برنامه های هوش مصنوعی بدون کد با ChatGPT، OpenAI، Flowise و LLMs

سرفصل ها و درس ها

معرفی این دوره و پلتفرم Udemy Introduction to this course and Udemy Platform

• چگونه از دوره بیشترین بهره را ببرید How to get the most out of the course

مقدمه ای بر مدل های زبان Introduction to Language Models

• مقدمه ای بر مدل های زبان Introduction to Language Models

• مدل های زبان چیست؟ What are Language Models

• انواع مدل های زبان Types of Language Models

مقدمه ای بر ChatGPT Introduction to ChatGPT

• OpenAI، شرکت پشتیبان الگوریتم ChatGPT OpenAI, the company behind the ChatGPT algorithm

• مقدمه ای بر ChatGPT Introduction to ChatGPT

• مزایای ChatGPT و تفاوت با چت بات های معمولی Advantages of ChatGPT and difference with conventional ChatBots

• محدودیت های ChatGPT Limitations of ChatGPT

ابزارهایی برای LLM و NLP Tools for LLM and NLP

• ابزارهایی برای کار با LLM و NLP Tools for working with LLMs and NLPs

• AI API را باز کنید Open AI API

• آزمایشگاه عملی: OpenAI API Hands-on Lab: OpenAI API

• اصول اولیه صورت در آغوش گرفتن Hugging Face Fundamentals

• اصول LangChain LangChain Fundamentals

• مدل های LLM منبع باز Open-source LLM models

توسعه اپلیکیشن هوش مصنوعی با ChatGPT با LangChain AI Application Development with ChatGPT with LangChain

• مقدمه ای بر LangChain Introduction to LangChain

• انواع مختلف مدل LangChain و الزامات Different LangChain model types and requirements

• مدیریت ورودی LLM با ماژول Prompts LangChain LLM input management with LangChain's Prompts Module

• ترکیب LLM با سایر اجزا از طریق زنجیره Combination of LLM with other components through chains

• ارائه دسترسی به داده های خارجی از طریق شاخص های LangChain Providing access to external data through LangChain Indexes

• به ChatGPT توانایی به خاطر سپردن از طریق حافظه LangChain را بدهید Giving ChatGPT the ability to memorize through the LangChain Memory

• ارائه دسترسی به ابزارها از طریق ماژول LangChain's Agents Providing access to tools through LangChain's Agents module

توسعه برنامه با ChatGPT بدون کد با Flowise Application Development with ChatGPT without code with Flowise

• توسعه LLM های پیشرفته Developing state-of-the-art LLMs

• ویژگی های Flowise Flowise Features

• نصب و راه اندازی Flowise Installation of Flowise

• شروع کار با Flowise Getting started with Flowise

اجزای جریان Flowise components

• اجزای جریان Flowise components

• مولفه مدلسازی جریان Flowise Modeling Component

• Flowise Prompts Component Flowise Prompts Component

• وکتور فروشگاه‌ها، شاخص‌ها، جاسازی‌ها و لودرهای اسناد Flowise Vector Stores, Indices, Embeddings and Document Loaders of Flowise

• کامپوننت حافظه Flowise Flowise Memory Component

• جزء زنجیره جریان Flowise Chain Component

• عوامل و ابزارهای Flowise Flowise Agents and Tools

پروژه عملی Flowise (قسمت اول) Flowise Practical Project (Part I)

• تمرین عملی: طراحی جادوگر سفارشی Practical Exercise: Designing the customized wizard

• راه حل: طراحی جادوگر سفارشی Solution: Customized wizard design

• تمرین عملی: توسعه اولیه ChatFlow Practical Exercise: Basic ChatFlow Development

• راه حل: توسعه اولیه ChatFlow Solution: Basic ChatFlow Development

• تمرین عملی: توسعه یک دستیار Practical Exercise: Development of an Assistant

• راه حل: توسعه یک دستیار Solution: Development of an Assistant

آموزش مدل LLM LLM Model Training

• انواع مختلف LLM و نحوه انتخاب آنها Different variants of LLMs and how to select them

• حفظ حریم خصوصی داده ها در آموزش ChatGPT Data privacy in ChatGPT training

آموزش LLM با مدارک خودتان LLM training with your own documents

• اصول آموزش LLM با مدارک Fundamentals of LLM training with documents

• آزمایشگاه: افزودن زنجیره QA، فروشگاه وکتور و بارگذار PDF Lab: Adding the QA Chain, Vector Store and PDF Loader

• آزمایشگاه: افزودن تقسیم‌کننده متن و تعبیه‌های OpenAI Lab: Adding Text Splitter and OpenAI Embeddings

پایگاه های داده برداری Vector Databases

• مقدمه ای بر پایگاه های داده برداری و اهمیت برای LLM Introduction to vector databases and importance for LLMs

• ویژگی های پایگاه داده برداری Characteristics of vector databases

• پایگاه های داده برداری مختلف Different Vector Databases

• اصول پایه کاج Pinecone Fundamentals

• افزودن کاج وکتور فروشگاه Adding Pinecone Vector Estore

• بارگیری جاسازی ها و فهرست ها از Pinecone Loading Embeddings and Indexes from Pinecone

پروژه عملی Flowise (قسمت دوم) Flowise Practical Project (Part II)

