. Perform Resume & Job Description Gap Analysis with LLMs

• ❓-فرصت تمرینی سوال: Modify Functions to Include AI Skills ❓Practice Opportunity Question: Modify Functions to Include AI Skills

• 16-فرصت تمرینی پاسخ: Modify Functions to Include AI Skills Practice Opportunity Solution: Modify Functions to Include AI Skills

• 17-تولید یک رزومه جدید و سفارشی‌شده توسط هوش مصنوعی با ردیابی تغییرات (Pydantic) Task 7. Generate a New Tailored Resume by AI with Change Tracking (Pydantic)

• ❓-فرصت تمرینی سوال: Generate Resume Function Testing ❓Practice Opportunity Question: Generate Resume Function Testing

• 19-فرصت تمرینی پاسخ: Generate Resume Function Testing Practice Opportunity Solution: Generate Resume Function Testing

• 20-تولید یک کاورلتر سفارشی Task 8. Generate a Custom Cover Letter

• ❓-فرصت تمرینی سوال: Generate Cover Letter Function Testing ❓Practice Opportunity Question: Generate Cover Letter Function Testing

• 22-فرصت تمرینی پاسخ: Generate Cover Letter Function Testing Practice Opportunity Solution: Generate Cover Letter Function Testing

• 23-تابع تولید یکپارچه رزومه و کاورلتر Task 9. Unified Resume and Cover Letter Generation Function

• ❓-فرصت تمرینی سوال: Test the Entire Workflow with New Data ❓Practice Opportunity Question: Test the Entire Workflow with New Data

• 25-فرصت تمرینی پاسخ: Test the Entire Workflow with New Data Practice Opportunity Solution: Test the Entire Workflow with New Data

• 26-سخنان پایانی و تشکر! Concluding Remarks and Thank You!

1-روز 9: Fine-Tuning مدل‌های زبان بزرگ با LORA، SFTTrainer، PEFT و TRL Day 9: Fine-Tuning of Large Language Models with LORA, SFTTrainer, PEFT, & TRL

• 1-معرفی پروژه و پیام خوش‌آمدگویی: Fine-Tuning LLMs Task 1. Project Introduction and Welcome Message: Fine-Tuning of LLMs

• 2-وارد کردن کتابخانه‌ها و مجموعه‌داده‌های کلیدی Task 2. Import Key Libraries and Datasets

• ❓-فرصت تمرینی سوال: GPU Detection Tesla T4 & A100 ❓Practice Opportunity Question: GPU Detection Tesla T4 & A100

• 4-فرصت تمرینی پاسخ: GPU Detection Tesla T4 & A100 Practice Opportunity Solution: GPU Detection Tesla T4 & A100

• 5-بارگیری و آماده‌سازی مجموعه‌داده‌های اخبار مالی Task 3. Load and Prepare the Financial News Datasets

• ❓-فرصت تمرینی سوال: Explore Data Imbalance & Seaborn Countplot ❓Practice Opportunity Question: Explore Data Imbalance & Seaborn Countplot

• 7-فرصت تمرینی پاسخ: Explore Data Imbalance & Seaborn Countplot Practice Opportunity Solution: Explore Data Imbalance & Seaborn Countplot

• 8-قالب‌بندی داده‌ها در فرمت Supervised Fine-Tuning (SFT) Trainer Task 4. Format the Data into Supervised Fine-Tuning (SFT) Trainer Format

• ❓-فرصت تمرینی سوال: Formatting DeepSeek Models in SFTTrainer Format ❓Practice Opportunity Question: Formatting DeepSeek Models in SFTTrainer Format

• 10-فرصت تمرینی پاسخ: Formatting DeepSeek Models in SFTTrainer Format Practice Opportunity Solution: Formatting DeepSeek Models in SFTTrainer Format

• 11-درک Confusion Matrix و KPI های طبقه‌بندی (Precision, recall,..) Task 5. Understand Confusion Matrix & Classification KPIs (Precision, recall,..)

