دسترسی سریع:

مسیر:

صفحه اصلی

✅ امکان تهیه دوره‌ها فراهم است.
راه ارتباطی در تلگرام ، بله و ایتا 09303953766

لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در کانال تلگرام عضو شوید.

آموزش مسترکلاس هوش مصنوعی محلی: LLMها، مدل‌های Diffusion و ایجنت‌های هوش مصنوعی روی PC - آخرین آپدیت

دانلود Local AI Masterclass: LLMs, Diffusion & AI-Agents on Your PC

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

نمونه ویدیوها: (صرفا برای مشاهده نمونه ویدیو، ممکن هست نیاز به شکن داشته باشید.)

توضیحات دوره: اتوماسیون هوش مصنوعی و ایجنت‌های محلی (On-Premise) – با استفاده از Ollama، LM Studio، n8n، Flowise، Docker، ComfyUI، Supabase، MCP، SQL و RAG مبانی هوش مصنوعی محلی: LLMها، Diffusion، RAG و اتوماسیون هوش مصنوعی محلی نصب و راه‌اندازی Ollama، LM Studio و Anything LLM اجرای مدل‌های زبانی محلی (GPT, Qwen, Deepseek, Gemma, Mistral و غیره) نحوه عملکرد مدل‌های Diffusion: Stable Diffusion, Flux, Wan, Qwen و بیشتر شناخت سخت‌افزار: GPU، VRAM، RAM، حافظه یکپارچه (Unified Memory) و مبانی سیستم‌های اپل Pinokio: نصب سریع و آسان هوش مصنوعی محلی مهندسی پرامپت برای LLMها، مدل‌های SDXL و Flux پیاده‌سازی RAG (تولید تقویت‌شده با بازیابی) و Embeddingها به صورت محلی درک پایگاه داده‌های برداری و استفاده از آن‌ها با Supabase، Postgres و SQL آماده‌سازی داده‌ها در Markdown: تکه‌بندی (Chunking)، هم‌پوشانی و بهینه‌سازی اتصال Anything LLM به Ollama و ساخت چت‌بات RAG اختصاصی مدل‌های بینایی، OCR و تشخیص تصویر با Google Gemma و Qwen VL محاسبات زمان تست (Test-Time Compute) و مدل‌های متفکر با DeepSeek R و GPT-OSS فراخوانی توابع (Function Calling) و استفاده از ابزارها: اتصال ابزارهای خارجی به LLMها درک کوانتیزاسیون (Quantization): FP16, BF16, Q8, Q4, GGUF و نکات افزایش عملکرد استفاده محلی از ComfyUI، Forge، Fooocus و Automatic1111 تولید تصاویر و ویدیوهای محلی با SDXL, Flux, Qwen و مدل‌های ویدیو AI آموزش LoRA، استفاده از ControlNet و خلق شخصیت‌های ثابت برای اینفلوئنسرهای AI استفاده از صوت محلی: Whisper, TTS, STT و تولید موسیقی هوش مصنوعی ایجنتی با n8n: تریگرها، اکشن‌ها، کلاینت و هاست MCP یکپارچه‌سازی Supabase در n8n برای Embeddingها، SQL و گردش‌کارهای RAG ایجنت‌های ایمیل، وب‌هوک‌ها و اتوماسیون با گوگل و n8n اتصال Open WebUI و ComfyUI به n8n برای اتوماسیون تصویر و ویدیو سرور و کلاینت MCP: یکپارچه‌سازی ابزارهای محلی با n8n و LM Studio ساخت ایجنت RAG محلی با Flowise، Postgres و Ollama نصب‌های مبتنی بر داکر برای n8n، Supabase، Open WebUI و موارد دیگر OCR و پردازش اسناد: استخراج داده از تصاویر، PDFها و فاکتورها حریم خصوصی، انطباق و مجوزهای متن‌باز (MIT, Apache و غیره) امنیت: درک جیل‌بریک‌ها، تزریق پرامپت، توهمات (Hallucinations) و خطرات MCP ساخت زیرساخت هوش مصنوعی محلی مقیاس‌پذیر برای کسب‌وکارها و سازمان‌ها پیش نیازها: بدون نیاز به دانش قبلی، همه موارد گام‌به‌گام آموزش داده شده است.

آیا می‌خواهید کنترل کامل بر هوش مصنوعی داشته باشید؟
یاد بگیرید چگونه قدرت LLMها و تولیدکننده‌های تصویر را مستقیماً روی کامپیوتر خودتان آزاد کنید – بدون ابری، بدون ریسک داده‌ها و با حداکثر عملکرد.

