آموزش ساخت آزمایشگاه هوش مصنوعی شخصی - آخرین آپدیت

سرفصل ها و درس ها

مقدمه Introduction

• مقدمه Introduction

1. آشنایی با آزمایشگاه‌ها و محیط‌های تست هوش مصنوعی 1. Introduction to AI Labs and Sandboxes

• یکپارچه‌سازی با Ollama Ollama integrations

• معرفی تولید تقویت‌شده با بازیابی (RAG) Introducing retrieval augmented generation (RAG)

• نصب Ollama Installing Ollama

• معرفی Ollama Introducing Ollama

• بررسی نرم‌افزارهای ضروری Surveying essential software

• بررسی APIهای REST در Ollama Exploring the Ollama REST API

• اهداف یادگیری Learning objectives

• معرفی Hugging Face Introducing Hugging Face

• مقایسه آزمایشگاه‌های خانگی در مقابل ابری Home-based vs. cloud-based AI labs and sandboxes

• انتخاب سخت‌افزار مناسب (GPU، CPU، حافظه و غیره) Choosing the right hardware (GPUs, CPUs, memory, etc.)

• بهره‌گیری از RAGFlow Leveraging RAGFlow

• ساخت یا خرید سیستم‌های پیش‌ساخته Building or buying prebuilt systems

• انتخاب سیستم‌عامل: لینوکس، ویندوز یا مک Choosing operating systems: Linux, Windows, or macOS

2. آزمایشگاه‌ها و محیط‌های تست ابری هوش مصنوعی 2. Cloud-Based AI Labs and Sandboxes

• معرفی Amazon Bedrock Introducing Amazon Bedrock

• استفاده از Microsoft Azure AI Foundry Using Microsoft Azure AI Foundry

• اهداف یادگیری Learning objectives

• بحث در مورد مدیریت هزینه و امنیت Discussing cost management and security

• مزایا و معایب آزمایشگاه‌های ابری Pros and cons of cloud-based AI labs and sandboxes

• بررسی Google Vertex AI Exploring Google Vertex AI

• بررسی Amazon SageMaker Surveying Amazon SageMaker

• استقرار Ollama در فضای ابری با Terraform Deploying Ollama in the cloud with Terraform

3. ادغام و بهره‌برداری از محیط‌های هوش مصنوعی 3. Integrating and Leveraging AI Environments

• استفاده از آزمایشگاه‌های ترکیبی برای ادغام منابع خانگی و ابری Using hybrid AI labs to combine home and cloud resources

• اهداف یادگیری Learning objectives

• بهره‌برداری از نقاط قوت هر دو محیط Leveraging the strengths of both environments

• همگام‌سازی داده‌ها و پروژه‌ها Synchronizing data and projects

• اجرای مدل‌های متن‌باز موجود در Hugging Face Running open-source models available on Hugging Face

• استفاده از پایگاه‌ داده‌های برداری (Vector Databases) Using vector databases

• درک مدل‌های Embedding Understanding embedding models

• معرفی LangChain Introducing LangChain

• معرفی LlamaIndex Introducing LlamaIndex

4. مباحث پیشرفته 4. Advanced Topics

• اهداف یادگیری Learning objectives

• رایانش با عملکرد بالا (HPC) و هوش مصنوعی لبه (Edge AI) High-performance computing and edge AI

• بهره‌گیری از LangSmith و LangGraph Leveraging LangSmith and LangGraph

• استفاده از چارچوب‌های Fine-tuning Using fine-tuning frameworks

جمع‌بندی Conclusion

• خلاصه نهایی Summary