• 12-انجام طبقه‌بندی Zero-Shot با مدل پایه (Inference) - بخش 1 Task 6. Perform Zero-Shot Classification With Base Model (Inference) - Part 1

• 13-انجام طبقه‌بندی Zero-Shot با مدل پایه (Inference) - بخش 2 Task 6. Perform Zero-Shot Classification With Base Model (Inference) - Part 2

• ❓-فرصت تمرینی سوال: Zero-Shot Inference on Base Model ❓Practice Opportunity Question: Zero-Shot Inference on Base Model

• 15-فرصت تمرینی پاسخ: Zero-Shot Inference on Base Model Practice Opportunity Solution: Zero-Shot Inference on Base Model

• 16-انجام fine-tuning LLMs با استفاده از PEFT، LORA و SFTTrainer Task 7. Perform LLMs fine-tuning Using PEFT, LORA, & SFTTrainer

• 17-ارزیابی مدل‌های زبان بزرگ Fine-Tuned Task 8. Evaluate Fine-Tuned Large Language Models

• ❓-فرصت تمرینی سوال: Plot Confusion Matrix & KPIs for Fine-Tuned LLM ❓Practice Opportunity Question: Plot Confusion Matrix & KPIs for Fine-Tuned LLM

• 19-فرصت تمرینی پاسخ: Plot Confusion Matrix & KPIs for Fine-Tuned LLM Practice Opportunity Solution: Plot Confusion Matrix & KPIs for Fine-Tuned LLM

• 20-نتیجه‌گیری، خلاصه و تشکر! Conclusion, Summary, & Thank You!

-------PART C: AI AGENTS WITH LANGGRAPH, AUTOGEN, CREWAI, N8N, & MCP------- -------PART C: AI AGENTS WITH LANGGRAPH, AUTOGEN, CREWAI, N8N, & MCP-------

• 1-به بخش C از این بوت‌کمپ خوش آمدید! Welcome to Part C of this bootcamp!

1-روز 10: ساخت تیم‌های عامل هوش مصنوعی چند مدل با استفاده از AutoGen Day 10: Build Multi-Model AI Agent Teams Using AutoGen

• 1-مقدمه و اهداف ماژول - ساخت تیم‌های عامل هوش مصنوعی با AutoGen Task 1. Introduction & Module Objectives - Build AI Agents Teams with AutoGen

• 2-درک قابلیت‌ها و ویژگی‌های کلیدی AutoGen Task 2. Understand AutoGen Capabilities & Key Features

• ❓-فرصت تمرینی سوال: AI Agents Teams Design ❓Practice Opportunity Question: AI Agents Teams Design

• 4-فرصت تمرینی پاسخ: AI Agents Teams Design Practice Opportunity Solution: AI Agents Teams Design

• 5-ایجاد اولین عوامل هوش مصنوعی ما در AutoGen با OpenAI GPT-4o Task 3. Create Our First AI Agents in AutoGen with OpenAI GPT-4o

• ❓-فرصت تمرینی سوال: Building AI Agents in AutoGen ❓Practice Opportunity Question: Building AI Agents in AutoGen

• 7-فرصت تمرینی پاسخ: Building AI Agents in AutoGen Practice Opportunity Solution: Building AI Agents in AutoGen

• 8-تست مکالمات عوامل هوش مصنوعی با LLM مشابه (OpenAI GPT-4o) Task 4. Test AI Agents Conversations with Similar LLM (OpenAI GPT-4o)

• ❓-فرصت تمرینی سوال: Modify initiate_chat() Function Parameters ❓Practice Opportunity Question: Modify initiate_chat() Function Parameters

• 10-فرصت تمرینی پاسخ: Modify initiate_chat() Function Parameters Practice Opportunity Solution: Modify initiate_chat() Function Parameters

• 11-پیکربندی عوامل هوش مصنوعی چند مدل در AutoGen با Gemini و GPT-4o اوپن‌ای‌آی Task 5. Configure Multi-Model AI Agents in AutoGen with Gemini & OpenAI's GPT-4o

• ❓-فرصت تمرینی سوال: Configure AI Agents using Anthropic's Claude ❓Practice Opportunity Question: Configure AI Agents using Anthropic's Claude

