آموزش تسلط بر Ollama - ایجاد راهکارهای امن LLM محلی با پایتون [ویدیو] - آخرین آپدیت

دانلود Harnessing Ollama - Create Secure Local LLM Solutions with Python [Video]

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: در این دوره عملی، نحوه استقرار و بهره‌برداری از قدرت مدل‌های زبانی بزرگ (LLM) محلی با استفاده از Ollama را بیاموزید. شما با نصب و پیکربندی Ollama روی سیستم خود شروع می‌کنید و کنترل کامل مدل‌های زبانی بزرگ را بدون وابستگی به فضای ابری به دست می‌آورید. یاد بگیرید چگونه منابع را بهینه کنید، پارامترهای مدل را بررسی نمایید و LLMهای مختلف، از جمله مدل‌های چندوجهی مانند Llava را برای کارهای متنی، بینایی و تولید کد آزمایش کنید. در ادامه، با استفاده از Modelfile و ابزارهای خط فرمان (CLI)، مدل‌ها را برای نیازهای خاص خود سفارشی‌سازی کنید. این دوره شامل اجرای دستورات ترمینال برای نظارت، عیب‌یابی و استقرار مدل‌ها است. همچنین مدل‌های Ollama را با پایتون ادغام خواهید کرد و با بهره‌گیری از کتابخانه آن و سازگاری با API OpenAI، اپلیکیشن‌های تعاملی خواهید ساخت. در ماژول‌های پیشرفته، شما را در مسیر ایجاد سیستم‌های تولید تقویت‌شده با بازیابی (RAG) با استفاده از LangChain، پایگاه‌های داده Embedding و قابلیت‌های پرس‌وجو برای افزایش عملکرد راهنمایی می‌کنیم. همزمان با پیشرفت در دوره، رابط‌های کاربری مشابه ChatGPT را برای تعامل روان با مدل‌ها راه‌اندازی کرده و جریان‌های کاری پیشرفته مانند فراخوانی توابع (Function Calling) و سیستم‌های RAG صوتی را بررسی می‌کنید. در پایان، بر اکوسیستم Ollama مسلط خواهید شد و مهارت‌های لازم برای ساخت اپلیکیشن‌های مبتنی بر LLM امن، خصوصی و بسیار کارآمد را که مستقل از سرویس‌های ابری عمل می‌کنند، کسب خواهید کرد. طراحی و استقرار راهکارهای امن LLM محلی با Ollama سفارشی‌سازی مدل‌ها برای نیازها و کاربردهای خاص اجرای دستورات برای کنترل و نظارت موثر بر LLMها توسعه اپلیکیشن‌های پایتون برای ادغام با مدل‌های Ollama ایجاد سیستم‌های RAG با استفاده از LangChain و پایگاه‌های داده برداری پیکربندی رابط‌های کاربری کاربرپسند برای تعامل یکپارچه این دوره برای توسعه‌دهندگان، علاقه‌مندان به هوش مصنوعی و دانشمندان داده که مشتاق بهره‌برداری از LLMهای محلی برای برنامه‌های امن و خصوصی هستند، ایده‌آل است. چه در Ollama تازه‌کار باشید و چه در سیستم‌های AI تجربه داشته باشید، از تمرکز عملی این دوره بر استقرار و سفارشی‌سازی مدل‌ها بهره‌مند خواهید شد. داشتن درک پایه از پایتون و ابزارهای خط فرمان توصیه می‌شود، در حالی که تجربه قبلی در مفاهیم AI مفید است اما الزامی نیست. پروژه‌های عملی جامع برای سفارشی‌سازی و استقرار LLM خصوصی * راهنمای گام‌به‌گام برای ساخت اپلیکیشن‌های تعاملی بدون وابستگی به ابر * جریان‌های کاری پیشرفته، شامل پاسخ‌های صوتی و ادغام فراخوانی توابع

