آموزش بوت کمپ کامل هوش مصنوعی مولد با پایتون + هاگینگ فیس - آخرین آپدیت

دانلود Generative AI Complete Bootcamp with Python + Huggingface

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

یادگیری عمیق و هوش مصنوعی مولد (Generative AI) را با پایتون شروع کنید! 7 پروژه عملی با Hugging Face، Transformers، Diffusers و Gradio بسازید.

هوش مصنوعی مولد (Generative AI) و یادگیری عمیق با پایتون:

مفاهیم اصلی هوش مصنوعی، یادگیری ماشین و یادگیری عمیق را بیاموزید تا پایه‌ای قوی در توسعه هوش مصنوعی بسازید.

با ابزارهای محبوب هوش مصنوعی مولد برای تولید متن، تصویر، کد و محتوای صوتی، تجربه عملی کسب کنید.

در مهندسی پرامپت (Prompt Engineering) متخصص شوید تا پاسخ‌های هوش مصنوعی را بهینه کرده و عملکرد مدل‌ها را در کاربردهای مختلف بهبود بخشید.

اصول پایتون شامل لیست‌ها، دیکشنری‌ها، مجموعه‌ها، شرطی‌ها، حلقه‌ها، توابع و برنامه‌نویسی شیءگرا را با تمرینات کدنویسی عملی، مسلط شوید.

برنامه‌های هوش مصنوعی بلادرنگ (Real-time) مانند چت‌بات‌ها، دستیارهای صوتی و تولیدکننده‌های متن به تصویر را با استفاده از پایتون توسعه داده و مستقر کنید.

تکنیک‌های کلیدی برای ساخت مدل‌های قدرتمند پردازش زبان طبیعی (NLP) و استفاده از آن‌ها برای حل مسائل دنیای واقعی را درک کنید.

با بهره‌گیری از کتابخانه‌های محبوب مانند Hugging Face، Transformers و Gradio، مدل‌های یادگیری ماشین و یادگیری عمیق را از ابتدا ایجاد کنید.

در پروژه‌هایی که چالش‌های دنیای واقعی را حل می‌کنند، از جمله ترجمه زبان، خلاصه سازی ویدیو و تجزیه و تحلیل خودکار داده‌ها، غوطه ور شوید.

با APIها، وب‌اسکرپینگ (Web Scraping) و تکنیک‌های مدیریت داده کار کنید تا داده‌ها را برای برنامه‌های کاربردی مبتنی بر هوش مصنوعی جمع آوری، پردازش و تجزیه و تحلیل کنید.

پروژه‌های عملی متعددی را تکمیل کنید، مهارت‌های خود را در ساخت مدل‌های هوش مصنوعی عملی و قابل استقرار (Deployable) که برای استفاده در دنیای واقعی آماده هستند، افزایش دهید.

پیش نیازها:

نیازی به دانش برنامه‌نویسی یا فنی نیست. هر چیزی که نیاز دارید را خواهید آموخت.

داشتن یک کامپیوتر دسکتاپ یا لپ‌تاپ با سیستم عامل ویندوز یا مک.

به بوت کمپ نهایی هوش مصنوعی مولد (Generative AI Bootcamp) خوش آمدید - تنها دوره‌ای که برای تبدیل شدن به یک متخصص مطمئن، ماهر و آماده به کار در هوش مصنوعی مولد و یادگیری عمیق، از صفر، نیاز دارید.

از ساخت چت‌بات‌ها و دستیارهای صوتی گرفته تا ایجاد ابزارهای تولید متن به تصویر و خلاصه کننده ویدیو، شما فقط تئوری را یاد نخواهید گرفت - شما 7 پروژه هوش مصنوعی کامل دنیای واقعی را با استفاده از پایتون، Transformers و Diffusers Hugging Face و Gradio خواهید ساخت. تا زمانی که به پایان برسید، پروژه‌های عملی و آماده ارائه در پورتفولیو خواهید داشت تا مهارت‌های خود را با افتخار به نمایش بگذارید.

