لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش بوتکمپ گواهینامه ۷ روزه هوش مصنوعی: اپلیکیشنهای AI، سیستم RAG و ایجنتهای هوشمند
- آخرین آپدیت
دانلود Certified 7-Day AI Bootcamp: AI Apps, RAG, and AI Agents
نکته:
ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره:
هوش مصنوعی را از طریق ساخت پروژههای عملی با پایتون، مدلهای زبانی بزرگ (LLMs)، استریملیت (Streamlit)، مهندسی پرامپت، RAG و گردشهای کاری چند-ایجنت یاد بگیرید.
ساخت اپلیکیشنهای کاربردی هوش مصنوعی با استفاده از Python، Streamlit و مدلهای زبانی بزرگ.
درک مفاهیم مدرن AI از جمله هوش مصنوعی مولد (Generative AI)، توکنها، پرامپتها، پنجرههای کانتکست و توهمات (Hallucinations).
نوشتن پرامپتهای موثر با استفاده از نقشها، دستورالعملها، محدودیتها، مثالها و فرمتهای خروجی ساختاریافته.
ایجاد یک محیط آزمایشگاه مهندسی پرامپت (Prompt Engineering Playground) برای تست، مقایسه و ذخیره پرامپتهای قابل استفاده مجدد.
ساخت تحلیلگر رزومه AI که رزومهها را بررسی، امتیازدهی و پیشنهاداتی برای بهبود ارائه میدهد.
استخراج متن از فایلهای PDF و اسناد برای استفاده در اپلیکیشنهای هوش مصنوعی.
ساخت دستیار چت PDF با استفاده از تولید تقویتشده بازیابی یا RAG.
درک مفاهیم Embeddings، جستجوی معنایی (Semantic Search)، تکهتکه کردن اسناد (Chunking) و پایگاههای داده برداری.
استفاده از ChromaDB به عنوان پایگاه داده برداری محلی برای جستجو و بازیابی اسناد.
ساخت یک ایجنت پژوهشی خودگردان AI که قادر به برنامهریزی، جستجو، تحلیل، نوشتن، بازبینی و ذخیره گزارشات باشد.
ایجاد یک جریان کاری چند-ایجنت شامل ایجنتهای برنامهریز، پژوهشگر، نویسنده، ویراستار و کنترل کیفیت (QA).
بستهبندی اپلیکیشن AI با Docker و آمادهسازی آن برای پورتفولیو یا استقرار (Deployment).
بهکارگیری اصول هوش مصنوعی مسئولانه شامل حریم خصوصی، دقت، گاردریلها و نظارت انسانی.
ایجاد پروژههای AI آماده برای پورتفولیو، مناسب برای گیتهاب، رزومهها، مصاحبهها و دموها.
پیشنیازها: هیچ پیشزمینه پیشرفتهای در هوش مصنوعی، یادگیری ماشین یا علوم داده مورد نیاز نیست.
دانش پایه پایتون مفید است، اما دوره برای مبتدیان طراحی شده و کدها گامبهگام توضیح داده میشوند.
آشنایی اولیه با خط فرمان (Terminal) برای اجرای برنامههای پایتون و نصب پکیجها مفید است.
دانشجویان باید به کامپیوتری با دسترسی به اینترنت دسترسی داشته باشند.
داشتن کلید API OpenAI اختیاری است؛ دانشجویان میتوانند از Ollama برای اجرای مدلهای محلی استفاده کنند.
آشنایی اولیه با APIها، وباپلیکیشنها یا توسعه نرمافزار مفید است اما الزامی نیست.
نیازی به ریاضیات پیشرفته نیست.
هیچ تجربه قبلی در زمینه RAG، ایجنتهای AI، پایگاههای داده برداری، Streamlit، ChromaDB یا Docker لازم نیست. این مباحث از پایه در آزمایشگاههای عملی آموزش داده میشوند.
مهمترین مورد این است که دانشجویان کنجکاو و آماده باشند تا پروژههای کاربردی AI را گامبهگام بسازند.
هوش مصنوعی در حال تغییر نحوه ساخت نرمافزارها، کسبوکارها، پژوهشها، آموزش و ابزارهای بهرهوری است. اما بسیاری از دورههای AI زمان زیادی را صرف تئوری میکنند و به اندازه کافی به ساخت اپلیکیشنهای کاربردی نمیپردازند.
این دوره متفاوت است.
در این بوتکمپ عملی ۷ روزه، شما هوش مصنوعی مدرن را از طریق ساخت پروژههای واقعی از صفر یاد میگیرید. شما با یک دستیار ساده AI شروع میکنید و سپس به سراغ مهندسی پرامپت، اپلیکیشنهای مبتنی بر AI، چت با PDF با استفاده از RAG، ایجنتهای خودگردان، جریانهای کاری چند-ایجنت و در نهایت یک دستیار پایگاه دانش AI قابل استقرار خواهید رسید.
این دوره برای یادگیرندگان مبتدی تا متوسط طراحی شده است که میخواهند مهارتهای کاربردی AI را بدون غرق شدن در تئوریهای پیچیده یادگیری ماشین کسب کنند. شما نیازی به پیشزمینه عمیق ریاضی یا علوم داده ندارید. تمرکز بر ساخت اپلیکیشنهای فعال AI با استفاده از ابزارهایی است که توسعهدهندگان، دانشجویان، تحلیلگران، مدیران و کارآفرینان میتوانند فوراً از آنها استفاده کنند.