سرفصل ها و درس ها

مقدمه Introduction

  • مقدمه و آنچه خواهید آموخت Introduction & What Will You Learn

  • پیش‌نیازهای دوره Course Prerequisites

  • لطفاً این دمو را تماشا کنید Please WATCH this DEMO

راه‌اندازی محیط توسعه Development Environment Setup

  • راه‌اندازی محیط توسعه Development Environment Setup

بررسی عمیق Ollama - آشنایی با Ollama و نصب Ollama Deep Dive - Introduction to Ollama and Setup

  • بررسی عمیق Ollama - نمای کلی Ollama - چیست و مزایای آن Ollama Deep Dive - Ollama Overview - What is Ollama and Advantages

  • ویژگی‌های کلیدی و موارد استفاده از Ollama Ollama Key Features and Use Cases

  • نیازمندی‌های سیستم و نصب Ollama - نمای کلی System Requirements & Ollama Setup - Overview

  • دانلود و نصب Ollama و مدل Llama 3.2 - عملی و تست Download and Setup Ollama and Llam3.2 Model - Hands-on & Testing

  • بررسی کامل صفحه مدل‌های Ollama Ollama Models Page - Full Overview

  • بررسی عمیق پارامترهای مدل Ollama Ollama Model Parameters Deep Dive

  • درک پارامترها، فضای دیسک و منابع محاسباتی مورد نیاز Understanding Parameters and Disk Size and Computational Resources Needed

دستورات CLI و REST API در Ollama - بخش عملی Ollama CLI Commands and the REST API - Hands-on

  • دستورات Ollama - دریافت و تست یک مدل Ollama Commands - Pull and Testing a Model

  • دریافت مدل چندوجهی Llava و شرح یک تصویر Pull in the Llava Multimodal Model and Caption an Image

  • خلاصه‌سازی، تحلیل احساسات و سفارشی‌سازی مدل با Modelfile Summarization and Sentiment Analysis & Customizing Our Model with the Modelfile

  • رای‌پی (REST API) در Ollama - نقاط انتهایی Generate و Chat Ollama REST API - Generate and Chat Endpoints

  • رای‌پی (REST API) در Ollama - حالت درخواست JSON Ollama REST API - Request JSON Mode

  • پشتیبانی مدل‌های Ollama از وظایف مختلف - خلاصه Ollama Models Support Different Tasks - Summary

رابط‌های کاربری برای مدل‌های Ollama Ollama - User Interfaces for Ollama Models

  • روش‌های مختلف تعامل با مدل‌های Ollama - نمای کلی Different Ways to Interact with Ollama Models - Overview

  • اجرای مدل Ollama در اپلیکیشن Msty - ابزار فرانت‌اند - چت سیستم RAG با اسناد Ollama Model Running Under Msty App - Frontend Tool - RAG System Chat with Docs

کتابخانه پایتون Ollama - تعامل با مدل‌ها با استفاده از پایتون Ollama Python Library - Using Python to Interact with Ollama Models

  • کتابخانه پایتون Ollama برای ساخت اپلیکیشن‌های محلی LLM - نمای کلی The Ollama Python Library for Building LLM Local Applications - Overview

  • تعامل با Llama 3 در پایتون با استفاده از REST API - عملی Interact with Llama3 in Python Using Ollama REST API - Hands-on

  • کتابخانه پایتون Ollama - چت با یک مدل Ollama Python Library - Chatting with a Model

  • مثال چت با قابلیت استریمینگ (Streaming) Chat Example with Streaming

  • استفاده از تابع show در Ollama Using Ollama show Function

  • ایجاد یک مدل سفارشی در کد Create a Custom Model in Code

ساخت اپلیکیشن‌های LLM با مدل‌های Ollama Building LLM Applications with Ollama Models

  • عملی: ساخت اپلیکیشن LLM - دسته‌بندی لیست خرید Hands-on: Build a LLM App - Grocery List Categorizer