اتوماسیون AI و ایجنت‌های هوشمند در حال تغییر صنایع هستند.
اما اگر نخواهید به تامین‌کنندگان خارجی وابسته باشید چه؟
اگر به زیرساختی نیاز دارید که ۱۰۰٪ تحت کنترل شما باشد – چه برای حریم خصوصی، چه برای عملکرد بی‌رقیب یا آزادی خلاقانه بی‌پایان؟

این دوره راهنمای گام‌به‌گام شما به دنیای هوش مصنوعی محلی (Local AI) است.
شما فقط نصب ابزارها را یاد نمی‌گیرید، بلکه یک اکوسیستم کامل و متصل می‌سازید که در آن مدل‌های زبانی (LLMs)، تولیدکننده‌های تصویر و ویدیو (مدل‌های Diffusion) و ایجنت‌های هوشمند AI به صورت یکپارچه با هم کار می‌کنند.
همه چیز کاملاً محلی (On-premise) و روی سخت‌افزار خودتان اجرا می‌شود.

ما از پیشروترین ابزارهای متن‌باز مانند Ollama, LM Studio, Anything LLM, Flowise, n8n, Docker, Supabase, ComfyUI, MCP و Open WebUI استفاده خواهیم کرد.
با هم، مرکز فرماندهی AI شخصی شما را می‌سازیم؛ از اتوماسیون متنی گرفته تا تولید خیره‌کننده تصویر، صوت، ویدیو و حتی گردش‌کارهای پیشرفته مبتنی بر ایجنت.

محدودیت‌های سرویس‌های ابری را فراموش کنید.
پس از این دوره، قادر خواهید بود سیستمی بسازید که از راهکارهای استانداردی مانند ChatGPT یا Stable Diffusion در زمینه عملکرد، امنیت و شخصی‌سازی پیشی بگیرد.

آنچه خواهید آموخت – بخش به بخش:

بخش ۱: مقدمه و شروع سریع

دریافت دید کلی از ساختار دوره و اهداف یادگیری.
دسترسی به تمام منابع کلیدی و لینک‌های مورد نیاز برای موفقیت.
یادگیری نحوه یافتن بهترین مدل‌های متن‌باز برای پروژه‌هایتان.
نکته سریع: نصب اولین اپلیکیشن AI محلی در چند دقیقه با استفاده از Pinokio.

بخش ۲: مبانی – LLMها، Diffusion و سخت‌افزار

درک مزایای کلیدی AI محلی از نظر حریم خصوصی، هزینه و عملکرد.
شفاف‌سازی نیازهای سخت‌افزاری – توضیح ساده GPU, VRAM, RAM و حافظه یکپارچه.
شناسایی بهترین تنظیمات برای Apple Silicon در مقابل NVIDIA GPUs.
درک نحوه عملکرد واقعی LLMها (GPT, Qwen) و مدل‌های Diffusion (Stable Diffusion, Flux).

بخش ۳: LLMهای محلی در عمل – ChatGPT شخصی شما با Ollama

نصب و پیکربندی Ollama از صفر و یادگیری نحوه استفاده از مدل‌های مناسب.
تسلط بر مهندسی پرامپت، قابلیت‌های چندوجهی (Gemma Vision یا Qwen VL) و تکنیک‌های پیشرفته مانند Test-Time Compute.
یکپارچه‌سازی ابزارهای خارجی از طریق Function Calling و Tool Use برای گسترش توانایی‌های مدل.
ورود به دنیای RAG و Embeddingها مستقیماً در Ollama و بهینه‌سازی با کوانتیزاسیون (GGUF, FP8, Q8, Q4 و غیره).

بخش ۴: مدیریت دانش با Anything LLM و LM Studio (RAG)

درک عمیق RAG (تولید تقویت‌شده با بازیابی)، Embeddingها و پایگاه داده‌های برداری.
ساخت یک چت‌بات RAG محلی با Anything LLM و Ollama – آموزش دیده بر روی اسناد خودتان.
استفاده از قابلیت‌های ایجنتی مانند جستجوی وب و اسکرپینگ و تعامل صوتی با استفاده از Whisper.
یادگیری نحوه استفاده از LM Studio به عنوان یک جایگزین قدرتمند و جامع برای Ollama.

بخش ۵: Diffusion محلی – خلق تصویر و ویدیو با ComfyUI

نصب و تسلط بر ComfyUI، قدرتمندترین ابزار محلی خلق تصویر.
درک و استفاده از گردش‌کارهای JSON پیچیده برای SDXL، Qwen و Flux.
آموزش LoRAها، اعمال ControlNet برای شخصیت‌های ثابت و ارتقای کیفیت (Upscale) حرفه‌ای تصاویر.
خلق ویدیوهای AI، ویرایش تصاویر با Qwen Image Edit و بررسی گردش‌کارها در OpenArt.
ارتقای کیفیت (Upscale) تصاویر AI با ComfyUI با استفاده از Flux, SDXL و SUPIR برای دستیابی به نتایج فوق‌العاده شفاف و با رزولوشن بالا.