در طول این بوتکمپ، شما هفت پروژه کاربردی خواهید ساخت:
دستیار هوش مصنوعی (AI Assistant)
محیط آزمایش مهندسی پرامپت
تحلیلگر رزومه AI
دستیار چت PDF با سیستم RAG
ایجنت پژوهشی خودگردان
تیم تولید محتوای چند-ایجنت
دستیار پایگاه دانش AI با Docker
در پایان این دوره، شما درک خواهید کرد که اپلیکیشنهای مدرن AI چگونه ساختار مییابند، چگونه با LLMها کار کنید، چگونه پرامپتهای بهتری بنویسید، چگونه خط لولههای RAG را بسازید، ایجنتهای AI چگونه کار میکنند و چگونه یک اپلیکیشن AI را برای استقرار بستهبندی کنید.
این فقط یک دوره تئوری نیست. هر روز شامل یک آزمایشگاه عملی و یک خروجی آماده برای پورتفولیو است.
آنچه خواهید آموخت
درک هوش مصنوعی مدرن، AI مولد و مدلهای زبانی بزرگ (LLMs)
ساخت اولین دستیار AI با استفاده از Python و Streamlit
نوشتن پرامپتهای قدرتمند با استفاده از نقشها، قوانین، کانتکست و فرمتهای خروجی
ساخت محیط آزمایشگاه مهندسی پرامپت
ایجاد تحلیلگر رزومه AI
استخراج متن از فایلهای PDF، TXT و DOCX
ساخت دستیار چت PDF با استفاده از RAG
استفاده از ChromaDB به عنوان پایگاه داده برداری محلی
درک Embeddings و جستجوی معنایی
ساخت ایجنت پژوهشی خودگردان
ایجاد جریان کاری تولید محتوای چند-ایجنت
بستهبندی اپلیکیشن AI با Docker
آمادهسازی پروژه گیتهاب برای پورتفولیو
درک مبانی AI مسئولانه و گاردریلهای ایمنی
این دوره برای چه کسانی است
این دوره مناسب است برای:
مبتدیانی که میخواهند AI کاربردی یاد بگیرند
توسعهدهندگانی که قصد ساخت اپلیکیشنهای AI را دارند
دانشجویانی که در حال ساخت پروژههای پورتفولیو هستند
تحلیلگران و مدیرانی که به دنبال مهارتهای عملی AI هستند
کارآفرینانی که در حال بررسی ایدههای محصولات مبتنی بر AI هستند
متخصصانی که در حال تغییر مسیر شغلی به سمت AI هستند
مدرسانی که به دنبال یک نقشه راه پروژه عملی AI هستند
پیشنیازها
دانش پایه پایتون (مفید است)
دانش پایه خط فرمان (مفید است)
بدون نیاز به پیشزمینه یادگیری ماشین
بدون نیاز به ریاضیات پیشرفته
یک کامپیوتر که پایتون روی آن نصب باشد
اختیاری: کلید OpenAI API
اختیاری: Ollama برای استفاده از LLMهای محلی
نتیجه دوره
در پایان این دوره، شما فقط مفاهیم AI را درک نخواهید کرد، بلکه اپلیکیشنهای واقعی AI ساختهاید که میتوانید آنها را در پورتفولیو، رزومه، مصاحبهها، گیتهاب یا دموهای تجاری خود نمایش دهید.
وعده نهایی دوره
در عرض یک هفته، شما از مفاهیم پایه AI به ساخت و بستهبندی اپلیکیشنهای کاربردی با استفاده از LLMها، مهندسی پرامپت، RAG، ایجنتها، سیستمهای چند-ایجنت و Docker خواهید رسید.
سرفصل ها و درس ها
معرفی دوره و آمادهسازی
Course Introduction and Setup
دموی پروژه: دستیار جامع پژوهش و دانش
Teaser Project - Complete End to End Knowledge and Research Assistant
در این دوره چه خواهید ساخت
What You Will Build in This Course
مرور ابزارهای تکنولوژی دوره
Course Tech Stack Overview
نصب پایتون، VS Code و گیت
Installing Python, VS Code, and Git
راهاندازی OpenAI یا Ollama
Setting Up OpenAI or Ollama
ایجاد پوشه پروژه بوتکمپ
Creating the Bootcamp Project Folder
روز اول: ساخت اولین دستیار هوش مصنوعی
Day 1: Build Your First AI Assistant
هوش مصنوعی، AI مولد و LLM چیستند؟
What Is AI, Generative AI, and an LLM?
درک پرامپتها، توکنها و پاسخها
Understanding Prompts, Tokens, and Responses
مرور آزمایشگاه روز اول
Day 1 Lab Overview
ساخت لایه سرویس LLM
Build the LLM Service Layer
ساخت چتبات AI در محیط ترمینال
Build a Terminal AI Chatbot
ساخت چتبات AI با Streamlit
Build a Streamlit AI Chatbot
جمعبندی روز اول و چالش دانشجویان
Day 1 Wrap-Up and Student Challenge
روز دوم: محیط آزمایش مهندسی پرامپت
Day 2: Prompt Engineering Playground
نمایش نظرات