• 13-فرصت تمرینی پاسخ: Configure AI Agents using Anthropic's Claude Practice Opportunity Solution: Configure AI Agents using Anthropic's Claude

• 14-راه‌اندازی مکالمات عوامل هوش مصنوعی چند مدل در AutoGen Task 6. Trigger Multi-Model AI Agents Conversations in AutoGen

• ❓-فرصت تمرینی سوال: Adjusting AI Agent's Creativity Level ❓Practice Opportunity Question: Adjusting AI Agent's Creativity Level

• 16-فرصت تمرینی پاسخ: Adjusting Agent's Creativity Level Practice Opportunity Solution: Adjusting Agent's Creativity Level

• 17-افزودن انسان (User Proxy Agent) و استفاده از Group Chat Task 7. Adding Human (User Proxy Agent) & Leveraging Group Chat

• ❓-فرصت تمرینی سوال: Adding Claude's Social Media Strategist to Chat ❓Practice Opportunity Question: Adding Claude's Social Media Strategist to Chat

• 19-فرصت تمرینی پاسخ: Adding Claude's Social Media Strategist to Chat Practice Opportunity Solution: Adding Claude's Social Media Strategist to Chat

• 20-نتیجه‌گیری، خلاصه و پیام تشکر! Conclusion, Summary, & Thank You Message!

1-روز 11: ساخت گردش‌های کار عامل هوش مصنوعی در LangGraph Day 11: Building AI Agentic Workflows in LangGraph

• 1-معرفی پروژه - ساخت گردش‌های کار عامل هوش مصنوعی در LangGraph Task 1. Project Introduction - Building Agentic Workflows in LangGraph

• 2-درک اجزای LangGraph (Nodes, Edges, & State Graph) و ویژگی‌ها Task 2. Understand LangGraph Components (Nodes, Edges, & State Graph) & Features

• 3-ساخت اولین گردش کار عامل هوش مصنوعی خود در LangGraph - بخش 1 Task 3. Build Your First Agentic AI Workflow in LangGraph - Part 1

• 4-ساخت اولین گردش کار عامل هوش مصنوعی خود در LangGraph - بخش 2 Task 3. Build Your First Agentic AI Workflow in LangGraph - Part 2

• ❓-فرصت تمرینی سوال: تست Summarization AI Agent in LangGraph ❓Practice Opportunity Question: Test Summarization AI Agent in LangGraph

• 6-فرصت تمرینی پاسخ: تست Summarization AI Agent in LangGraph Practice Opportunity Solution: Test Summarization AI Agent in LangGraph

• 7-ساخت گردش کار عامل چند Node در LangGraph Task 4. Build Multi Node Agentic Workflow in LangGraph

• ❓-فرصت تمرینی سوال: Add a New Node (Sentiment) to Agentic Workflow ❓Practice Opportunity Question: Add a New Node (Sentiment) to Agentic Workflow

• 9-فرصت تمرینی پاسخ: Add a New Node (Sentiment) to Agentic Workflow Practice Opportunity Solution: Add a New Node (Sentiment) to Agentic Workflow

• 10-توسعه گردش کار هوش مصنوعی عامل با یک ابزار و لبه‌های شرطی - بخش 1 Task 5. Develop Agentic AI Workflow with One Tool & Conditional Edges - Part 1

• 11-توسعه گردش کار هوش مصنوعی عامل با یک ابزار و لبه‌های شرطی - بخش 2 Task 5. Develop Agentic AI Workflow with One Tool & Conditional Edges - Part 2

• ❓-فرصت تمرینی سوال: Calling Tools in LangGraph ❓Practice Opportunity Question: Calling Tools in LangGraph

• 13-فرصت تمرینی پاسخ: Calling Tools in LangGraph Practice Opportunity Solution: Calling Tools in LangGraph

• 14-ایجاد و افزودن یک ابزار سفارشی جدید به گردش‌های کار LangGraph Task 6. Create and Add a New Custom Tool to LangGraph Workflows

• ❓-فرصت تمرینی سوال: Define New Custom Tools in LangGraph ❓Practice Opportunity Question: Define New Custom Tools in LangGraph