بخش ۶: ساخت ویدیو AI روی PC شما

تولید ویدیو مستقیماً از متن یا تصویر با استفاده از مدل‌هایی مانند Wan.
متحرک‌سازی شخصیت‌ها یا جایگزینی چهره و لباس با استفاده از Wan Animate.
کشف ابزارهای پیشرفته ویدیو محلی مانند FramePack.
نکته حرفه‌ای: افزایش سرعت تولید ویدیو تا ۷ برابر با تکنیک اختصاصی LoRA چهار مرحله‌ای (4-step).

بخش ۷: صوت AI – گفتار، صداها و موسیقی

تبدیل دقیق صوت به متن با Whisper (STT).
تولید صداهای طبیعی از متن (TTS) یا کلون کردن صدای خودتان با ابزارهای متن‌باز.
خلق موسیقی AI بدون حق کپی‌رایت مستقیماً روی سخت‌افزار خودتان.

بخش ۸: هوش مصنوعی ایجنتی – ساخت ایجنت‌های اتوماسیون هوشمند با n8n

نصب و پیکربندی پلتفرم اتوماسیون n8n به صورت محلی.
راه‌اندازی پایگاه داده برداری Supabase محلی برای ایجنت‌های RAG شما از طریق Docker.
ساخت یک ایجنت RAG کاملاً کاربردی با ترکیب Ollama، n8n و Supabase.
اتصال ایجنت‌های خود به پایگاه داده‌های SQL و سرویس‌های خارجی مانند Gmail.

بخش ۹: گردش‌کارهای پیشرفته – هنر یکپارچه‌سازی سیستم

اتصال همه چیز با استفاده از MCP به عنوان پلی میان ابزارهای شما.
استفاده از LM Studio یا Open WebUI به عنوان مرکز کنترل مرکزی برای ایجنت‌های ساخته شده در n8n.
اتوماسیون خلق تصویر و ویدیو از طریق اتصال ComfyUI به n8n.
استخراج خودکار داده‌ها از PDFها، تصاویر و فاکتورها از طریق OCR.
بررسی Fine-tuning با Unsloth برای شخصی‌سازی LLMها بر اساس داده‌های خودتان – و درک اینکه چه زمانی این تلاش در مقایسه با استفاده از Adapterها یا RAG واقعاً به صرفه است.

بخش ۱۰: دوره فشرده Flowise – ساخت ربات‌های RAG بصری

نصب Flowise و پایگاه داده Postgres به صورت محلی با Node و Docker.
ساخت یک ایجنت RAG کشیدنی-رها کردنی (drag-and-drop) که کاملاً بر روی پایگاه دانش شما اجرا شود.
پیاده‌سازی Record Manager برای حفظ یکپارچگی داده‌ها.

بخش ۱۱: حقوقی و امنیت – محافظت از سیستم AI شما

محافظت از سیستم در برابر توهمات، جیل‌بریک‌ها و تزریق پرامپت.
بررسی مجوزهای متن‌باز (MIT, Apache و غیره) برای جلوگیری از مشکلات حقوقی.

چرا این دوره منحصر به فرد است:

اکثر دوره‌ها فقط نحوه نصب یک ابزار را نشان می‌دهند.
این دوره فراتر می‌رود – شما یاد می‌گیرید چگونه یک زیرساخت هوش مصنوعی کامل و مستقل بسازید.
شما سیستم‌هایی خلق می‌کنید که LLMها، Diffusion، صوت، ویدیو و اتوماسیون را به صورت هوشمند به هم متصل می‌کنند.

چه برنامه‌نویس باشید، چه کارآفرین یا علاقه‌مند به تکنولوژی، در پایان این دوره هم درک عمیقی از AI محلی خواهید داشت و هم مهارت‌های عملی برای استفاده، مقیاس‌بندی و حتی کسب درآمد از آن.

سرفصل ها و درس ها

مقدمه و شروع سریع Introduction

خوش‌آمدگویی Welcome
بررسی کلی دوره Course Overview
معرفی مدرس: آرنولد اوبرلایتر (آرنی) Instructor Introduction: Arnold Oberleiter (Arnie)
توضیحات لینک‌ها و دانلودهای گردش‌کار Explanation of the Links and Workflow Downloads
لینک‌های مهم و دانلودهای گردش‌کار Important Links and Workflow Downloads
نحوه یافتن بهترین مدل‌های AI How to Find the Best AI-Models
نکته سریع: نصب سریع و آسان AI محلی با Pinokio Quick Tip: Install Local AI Quickly & Easily with Pinokio

مبانی: LLMها، Diffusion و سخت‌افزار مناسب Fundamentals: LLMs, Diffusion & Suitable Hardware