• تمرین عملی: توسعه شاخص‌ها و جاسازی‌ها برای کاج Practical Exercise: Developing Indexes and Embeddings for Pinecone

• راه حل: ایجاد بردارها و شاخص ها در کاج Solution: Creating Vectors and Indexes in Pinecone

• تمرین عملی: توسعه یک LLM سفارشی Practical Exercise: Development of a Customized LLM

• راه حل: توسعه یک LLM سفارشی Solution: Development of a customized LLM

• تمرین عملی: قرار دادن در تولید Practical Exercise: Putting into Production

• راه حل: استقرار تولید Custom LLM Solution: Production deployment of the Custom LLM

استدلال چند مرحله ای Multi-stage reasoning

• استدلال چند مرحله ای Multi-step reasoning

• پیوند دو مدل زبان بزرگ (LLM) Linking two large language models (LLM)

• زنجیر کردن مدل زبان سوم Chaining a third language model

Hugging Face و ادغام Hugging Face در Flowise Hugging Face and the integration of Hugging Face in Flowise

• آشنایی با صورت در آغوش گرفته و اجزای آن Introduction to Hugging Face and its components

• رابط Hagging Face و انتخاب مدل و مجموعه داده Hugging Face interface and model and dataset selection

• توکنایزر و مدل های صورت در آغوش Tokenizer and Hugging Face Models

• در آغوش گرفتن مجموعه داده های صورت Hugging Face Datasets

• آزمایشگاه عملی: استفاده از مدل های Hugging Face Practical Lab: Use of models from Hugging Face

• آزمایشگاه عملی: مصرف مدل صورت در آغوش گرفته از پایتون Practical Lab: Consuming the Hugging Face model from Python

• آزمایشگاه عملی: استفاده از مدل های صورت در آغوش گرفته از Flowise Practical Laboratory: Using Hugging Face models from Flowise

مدل‌های زبان بزرگ منبع باز (LLM) Open-source Large Language Models (LLMs)

• مزایای مدل های منبع باز LLM Benefits of open-source LLM models

• مدل های مختلف منبع باز LLM و تجزیه و تحلیل مقایسه ای Different open-source LLM models and comparative analysis

• مبانی مدل لاما Fundamentals of the Llama model

• اصول مدل آلپاکا Alpaca model fundamentals

• مبانی مدل ویکونا Fundamentals of the Vicuña model

• دانلود و مقداردهی اولیه مدل با Docker، LocalAI و GPT4All Downloading and initialization of the model with Docker, LocalAI and GPT4All

• با استفاده از مدل منبع باز LLM از Flowise Using the LLM Open Source model from Flowise

• پروژه پیشرفته با Local AI LLama2، Faiss و Local AI Embeddings Advanced Project with Local AI LLama2, Faiss and Local AI Embeddings

فالکون: قدرتمندترین مدل منبع باز تا به امروز Falcon: the most powerful Open-Source model to date

• مبانی مدل فالکون Fundamentals of the Falcon model

• آزمایشگاه عملی: با استفاده از مدل Falcon 7b از Flowise Practical Lab: Using the Falcon 7b model from Flowise

• آزمایشگاه عملی: با استفاده از مدل Falcon 40b از Flowise Practical Lab: Using the Falcon 40b model from Flowise

مدل‌های ابری منبع باز با Replicate Open-Source Cloud Models with Replicate

• Replicate Basics Replicate Basics

• استفاده از LLM Open-source_Llama، Vicuna و Falcon از طریق Replicate Using LLM Open-source_Llama, Vicuna and Falcon through Replicate

• استفاده از مدل Llama2 Replicate از طریق Flowise Use of Replicate's Llama2 model through Flowise

مدارک جریان Flowise Credentials

• مدیریت اعتبار در Flowise Credential management in Flowise

خودکار GPT هوش مصنوعی که بهتر از ChatGPT عمل کرد Auto-GPT the AI that outperformed ChatGPT

• مقدمه ای بر Auto-GPT Introduction to Auto-GPT

• مدل های Auto-GPT، BabyAGI و Jarvis Auto-GPT, BabyAGI and Jarvis models

• آزمایشگاه عملی: استفاده از Auto-GPT Practical Lab: Using Auto-GPT

• آزمایشگاه عملی: مبانی Auto-GPT در Flowise Hands-on Lab: Auto-GPT Basics in Flowise

• آزمایشگاه عملی: استفاده از Auto-GPT از Flowise Hands-on Lab: Using Auto-GPT from Flowise

• Baby AGI: تکامل مدل AutoGPT Baby AGI: the evolution of the AutoGPT model

تولید مدل های Flowise Putting Flowise models into production

• استقرار تولید LLM Production Deployment of LLMs

• قرار دادن در تولید از طریق API ها Putting into Production through APIs

• افزودن اعتبار به APIها Adding credentials to APIs

• پرس و جو فایل های PDF با استفاده از API های Flowise Querying PDF files using Flowise APIs

پروژه از ابتدا تا انتها Project from start to finish

• Web Scrapper، Pinecone و زنجیره QA بازیابی مکالمه Web Scrapper, Pinecone and Conversational Retrieval QA Chain

• بهبود Web Scrapper و اجتناب از توهمات مدل Improving the Web Scrapper and avoiding model hallucinations

• پیکربندی پروژه جایگزین Alternative project configuration