• 16-فرصت تمرینی پاسخ: Define New Custom Tools in LangGraph Practice Opportunity Solution: Define New Custom Tools in LangGraph

• 17-استفاده از LangGraph برای انجام جستجوی پرواز با ابزار Amadeus و ToolNode Task 7. Leverage LangGraph to Perform Flight Search with Amadeus Tool & ToolNode

• ❓-فرصت تمرینی سوال: Adding Hotel Search Tool Using Amadeus ❓Practice Opportunity Question: Adding Hotel Search Tool Using Amadeus

• 19-فرصت تمرینی پاسخ: Adding Hotel Search Tool Using Amadeus Practice Opportunity Solution: Adding Hotel Search Tool Using Amadeus

• 20-جمع‌بندی همه چیز و ساخت عامل رزرو هوش مصنوعی Task 8. Bringing Everything Together & Building the AI Booking Agent

• ❓-فرصت تمرینی سوال: Test the AI Agent Booking Tool ❓Practice Opportunity Question: Test the AI Agent Booking Tool

• 22-فرصت تمرینی پاسخ: Test the AI Agent Booking Tool Practice Opportunity Solution: Test the AI Agent Booking Tool

• 23-ساخت یکپارچه‌سازی Gradio برای عامل رزرو هوش مصنوعی در LangGraph Task 9. Build a Gradio Integration for the Booking AI Agent in LangGraph

• 24-خلاصه و تشکر! Summary & Thank You!

1-روز 12: ساخت تیمی از عوامل هوش مصنوعی علوم داده با استفاده از CrewAI Day 12: Build A Team of Data Science AI Agents Using CrewAI

• 1-معرفی پروژه - ساخت تیمی از دانشمندان داده با استفاده از CrewAI Task 1. Project Intro - Build a Team of Data Scientists Using CrewAI

• 2-ساخت، آموزش و ارزیابی مدل‌های ML Regression مروری Task 2. Build Train and Evaluate ML Models Regression Overview

• 3-معرفی پروژه رگرسیون ML Task 2A. Project Introduction ML regression

• 4-Machine Learning Regression 101 Task 2B. Machine Learning Regression 101

• ❓-فرصت تمرینی سوال: Regression 101 ❓Practice Opportunity Question: Regression 101

• 6-فرصت تمرینی پاسخ: Regression 101 Practice Opportunity Solution: Regression 101

• 7-وارد کردن کتابخانه‌ها و انجام بازرسی داده‌ها - بخش 1 Task 2C. Import Libraries & Perform Data Inspection - Part 1

• 8-وارد کردن کتابخانه‌ها و انجام بازرسی داده‌ها - بخش 2 Task 2C. Import Libraries & Perform Data Inspection - Part 2

• ❓-فرصت تمرینی سوال: Perform Data Inspection ❓Practice Opportunity Question: Perform Data Inspection

• 10-فرصت تمرینی پاسخ: Perform Data Inspection Practice Opportunity Solution: Perform Data Inspection

• 11-Data Imputation و رسیدگی به مجموعه داده‌های گم‌شده Task 2D. Data Imputation & Handling Missing Dataset

• ❓-فرصت تمرینی سوال: Data Imputation & Handling Missing Dataset ❓Practice Opportunity Question: Data Imputation & Handling Missing Dataset

• 13-فرصت تمرینی پاسخ: Data Imputation & Handling Missing Dataset Practice Opportunity Solution: Data Imputation & Handling Missing Dataset

• 14-انجام تجزیه و تحلیل داده‌های اکتشافی (EDA) و تجسم Task 2E. Perform Exploratory Data Analysis (EDA) and Visualization

• ❓-فرصت تمرینی سوال: EDA and Visualization ❓Practice Opportunity Question: EDA and Visualization

• 16-فرصت تمرینی پاسخ: EDA and Visualization Practice Opportunity Solution: EDA and Visualization

• 17-Data Pre-Processing (One-Hot-Encoding & Train/Test Split) Task 2F. Data Pre-Processing (One-Hot-Encoding & Train/Test Split)