بررسی کلی بخش Section Overview
چرا AI محلی؟ مزایا و معایب Why Local AI? Advantages & Disadvantages
مبانی سخت‌افزاری: RAM, VRAM, CPU و GPU برای LLMها و مدل‌های Diffusion Hardware Basics: RAM, VRAM, CPU & GPU for LLMs & Diffusion Models
اپل و AI محلی – ضروریات سخت‌افزاری Apple & Local AI – Hardware Essentials
توضیح دقیق مدل‌های Diffusion: Embeddingها، تنسورها، کدهای RGB و بیشتر Diffusion Models Explained in Detail: Embeddings, Tensors, RGB Codes & More
مدل‌های زبانی (LLM) مانند GPT, Qwen, Deepseek, Llama, Mistral چیستند؟ What are LLMs like GPT, Qwen, Deepseek, Llama, Mistral etc.
جمع‌بندی Recap

مدل‌های زبانی محلی با Ollama و اپلیکیشن Ollama Local LLMs with Ollama & the Ollama App

محتوا و اهداف این بخش Content & Goals of This Section
مبانی Ollama: نصب، مدل‌ها و دستورات Ollama Fundamentals: Installation, Models & Commands
اپلیکیشن Ollama و مهندسی پرامپت برای LLMها Ollama App & Prompt Engineering for LLMs
بینایی (تشخیص تصویر) و OCR با Google Gemma یا Qwen vL Vision (Image Recognition) & OCR with Google’s Gemma or Qwen vL
فراخوانی توابع و استفاده از ابزارها – نحوه استفاده LLMها از ابزارهای خارجی Function Calling & Tool Use – How LLMs Use External Tools
محاسبات زمان تست با DeepSeek R, Qwen و GPT OSS – مدل‌هایی که می‌توانند «فکر کنند» Test-Time Compute with DeepSeek R, Qwen & GPT-OSS – Models That Can “Think”
RAG و Embeddingها در Ollama RAG and Embeddings in Ollama
کوانتیزاسیون LLMها و مدل‌های Diffusion: FP16, BF16, Q8, Q4, GGUF و بیشتر Quantization of LLMs & Diffusion Models: FP16, BF16, Q8, Q4, GGUF & More
جمع‌بندی Recap

Anything LLM، LM Studio و RAG Anything LLM, LM Studio & RAG

آنچه در این بخش بررسی می‌کنیم What We’ll Cover in This Section
پایگاه داده‌های برداری، Embeddingها، Tok K، تکه‌بندی و تولید تقویت‌شده با بازیابی (RAG) Vector Databases, Embeddings, Tok-K, Chunking & Retrieval‑Augmented Generation
بهینه‌سازی RAG: نحوه آماده‌سازی صحیح داده‌ها با Markdown Optimizing RAG: How to Prepare Data Correctly with Markdown
مبانی AnythingLLM: یکپارچه‌سازی با Ollama، بهینه‌سازی تکه‌بندی و Embeddingها AnythingLLM Basics: Integration with Ollama, Optimizing Chunking & Embeddings
اندازه تکه (Chunk Size) و هم‌پوشانی تکه برای Embeddingهای شما Chunk Size & Chunk Overlap for your Embeddings
ساخت یک چت‌بات RAG محلی با AnythingLLM و Ollama Creating a Local RAG Chatbot with AnythingLLM and Ollama
کنترل رفتار: پرامپت‌های سیستم، Top K، جستجوی شباهت، حافظه و دما (Temperature) Control Behavior: System Prompts, Top-K, Similarity Search, Memory & Temperature
بررسی قابلیت‌های ایجنت: جستجوی وب، مفسر پایتون، اسکرپینگ، MCP Overview of Agent Capabilities: Web Search, Python Interpreter, Scraping, MCP
مبانی LM Studio و GPU Offload – یک جایگزین ساده و جامع برای Ollama LM Studio Basics & GPU Offload – A Simple All-in-One Alternative to Ollama
جمع‌بندی بخش Recap of the section

Diffusion محلی – خلق تصاویر و ویدیوها با ComfyUI Local Diffusion – Create Images & Videos with ComfyUI

آنچه در این بخش خواهید آموخت What You’ll Learn in This Section
بررسی ابزارهای متن‌باز: Forge, Fooocus, SwarmUI, Automatic1111 و ComfyUI Overview of Open-Source Tools: Forge, Fooocus, SwarmUI, Automatic1111 & ComfyUI
نصب ComfyUI و Git Installing ComfyUI & Git
نصب ComfyUI Manager Installing the ComfyUI Manager
مبانی ComfyUI: گردش‌کارها، تصاویر، رابط کاربری و توضیح Seed ComfyUI Basics: Workflows, Images, Interface & Seed Explained
استفاده از گردش‌کارهای اضافی و Image API Using Additional Workflows & the Image API
اعتبارات API ComfyUI ComfyUI API Credits
اجرای محلی SDXL و درک گردش‌کارهای JSON SDXL Locally & Understanding JSON Workflows
مهندسی پرامپت برای SDXL, Flux و سایر مدل‌های Diffusion Prompt Engineering for SDXL, Flux & Other Diffusion Models
ControlNetها و Qwen Image Edit 2509 ControlNets & Qwen Image Edit 2509 (Nano Banana but Open Source)
مبانی LoRA: نحوه اعمال انطباق رتبه پایین در عمل LoRA Basics: How to Apply Low-Rank Adaptation in Practice
معرفی Flux Introduction to Flux
آموزش Flux LoRA اختصاصی خودتان Train your own Flux LoRA
گردش‌کارهای ارتقای کیفیت (Upscaling) در ComfyUI با Flux, SDXL و SUPIR Upscaling Workflows in ComfyUI with Flux, SDXL & SUPIR
OpenArt: یافتن و استفاده سریع از گردش‌کارهای متنوع ComfyUI OpenArt: Quickly Find & Use Many ComfyUI Workflows
جمع‌بندی Diffusion محلی و ComfyUI Local Diffusion and ComfyUI Recap

