آموزش تسلط بر هوش مصنوعی مولد: از شبکه‌های عصبی تا سیستم‌های چند-عامل (Multi-Agents) - آخرین آپدیت

سرفصل ها و درس ها

مقدمه Introduction

• هوش مصنوعی مولد چیست What is Generative AI

• مدل‌های کلیدی GenAI Key GenAI Models

مبانی و مفاهیم پایه Fundamentals

• مبانی یادگیری ماشین Machine Learning Basics

• شبکه‌های عصبی Neural Networks

• Embeddings Embeddings

• ترنسفورمرها Transformers

• مدل‌های Diffusion Diffusion Models

آزمایشگاه ۱: ساخت شبکه عصبی و آموزش طبقه‌بندی‌کننده تصاویر Lab 1: Create a Neural Network and Train an Image Classifier

• راه‌اندازی محیط توسعه Setup Development Environment

• آزمایشگاه ۱: ساخت و آموزش شبکه عصبی برای طبقه‌بندی تصاویر گل Lab 1: Creation and Training of Neural Network for Flower Image Classification

پردازش زبان طبیعی (NLP) Natural Language Processing

• توکنایز کردن (Tokenization) Tokenization

• دسته‌بندی متن Text Classification

• مدل‌سازی موضوعی Topic Modelling

• شناسایی موجودات نام‌دار Named Entity Recognition

• پیش‌آموزش مدل‌های پایه Pre-Training Foundation Models

• Fine-Tuning نظارت شده مدل‌های پایه Supervised Fine-Tuning Foundation Models

• ارزیابی LLMها Evaluation of LLMs

خلق و ویرایش تصاویر با GenAI Image Creation and Editing with GenAI

• مدل‌های متن به تصویر Text-to-Image Models

• ویرایش تصویر و Inpainting Image Editing and Inpainting

• بهینه‌سازی مدل‌های متن به تصویر Fine-Tuning Text-to-Image Models

آزمایشگاه ۲: راه‌اندازی Amazon Bedrock و مدل‌های تولید تصویر Lab 2: Setup Amazon Bedrock, Image Creation and Editing Models

• آزمایشگاه ۲.۱: راه‌اندازی محیط AWS Lab 2.1: Setup AWS Environment

• آزمایشگاه ۲.۲: تولید تصویر با Amazon Bedrock و Amazon Nova Lab 2.2: Image Creation with Amazon Bedrock and Amazon Nova

• آزمایشگاه ۲.۳: ویرایش پیشرفته تصاویر با Amazon Bedrock Lab 2.3: Advanced Image Editing with Amazon Bedrock

شخصی‌سازی مدل‌های زبانی بزرگ (LLMs) Customizing Large Language Models

• یادگیری در متن و مهندسی پرامپت In-Context Learning and Prompt Engineering

• تولید تقویت شده با بازیابی (RAG) Retrieval Augmented Generation (RAG)

• معماری‌های GraphRAG و StructRAG GraphRAG and StructRAG

• بهینه‌سازی و هم‌راستاسازی LLMها: SFT، RLHF و DPO Fine-Tuning LLMs and Alignment: SFT, RLHF, and DPO

• تقطیر مدل (Model Distillation) Model Distillation

آزمایشگاه ۳: Embeddings، دیتابیس برداری و سیستم RAG Lab 3: Embeddings, Vector DB and Retrieval Augmented Generation

• آزمایشگاه ۳.۱: Embeddings، مدل‌های HuggingFace و جستجوی شباهت Lab 3.1: Embeddings, HugginFace models, Similarity Search

• آزمایشگاه ۳.۲: دیتابیس برداری، FAISS، IVF، ANN و RAG Lab 3.2: Vector DB, FAISS, IVF, ANN and RAG

آزمایشگاه ۴: مدل‌های زبانی، مهندسی پرامپت و استریمینگ در Bedrock Lab 4: Large Language Models, Prompt Engineering, Streaming in Amazon Bedrock

• آزمایشگاه ۴.۱: API گفتگو در Bedrock، مهندسی پرامپت و پارامترهای LLM Lab 4.1: Converse API in Bedrock, Prompt Engineering, LLM Parameters

• آزمایشگاه ۴.۲: گفتگوهای چند-مرحله‌ای، شخصی‌سازی، خلاصه‌سازی و دسته‌بندی Lab 4.2: Multi-Turn Conversation, Personalization, Summarization, Classification

کاربردهای AI مولد: چت‌بات‌ها، عوامل و سیستم‌های چند-عامل Generative AI Applications: Chatbots, Agents, and Multi-Agents

• ساخت یک چت‌بات سفارشی Creating a Custom Chatbot

• آزمایشگاه ۵: ساخت چت‌بات با حافظه و رابط کاربری Lab 5: Create a Chatbot with Memory and User Interface

• عوامل و سیستم‌های چند-عامل Agents and Multi-Agents

آزمایشگاه ۶: عوامل ReAct با Amazon Bedrock Lab 6: ReAct Agents with Amazon Bedrock

• آزمایشگاه ۶: عامل سفارشی با الگوی ReAct و مدل‌های Bedrock Lab 6: Custom Agent with ReAct Pattern and Amazon Bedrock LLMs

آزمایشگاه ۷: چت‌بات عامل‌محور Full-Stack با FastAPI و Strands SDK Lab 7: Full-Stack Agent Chatbot with FastAPI, Strands SDK and Amazon Bedrock

• آزمایشگاه ۷: ساخت فرانت‌اند و بک‌ند برای چت‌بات عامل‌محور با Strands SDK Lab 7: Create Frontend and Backend for Agent Chatbot with Strands SDK

آزمایشگاه ۸: سیستم‌های چند-عاملی با Strands SDK Lab 8: Multi-Agents with Strands SDK

• آزمایشگاه ۸: سیستم‌های چند-عامل Swarm با Strands SDK و Amazon Bedrock Lab 8: Swarm Multi-Agents with Strands SDK and Amazon Bedrock