• ❓-فرصت تمرینی سوال: Data Pre-Processing & Train/Test Split ❓Practice Opportunity Question: Data Pre-Processing & Train/Test Split

• 19-فرصت تمرینی پاسخ: Data Pre-Processing & Train/Test Split Practice Opportunity Solution: Data Pre-Processing & Train/Test Split

• 20-ساخت مدل‌های رگرسیون خطی با استفاده از کتابخانه Scikit-Learn Task 2G. Build Linear Regression Models Using Scikit-Learn Library

• ❓-فرصت تمرینی سوال: Build Linear Regression Models ❓Practice Opportunity Question: Build Linear Regression Models

• 22-فرصت تمرینی پاسخ: Build Linear Regression Models Practice Opportunity Solution: Build Linear Regression Models

• 23-ساخت مدل‌های رگرسیون تصادفی جنگل با استفاده از Scikit-Learn Task 2H. Build Random Forest Regression Models Using Scikit-Learn

• ❓-فرصت تمرینی سوال: Build Random Forest & XG-Boost Regression Models ❓Practice Opportunity Question: Build Random Forest & XG-Boost Regression Models

• 25-فرصت تمرینی پاسخ: Build Random Forest & XG-Boost Regression Models Practice Opportunity Solution: Build Random Forest & XG-Boost Regression Models

• 26-Feature Importance Analysis Task 2I. Feature Importance Analysis

• ❓-فرصت تمرینی سوال: Feature Importance Analysis ❓Practice Opportunity Question: Feature Importance Analysis

• 28-فرصت تمرینی پاسخ: Feature Importance Analysis Practice Opportunity Solution: Feature Importance Analysis

• 29-درک اجزای کلیدی CrewAI (عوامل، وظایف، ابزارها) Task 3. Understand CrewAI Key Components (Agents, Tasks, Tools)

• 30-وارد کردن و تست NotebookCodeExecutor Tool Task 4. Import and Test NotebookCodeExecutor Tool

• ❓-فرصت تمرینی سوال: Test NotebookCodeExecutor Tool ❓Practice Opportunity Question: Test NotebookCodeExecutor Tool

• 32-فرصت تمرینی پاسخ: Test NotebookCodeExecutor Tool Practice Opportunity Solution: Test NotebookCodeExecutor Tool

• 33-تعریف عوامل هوش مصنوعی متعدد در CrewAI Task 5. Define Multiple AI Agents in CrewAI

• ❓-فرصت تمرینی سوال: Modify Existing AI Agents ❓Practice Opportunity Question: Modify Existing AI Agents

• 35-فرصت تمرینی پاسخ: Modify Existing AI Agents Practice Opportunity Solution: Modify Existing AI Agents

• 36-تعریف وظایف کلیدی در CrewAI و عوامل مسئول Task 6. Define Key Tasks in CrewAI & Responsible Agents

• 37-ایجاد و مونتاژ Crew و خودکارسازی گردش کار علوم داده! Task 7. Creating & Assembling the Crew & Automating Data Science Workflow!

• ❓-فرصت تمرینی سوال: Modifying Tasks to Build Decision Trees ❓Practice Opportunity Question: Modifying Tasks to Build Decision Trees

• 39-فرصت تمرینی پاسخ: Modifying Tasks to Build Decision Trees Practice Opportunity Solution: Modifying Tasks to Build Decision Trees

• 40-خلاصه و سخنان پایانی Summary & Concluding Remarks

1-روز 13: ساخت گردش‌های کار عامل هوش مصنوعی در n8n Day 13: Build Agentic AI Workflows in n8n

• 1-معرفی n8n، ویژگی‌های کلیدی و اهداف یادگیری ماژول Introduction to n8n, Key Features, and Module Learning Objectives

• 2-ساخت اولین گردش کار عامل هوش مصنوعی Summarization در n8n Build Your First Summarization Agentic AI Workflow in n8n

• 3-Export Workflow، ردیابی متغیرها و نظارت بر لاگ‌ها Export Workflow, Track Variables and Monitor Logs

• ❓-فرصت تمرینی سوال: Build a Translation Agentic Workflow Using Claud ❓Practice Opportunity Question: Build a Translation Agentic Workflow Using Claud