ساخت ویدیوهای AI AI Video Creation

بررسی کلی این بخش: ویدیوهای AI محلی Overview of This Section: Local AI Videos
تولید ویدیو در ComfyUI با API و مهندسی پرامپت Video generation in ComfyUI with an API & Prompt Engineering
تولید ویدیو AI محلی با ComfyUI و مدل‌های Wan Local AI Video Generation with ComfyUI and Wan Models
FramePack: ساخت ویدیوهای AI بدون سانسور ۲ دقیقه‌ای به صورت محلی روی PC FramePack: Create 2-Minute Uncensored AI Videos Locally on your PC
جمع‌بندی ویدیوهای AI Recap of AI Videos

قابلیت‌های صوتی AI: متن به گفتار (TTS)، گفتار به متن (STT) و موسیقی AI AI Audio Features: Text-to-Speech (TTS), Speech-to-Text (STT) & AI Music

بررسی کلی این بخش: صوت AI (TTS, STT و موسیقی) Overview of This Section: AI Audio (TTS, STT & Music)
تبدیل صوت به متن با Whisper (STT) Transcribing with Whisper: Speech-to-Text (STT)
راهکارهای TTS محلی: کلون کردن صداها و خواندن متن با OpenAudio Local TTS Solutions: Clone Voices & Read Text with OpenAudio
تولید موسیقی AI به صورت محلی Generate AI Music Locally
جمع‌بندی Recap

مبانی هوش مصنوعی ایجنتی: ساخت ایجنت‌های AI محلی و اتوماسیون با n8n Agentic AI Basics: Create Local AI Agents & Automations with n8n

بررسی کلی این بخش: هوش مصنوعی ایجنتی، ایجنت‌های AI و اتوماسیون با n8n Overview of This Section. Agentic AI, AI Agents & AI Automation with n8n
نصب جهانی n8n با Node.js و بررسی رابط کاربری Global Installation of n8n with Node.js & the Interface
نصب محلی n8n روی مک lacoal installation of n8n on mac
مدیریت نسخه‌های Node (رفع خطاهای نصب n8n) Managing Node Versions (Fixing Errors in n8n Installation)
مبانی n8n: تریگرها، اکشن‌ها، نودها، مدل‌ها، MCP و بیشتر n8n Basics: Triggers, Actions, Nodes, Models, MCP and More
توضیح Docker Desktop: نصب، راه‌اندازی و دلیل نیاز به آن Docker Desktop Explained: Installation, Setup & Why You Need It
راهنمای راه‌اندازی Supabase: نصب، پیکربندی و کاربردهای کلیدی Supabase Setup Guide: Installation, Configuration & Key Use Cases
ایجنت‌های RAG با n8n, Supabase, Metadata و Ollama RAG Agents with n8n, Supabase, Metadata & Ollama
خروجی گرفتن و وارد کردن گردش‌کارهای JSON Exporting and Importing JSON Workflows
جداول SQL با Supabase و n8n SQL Tables with Supabase and n8n
دستیار ایمیل و مخاطبین با گوگل، n8n و Supabase SQL Email and Contact Assistant with Google, n8n & Supabase SQL
مهندسی پرامپت برای ایجنت‌های AI و اتوماسیون (پرامپت‌های سیستم) Prompt Engineering for AI Agents & AI-Automation (System Prompts)
مرور سریع امکانات بیشتر با n8n Quick Overview of More Possibilities with n8n
جمع‌بندی مبانی n8n و AI ایجنتی Recap of n8n Basics & Agentic AI

گردش‌کارهای ویژه: MCP، OpenWebUI، اتوماسیون ComfyUI و بیشتر Special Workflows: MCP, OpenWebUI, ComfyUI Automation & More