  • ساخت سیستم‌های RAG با Ollama - نمای کلی RAG و LangChain Building RAG Systems with Ollama - RAG & LangChain Overview

  • بررسی عمیق Vectorstore و Embeddingها - تصویر کلی - دوره سریع Deep Dive into Vectorstore and Embeddings - The Whole Picture - Crash Course

  • نمای کلی سیستم PDF RAG - آنچه خواهیم ساخت PDF RAG System Overview - What We'll Build

  • راه‌اندازی سیستم RAG - وارد کردن اسناد، ایجاد پایگاه داده برداری و Embeddingها Setup RAG System - Document Ingestion & Vector Database Creation and Embeddings

  • سیستم RAG - بازیابی و پرس‌وجو RAG System - Retrieval and Querying

  • سیستم RAG - بهینه‌سازی کد RAG System - Cleaner Code

  • سیستم RAG - رابط کاربری Streamlit RAG System - Streamlit UI

فراخوانی توابع در Ollama - بخش عملی Ollama Tool Function Calling - Hands-on

  • نمای کلی فراخوانی توابع (Tools) Function Calling (Tools) Overview

  • راه‌اندازی اپلیکیشن فراخوانی توابع Setup Tool Function Calling Application

  • دسته‌بندی آیتم‌ها با مدل و تنظیم لیست ابزارها Categorize Items Using the Model and Setup the Tools List

  • اپلیکیشن LLM فراخوانی ابزارها - محصول نهایی Tools Calling LLM Application - Final Product

سیستم نهایی RAG با Ollama و پاسخ صوتی Final RAG System with Ollama and Voice Response

  • سیستم RAG صوتی - نمای کلی Voice RAG System - Overview

  • تنظیم کلید API ElevenLabs، بارگذاری و خلاصه‌سازی سند Setup EleveLabs API Key and Load and Summarize the Document

  • سیستم RAG صوتی Ollama - در حال اجرا! Ollama Voice RAG System - Working!

  • افزودن صدای ElevenLab برای خواندن پاسخ‌ها Adding ElevenLab Voice Generated Reading the Response Back to Us

جمع‌بندی Wrap Up

  • جمع‌بندی - گام بعدی چیست؟ Wrap Up - What's Next?

نمایش نظرات

آموزش تسلط بر Ollama - ایجاد راهکارهای امن LLM محلی با پایتون [ویدیو]
جزییات دوره
3h 14m
42
Packtpub Packtpub
(آخرین آپدیت)
از 5
ندارد
دارد
دارد
Paulo Dichone
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Paulo Dichone Paulo Dichone

توسعه دهنده و معلم

سلام! من پائولو هستم. من مدرک علوم کامپیوتر از دانشگاه Whitworth دارم و یک متخصص برنامه نویسی هستم و به آن افتخار می کنم!

من تجربه گسترده ای در توسعه برنامه Android به ویژه در برنامه موبایل (اندروید و iOS) و توسعه وب دارم. من همچنین بنیانگذار Magadistudio هستم، یک شرکت توسعه برنامه تلفن همراه مستقر در شمال غربی داخلی زیبا (WA).

من علاقه زیادی به آموزش توسعه برنامه اندروید به مردم دارم. نشان دادن طناب‌های ساخت اپلیکیشن‌های اندرویدی شگفت‌انگیز، تجربه‌ای بسیار ارزشمند است! هدف من این است که شما را به سرعت راه اندازی کنم و برنامه های اندروید بسازید.

شما آزادی را که یک توسعه‌دهنده اندروید ارائه می‌دهد، باور نمی‌کنید.

من را در توییتر @buildappswithme دنبال کنید

برنامه نویس نرم افزار/برنامه - موبایل و وب

مدرس آنلاین: 2014 - حال

علوم کامپیوتر (BS)
دانشگاه ویتورث
سپتامبر 2006 - مه 2009