• 5-فرصت تمرینی پاسخ: Build a Translation Agentic Workflow Using Claude Practice Opportunity Solution: Build a Translation Agentic Workflow Using Claude

• 6-افزودن قابلیت‌های جستجو، حافظه و بررسی الگوهای n8n Adding Search Capabilities, Memory, and Exploring n8n Templates

• ❓-فرصت تمرینی سوال: Test the Agent Search Capabilities ❓Practice Opportunity Question: Test the Agent Search Capabilities

• 8-فرصت تمرینی پاسخ: Test the Agent Search Capabilities Practice Opportunity Solution: Test the Agent Search Capabilities

• 9-افزودن یکپارچه‌سازی Google Sheet در گردش‌های کار عامل n8n Adding Google Sheet Integrations in n8n Agentic Workflows

• ❓-فرصت تمرینی سوال: Build Agentic AI Workflow to Convert from Python ❓Practice Opportunity Question: Build Agentic AI Workflow to Convert from Python

• 11-فرصت تمرینی پاسخ: Build Agentic AI Workflow to Convert from Python Practice Opportunity Solution: Build Agentic AI Workflow to Convert from Python

• 12-تولید خروجی ساختاریافته تجزیه‌شده با استفاده از Output Parser در n8n Generate Parsed Structured Output Using Output Parser in n8n

• 13-ساخت گردش‌های کار برای زمان‌بندی جلسات تقویم در Google Calendars Build Workflows to Schedule Calendar Meetings in Google Calendars

• 14-افزودن قابلیت Triggering Email Adding Email Triggering Capability

1-روز 14: ساخت عوامل هوش مصنوعی با Model Context Protocol (MCP) و OpenAI Agents SDK Day 14: Build AI Agents with Model Context Protocol (MCP) & OpenAI Agents SDK

• 1-بررسی اجمالی پروژه با MCP و OpenAI Agents SDK Task 1. Project Overview with MCP & OpenAI Agents SDK

• 2-درک Model Context Protocol (MCP) Task 2. Understanding Model Context Protocol (MCP)

• 3-نصب کتابخانه‌های کلیدی و پیکربندی APIها Task 3. Install Key Libraries and Configure APIs

• 4-ساخت و پیکربندی MCP Server با ابزارها (بخش 1) Task 4A. Build and Configure the MCP Server with Tools (Part 1)

• 5-ساخت و پیکربندی MCP Server با ابزارها (بخش 2) Task 4A. Build and Configure the MCP Server with Tools (Part 2)

• 6-راه‌اندازی MCP Server Task 4B. Launch the MCP Server

• ❓-فرصت تمرینی سوال: Adding a New Tool to the MCP Server ❓Practice Opportunity Question: Adding a New Tool to the MCP Server

• 8-فرصت تمرینی پاسخ: Adding a New Tool to the MCP Server Practice Opportunity Solution: Adding a New Tool to the MCP Server

• 9-بررسی ابزارها در MCP Server و دریافت Manifest (Schema) Task 5. Explore Tools on MCP Server and Fetch the Manifest (Schema)

• ❓-فرصت تمرینی سوال: MCP Server Manifest (Schema) ❓Practice Opportunity Question: MCP Server Manifest (Schema)

• 11-فرصت تمرینی پاسخ: MCP Server Manifest (Schema) Practice Opportunity Solution: MCP Server Manifest (Schema)

• 12-ایجاد یک عامل هوش مصنوعی با استفاده از OpenAI Agents SDK با ابزارهای MCP Task 6. Create an AI Agent Using OpenAI Agents SDK With MCP Tools

• 13-نتیجه‌گیری، خلاصه و تشکر! Conclusion, Summary, & Thank You!

1-تبریک و تشکر! Congratulations and Thank You!

• 1-تبریک Congratulations and Thank You!

• Join our Free Community & Connect with Learners worldwide

Labs (Beta)

• Lab 1 - Hands-on With OpenAI API

• Lab 2 - Creating AI Personalities with System Prompts

• Lab 3 - Image Recognition Using OpenAI Vision