بررسی کلی بخش Section Overview
ساخت سرور و کلاینت MCP با n8n Create MCP Server & Client with n8n
استفاده از LM Studio به عنوان فرانت-اند برای ایجنت‌های n8n از طریق MCP LM Studio as a Frontend for n8n AI Agents via MCP
اتصال ComfyUI به n8n برای اتوماسیون خلق تصویر و ویدیو Connect ComfyUI with n8n to Automate Image & Video Creation
زیر-گردش‌کارها در n8n و LM Studio به عنوان فرانت-اند برای ComfyUI Subworkflows in n8n and LM Studio as Frontend for ComfyUI
رابط کاربری Open WebUI و نصب با داکر Open WebUI Interface & Installation with Docker
مبانی Open WebUI در عمل Open WebUI Basics in action
Open WebUI به عنوان فرانت-اند برای ایجنت‌های AI و اتوماسیون n8n Open WebUI as a Frontend for n8n AI Agents & AI Automation
درخواست HTTP با n8n و APIها: استفاده از OpenWebUI برای خلق تصاویر HTTP Request with n8n & APIs: Use OpenWebUI to Create Images
اتوماسیون OCR: استخراج داده از تصاویر، فاکتورها، PDFها و بیشتر OCR Automation: Extract Data from Images, Invoices, PDFs & More
بررسی امکانات بیشتر: ایده‌های خلاقانه و الهامات AI Explore More Possibilities: Creative Ideas & AI Inspiration
Fine-Tuning مدل LLM اختصاصی: آیا این تلاش ارزشش را دارد؟ Fine-Tuning Your Own LLM: Is the Effort Worth It
جمع‌بندی Recap

دوره فشرده Flowise: RAG محلی و مدیریت رکورد Postgres Flowise Crash Course: Local RAG & Postgres Record Manager

LangChain, LangGraph و Flowise: بررسی کلی بخش LangChain, LangGraph and Flowise: Section Overview
LangGraph, LangChain, Flowise – تفاوت آن‌ها در چیست؟ LangGraph, LangChain, Flowise — What Is the Difference?
نصب محلی Flowise با Node.js Install Flowise Locally with Node.js
نصب محلی Postgres با داکر Install Postgres Locally with Docker
پر کردن پایگاه داده برداری Postgres و یکپارچه‌سازی Record Manager Populate Postgres Vector Database & Integrate Record Manager
ساخت یک ایجنت RAG محلی با Flowise, Postgres و Ollama Create a Local RAG Agent with Flowise, Postgres & Ollama
ایده‌ها و الهامات Flowise: باز کردن امکانات بیشتر با ایجنت‌های AI Flowise Ideas & Inspiration: Unlock More Possibilities with AI Agents
جمع‌بندی بخش LangChain Recap of the LangChain Section

حقوق و امنیت – بررسی انطباق، حریم خصوصی و مجوزها Law & Security – Compliance, Privacy & Licenses Overview

بررسی کلی بخش نهایی Overview of the Final Section
چالش‌های رایج در سیستم‌های AI Common Challenges in AI Systems
حفاظت از داده‌ها و امنیت در AI محلی Data Protection & Security in Local AI
مثال ساده از یک سرور با رفتار نادرست Simple Example of a Misbehaving Server
مسموم‌سازی ابزارها، کلاهبرداری‌های MCP و سایر آسیب‌پذیری‌های امنیتی Tool Poisoning, MCP Rug Pulls & Other Security Vulnerabilities
حملات رایج به LLMها: جیل‌بریک‌ها، تزریق پرامپت و مسموم‌سازی داده‌ها Common Attacks on LLMs: Jailbreaks, Prompt Injections & Data Poisoning
کار قانونی: توضیح مجوزهای متن‌باز (MIT, Apache و غیره) Working Legally: Open-Source Licenses Explained (MIT, Apache & More)
جمع‌بندی دوره و تشکر Course Recap & Thank You
بونوس (هدیه) Bonus

برای ارسال نظر ثبت نام کنید.

نمایش نظرات

آموزش مسترکلاس هوش مصنوعی محلی: LLMها، مدل‌های Diffusion و ایجنت‌های هوش مصنوعی روی PC

جزییات دوره

زمان دوره: 14 hours

تعداد ویدیو ها: 103

شرکت: Udemy (یودمی)

تاریخ انتشار مرجع: (آخرین آپدیت)

ثبت نام مرجع : 1,849

امتیاز مرجع: 4.6 از 5

فایل تمرین: دارد

زیرنویس زبان اصلی: دارد

زیرنویس فارسی: (توسط هوش مصنوعی) دارد

مدرس: Arnold Oberleiter

لینک کوتاه این دوره

https://donyad.com/d/a01fa3

جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

نرم افزارهای مورد نیاز

آموزش مسترکلاس هوش مصنوعی محلی: LLMها، مدل‌های Diffusion و ایجنت‌های هوش مصنوعی روی PC - آخرین آپدیت

دانلود Local AI Masterclass: LLMs, Diffusion & AI-Agents on Your PC

مقدمه و شروع سریع Introduction

خوش‌آمدگویی Welcome

بررسی کلی دوره Course Overview

معرفی مدرس: آرنولد اوبرلایتر (آرنی) Instructor Introduction: Arnold Oberleiter (Arnie)

