آموزش کلود کد: طراحی سیستم‌های هوش مصنوعی چندمدلی (Multi-Model) - آخرین آپدیت

دانلود Claude Code: Designing Multi-Model AI Systems

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره:

با استفاده از سیستم‌های هوش مصنوعی چندمدلی در Claude Code، رویکرد خود را در توسعه AI متحول کنید. دکتر ایزیل برکون، مدرس هوش مصنوعی و بنیان‌گذار DigiFab.AI، به شما آموزش می‌دهد که چگونه استراتژی‌های مؤثر مسیریابی (Routing)، جایگزین (Fallback) و حفاظتی (Guardrail) را پیاده‌سازی کنید. روش‌های بهینه‌سازی کیفیت تصمیم‌گیری، پایداری عملیات و امنیت را از طریق یک خط لوله ارزیابی جامع که تاخیر، هزینه و نتایج مسیریابی را بررسی می‌کند، کشف کنید. از طریق تمرینات عملی، مهارت‌های لازم برای ایجاد سیستم‌های هوش مصنوعی منعطف و قابل نگهداری را کسب کنید. این دوره برای مهندسان ML کاربردی، توسعه‌دهندگان متمرکز بر AI و رهبران فنی ایده‌آل است و بینش‌هایی در مورد تخصیص وظایف به مدل‌های مناسب و مدیریت بهینه سیستم‌های AI با بررسی‌های انسانی (Human-in-the-loop) و پاسخ به حوادث ارائه می‌دهد. در پایان دوره، یک پروژه Claude Code را تکمیل خواهید کرد که یک سیستم هوش مصنوعی مقیاس‌پذیر و آماده تولید (Production-ready) را به نمایش می‌گذارد.


سرفصل ها و درس ها

مقدمه Introduction

  • سیستم‌های هوش مصنوعی چندمدلی و دموی پروژه نهایی Multi‑model AI systems and demo final project

1. تله تک‌مدلی 1. The Single-Model Trap

  • تله تک‌مدلی: چرا محصولات AI در مقیاس بالا شکست می‌خورند The single model trap: Why AI products fail at scale

  • شناسایی نقاط ضعف چت‌بات: هزینه، تاخیر و شکاف‌های اعتبارسنجی Find chatbot failures: Cost, latency, and verification gaps

  • ساخت یک چت‌بات با Claude Build a chatbot with Claude

2. معماری چندمدلی 2. Multi-Model Architecture

  • طبقه‌بندی سریع قصد کاربر (Intent) با Claude Haiku Fast intent classification with Claude Haiku

  • جایگزین‌های مبتنی بر اطمینان برای موارد خاص (Edge Cases) Confidence-based fallbacks for edge cases

  • طراحی جریان‌های کاری چندمدلی برای مقیاس‌پذیری Designing multi-model workflows for scale

  • مسیریابی هوشمند: هدایت درخواست‌ها به مدل مناسب Smart routing: Directing requests to the right model

  • انتخاب مدل مناسب از خانواده Claude Choosing the right Claude model

3. گاردریل‌ها — امنیت بدون هزینه 3. Guardrails — Security Without Cost

  • مسدود کردن پرامپت‌های ناامن: شناسایی تزریق (Injection) و جیل‌بریک Block unsafe prompts: Injection and jailbreak detection

  • اولویت با گاردریل‌ها: امنیت با هزینه صفر پیش از فراخوانی مدل Guardrails first: Zero-cost safety before model calls

  • شناسایی اطلاعات حساس (PII) با Regex محلی: ایمیل‌ها و شماره تلفن‌ها Detect PII with local regex: Emails and phone numbers

4. ارزیابی فراتر از دقت 4. Evaluation Beyond Accuracy

  • فراتر از دقت: ایجاد تعادل بین تاخیر، هزینه و ریسک Beyond accuracy: Balancing latency, cost, and risk

  • پیاده‌سازی آستانه‌های وضعیت (قرمز/نارنجی/سبز) Implement status thresholds (red/amber/green)

  • ساخت متریک‌های AI: زمان‌بندی، توکن‌ها و مسیریابی Build AI metrics: Timing, tokens, and routing

  • تولید گزارش‌های ارزیابی با بینش‌های سطح مسیریابی Generate evaluation reports with route‑level insights

5. ماژول 5: جمع‌بندی و پیاده‌سازی نهایی 5. Module 5: Putting It All Together

  • اجرای Full Stack: نمای عیب‌یابی و داشبورد متریک‌ها Run the full stack: Debug view and metrics dashboard

  • متدهای عملیاتی تولید: لاگ‌گیری، نظارت انسانی و مانیتورینگ Production practices: Logging, human-in-the-loop, and monitoring

  • بررسی توزیع مسیریابی و تفکیک هزینه‌ها Review route distribution and cost breakdown

6. نتیجه‌گیری 6. Conclusion

  • آنچه ساختید و گام‌های بعدی What you built and where to go next

نمایش نظرات

آموزش کلود کد: طراحی سیستم‌های هوش مصنوعی چندمدلی (Multi-Model)
جزییات دوره
2h 5m
20
(آخرین آپدیت)
5,847
- از 5
ندارد
دارد
دارد
Isil Berkun
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Isil Berkun Isil Berkun

دانشمند داده در شرکت اینتل

ایسیل برکون یک دانشمند داده در شرکت اینتل است.

ایسیل اهل استانبول، ترکیه است و در حال حاضر در پورتلند، اورگان زندگی می کند. او در سال 2015 از دانشگاه ایالتی میشیگان (MSU) فارغ التحصیل شد و دکترای خود را در رشته مهندسی برق دریافت کرد. زمینه های تخصص او شامل الکترونیک نیمه هادی پیشرفته و یادگیری ماشین برای درک عمیق از ساخت و طراحی دستگاه است. Isil در شورای تحقیقات علمی و فناوری ترکیه (TÜBİTAK) و آزمایشگاه ملی آرگون (ANL) در ایلینوی کارآموزی کرد. او قبلاً به عنوان دستیار تحقیق و تدریس در دانشگاه ایالتی میشیگان (MSU) کار می کرد، جایی که یک سیستم مشخصه حمل و نقل نیمه هادی را طراحی و ساخت و نرم افزار اتوماسیون آزمایشی را برنامه ریزی کرد.