توضیحات لینک‌ها و دانلودهای گردش‌کار Explanation of the Links and Workflow Downloads

لینک‌های مهم و دانلودهای گردش‌کار Important Links and Workflow Downloads

نحوه یافتن بهترین مدل‌های AI How to Find the Best AI-Models

نکته سریع: نصب سریع و آسان AI محلی با Pinokio Quick Tip: Install Local AI Quickly & Easily with Pinokio

مبانی: LLMها، Diffusion و سخت‌افزار مناسب Fundamentals: LLMs, Diffusion & Suitable Hardware

بررسی کلی بخش Section Overview

چرا AI محلی؟ مزایا و معایب Why Local AI? Advantages & Disadvantages

مبانی سخت‌افزاری: RAM, VRAM, CPU و GPU برای LLMها و مدل‌های Diffusion Hardware Basics: RAM, VRAM, CPU & GPU for LLMs & Diffusion Models

اپل و AI محلی – ضروریات سخت‌افزاری Apple & Local AI – Hardware Essentials

توضیح دقیق مدل‌های Diffusion: Embeddingها، تنسورها، کدهای RGB و بیشتر Diffusion Models Explained in Detail: Embeddings, Tensors, RGB Codes & More

مدل‌های زبانی (LLM) مانند GPT, Qwen, Deepseek, Llama, Mistral چیستند؟ What are LLMs like GPT, Qwen, Deepseek, Llama, Mistral etc.

جمع‌بندی Recap

مدل‌های زبانی محلی با Ollama و اپلیکیشن Ollama Local LLMs with Ollama & the Ollama App

محتوا و اهداف این بخش Content & Goals of This Section

مبانی Ollama: نصب، مدل‌ها و دستورات Ollama Fundamentals: Installation, Models & Commands

اپلیکیشن Ollama و مهندسی پرامپت برای LLMها Ollama App & Prompt Engineering for LLMs

بینایی (تشخیص تصویر) و OCR با Google Gemma یا Qwen vL Vision (Image Recognition) & OCR with Google’s Gemma or Qwen vL

فراخوانی توابع و استفاده از ابزارها – نحوه استفاده LLMها از ابزارهای خارجی Function Calling & Tool Use – How LLMs Use External Tools

محاسبات زمان تست با DeepSeek R, Qwen و GPT OSS – مدل‌هایی که می‌توانند «فکر کنند» Test-Time Compute with DeepSeek R, Qwen & GPT-OSS – Models That Can “Think”

RAG و Embeddingها در Ollama RAG and Embeddings in Ollama

کوانتیزاسیون LLMها و مدل‌های Diffusion: FP16, BF16, Q8, Q4, GGUF و بیشتر Quantization of LLMs & Diffusion Models: FP16, BF16, Q8, Q4, GGUF & More

جمع‌بندی Recap

Anything LLM، LM Studio و RAG Anything LLM, LM Studio & RAG

آنچه در این بخش بررسی می‌کنیم What We’ll Cover in This Section

پایگاه داده‌های برداری، Embeddingها، Tok K، تکه‌بندی و تولید تقویت‌شده با بازیابی (RAG) Vector Databases, Embeddings, Tok-K, Chunking & Retrieval‑Augmented Generation

بهینه‌سازی RAG: نحوه آماده‌سازی صحیح داده‌ها با Markdown Optimizing RAG: How to Prepare Data Correctly with Markdown

مبانی AnythingLLM: یکپارچه‌سازی با Ollama، بهینه‌سازی تکه‌بندی و Embeddingها AnythingLLM Basics: Integration with Ollama, Optimizing Chunking & Embeddings

اندازه تکه (Chunk Size) و هم‌پوشانی تکه برای Embeddingهای شما Chunk Size & Chunk Overlap for your Embeddings

ساخت یک چت‌بات RAG محلی با AnythingLLM و Ollama Creating a Local RAG Chatbot with AnythingLLM and Ollama

کنترل رفتار: پرامپت‌های سیستم، Top K، جستجوی شباهت، حافظه و دما (Temperature) Control Behavior: System Prompts, Top-K, Similarity Search, Memory & Temperature

بررسی قابلیت‌های ایجنت: جستجوی وب، مفسر پایتون، اسکرپینگ، MCP Overview of Agent Capabilities: Web Search, Python Interpreter, Scraping, MCP

مبانی LM Studio و GPU Offload – یک جایگزین ساده و جامع برای Ollama LM Studio Basics & GPU Offload – A Simple All-in-One Alternative to Ollama

جمع‌بندی بخش Recap of the section

Diffusion محلی – خلق تصاویر و ویدیوها با ComfyUI Local Diffusion – Create Images & Videos with ComfyUI

آنچه در این بخش خواهید آموخت What You’ll Learn in This Section

بررسی ابزارهای متن‌باز: Forge, Fooocus, SwarmUI, Automatic1111 و ComfyUI Overview of Open-Source Tools: Forge, Fooocus, SwarmUI, Automatic1111 & ComfyUI

نصب ComfyUI و Git Installing ComfyUI & Git

نصب ComfyUI Manager Installing the ComfyUI Manager

مبانی ComfyUI: گردش‌کارها، تصاویر، رابط کاربری و توضیح Seed ComfyUI Basics: Workflows, Images, Interface & Seed Explained

استفاده از گردش‌کارهای اضافی و Image API Using Additional Workflows & the Image API

اعتبارات API ComfyUI ComfyUI API Credits

اجرای محلی SDXL و درک گردش‌کارهای JSON SDXL Locally & Understanding JSON Workflows

مهندسی پرامپت برای SDXL, Flux و سایر مدل‌های Diffusion Prompt Engineering for SDXL, Flux & Other Diffusion Models

ControlNetها و Qwen Image Edit 2509 ControlNets & Qwen Image Edit 2509 (Nano Banana but Open Source)

مبانی LoRA: نحوه اعمال انطباق رتبه پایین در عمل LoRA Basics: How to Apply Low-Rank Adaptation in Practice

معرفی Flux Introduction to Flux

آموزش Flux LoRA اختصاصی خودتان Train your own Flux LoRA

گردش‌کارهای ارتقای کیفیت (Upscaling) در ComfyUI با Flux, SDXL و SUPIR Upscaling Workflows in ComfyUI with Flux, SDXL & SUPIR

OpenArt: یافتن و استفاده سریع از گردش‌کارهای متنوع ComfyUI OpenArt: Quickly Find & Use Many ComfyUI Workflows

جمع‌بندی Diffusion محلی و ComfyUI Local Diffusion and ComfyUI Recap

ساخت ویدیوهای AI AI Video Creation

بررسی کلی این بخش: ویدیوهای AI محلی Overview of This Section: Local AI Videos

تولید ویدیو در ComfyUI با API و مهندسی پرامپت Video generation in ComfyUI with an API & Prompt Engineering

تولید ویدیو AI محلی با ComfyUI و مدل‌های Wan Local AI Video Generation with ComfyUI and Wan Models

FramePack: ساخت ویدیوهای AI بدون سانسور ۲ دقیقه‌ای به صورت محلی روی PC FramePack: Create 2-Minute Uncensored AI Videos Locally on your PC

جمع‌بندی ویدیوهای AI Recap of AI Videos

قابلیت‌های صوتی AI: متن به گفتار (TTS)، گفتار به متن (STT) و موسیقی AI AI Audio Features: Text-to-Speech (TTS), Speech-to-Text (STT) & AI Music

بررسی کلی این بخش: صوت AI (TTS, STT و موسیقی) Overview of This Section: AI Audio (TTS, STT & Music)

تبدیل صوت به متن با Whisper (STT) Transcribing with Whisper: Speech-to-Text (STT)

راهکارهای TTS محلی: کلون کردن صداها و خواندن متن با OpenAudio Local TTS Solutions: Clone Voices & Read Text with OpenAudio

تولید موسیقی AI به صورت محلی Generate AI Music Locally

جمع‌بندی Recap

مبانی هوش مصنوعی ایجنتی: ساخت ایجنت‌های AI محلی و اتوماسیون با n8n Agentic AI Basics: Create Local AI Agents & Automations with n8n

بررسی کلی این بخش: هوش مصنوعی ایجنتی، ایجنت‌های AI و اتوماسیون با n8n Overview of This Section. Agentic AI, AI Agents & AI Automation with n8n

نصب جهانی n8n با Node.js و بررسی رابط کاربری Global Installation of n8n with Node.js & the Interface

نصب محلی n8n روی مک lacoal installation of n8n on mac

مدیریت نسخه‌های Node (رفع خطاهای نصب n8n) Managing Node Versions (Fixing Errors in n8n Installation)

مبانی n8n: تریگرها، اکشن‌ها، نودها، مدل‌ها، MCP و بیشتر n8n Basics: Triggers, Actions, Nodes, Models, MCP and More

توضیح Docker Desktop: نصب، راه‌اندازی و دلیل نیاز به آن Docker Desktop Explained: Installation, Setup & Why You Need It

راهنمای راه‌اندازی Supabase: نصب، پیکربندی و کاربردهای کلیدی Supabase Setup Guide: Installation, Configuration & Key Use Cases

ایجنت‌های RAG با n8n, Supabase, Metadata و Ollama RAG Agents with n8n, Supabase, Metadata & Ollama

خروجی گرفتن و وارد کردن گردش‌کارهای JSON Exporting and Importing JSON Workflows

جداول SQL با Supabase و n8n SQL Tables with Supabase and n8n

دستیار ایمیل و مخاطبین با گوگل، n8n و Supabase SQL Email and Contact Assistant with Google, n8n & Supabase SQL