چرا این دوره مهم است؟

ما در انقلاب هوش مصنوعی هستیم - و هوش مصنوعی مولد (Generative AI) در قلب آن است. هر صنعتی اکنون با ابزارهایی مانند ChatGPT، Stable Diffusion و کمک‌خلبان‌های هوش مصنوعی (AI Copilots) برای نوشتن، کدنویسی، طراحی، تجزیه و تحلیل و موارد دیگر در حال تغییر است. شرکت‌های فردا در حال حاضر به دنبال استعدادهایی هستند که بدانند چگونه این سیستم‌ها را بسازند، نه فقط استفاده کنند.

اینجاست که این دوره وارد عمل می‌شود - این دوره فقط به شما آموزش نمی‌دهد که هوش مصنوعی مولد (Generative AI) چگونه کار می‌کند - بلکه به شما آموزش می‌دهد که چگونه آن را از ابتدا، با استفاده از ابزارهای استاندارد صنعتی مانند Hugging Face، TensorFlow و Gradio توسعه دهید.

با بیش از 181 درس با دقت طراحی شده، بیش از 18 ساعت محتوای عملی و بدون هیچ گونه پرحرفی، دانش و اعتماد به نفس لازم را برای تبدیل شدن به یک خالق، نه فقط یک مصرف کننده، از فناوری‌های هوش مصنوعی به دست خواهید آورد.

چه چیزی یاد خواهید گرفت؟

این دوره دروازه شما به دنیای هوش مصنوعی خلاق است و شما با تسلط در زمینه‌های اصلی زیر از آن خارج خواهید شد:

مبانی هوش مصنوعی و هوش مصنوعی مولد (Generative AI)

شما با درک اینکه هوش مصنوعی واقعاً چیست شروع خواهید کرد - نه فقط به عنوان یک کلمه رایج، بلکه در ماهیت فنی و اجتماعی آن. شما انواع مختلف هوش مصنوعی (از جمله هوش مصنوعی باریک، عمومی و فوق هوش مصنوعی) را کشف خواهید کرد، اینکه چگونه هوش مصنوعی سنتی با هوش مصنوعی مولد (Generative AI) تفاوت دارد و این فناوری‌ها کجا در حال شکل دادن به آینده هستند. شما همچنین برنامه‌های کاربردی دنیای واقعی، از جمله چت‌بات‌ها، سیستم‌های مستقل، موتورهای پیشنهاد و ابزارهای خلاقانه را بررسی خواهید کرد.

تجربه عملی با ابزارها و موارد استفاده هوش مصنوعی مولد (Gen AI)

از ابتدا، شما ابزارهای تولید متن، تصویر، کد، صوت و ویدیو را بررسی خواهید کرد. شما در معرض آخرین پلتفرم‌ها و APIهای هوش مصنوعی قرار خواهید گرفت و درک خواهید کرد که چگونه در زیر کار می‌کنند - و مهمتر از آن، چگونه از آنها برای ساخت ابزارهای خود استفاده کنید. پروژه‌ها شامل موارد زیر خواهند بود:

  • تولید متن با ترنسفورمرها (Transformers)
  • ایجاد تصویر با Stable Diffusion
  • تولید کد با LLMها
  • توسعه دستیار صوتی
  • خلاصه سازی ویدیو و موارد دیگر

تسلط بر تکنیک‌های مهندسی پرامپت (Prompt Engineering)

شما در هنر پرامپت‌نویسی متخصص خواهید شد و تکنیک‌هایی مانند:

  • پرامپت‌نویسی زنجیره‌ای تفکر (Chain-of-Thought - CoT)
  • استدلال درختی تفکر (Tree-of-Thought - ToT)
  • پرامپت‌های سبک مصاحبه
  • بهترین شیوه‌ها و ابزارها برای ساختاربندی پیشرفته پرامپت

شما پرامپت‌ها را نه تنها برای تعامل با هوش مصنوعی، بلکه برای بهینه سازی عملکرد، دقت و کنترل خروجی، به خصوص در وظایف پیچیده چند مرحله‌ای، خواهید ساخت.

برنامه‌نویسی کامل پایتون برای هوش مصنوعی

حتی اگر قبلاً هرگز کدنویسی نکرده‌اید، این دوره شما را از برنامه‌نویسی پایتون از ابتدا، که به طور خاص برای هوش مصنوعی و کار با داده‌ها طراحی شده است، راهنمایی می‌کند:

  • متغیرها، حلقه‌ها، توابع و کلاس‌ها
  • کار با فایل‌ها، APIها و وب‌اسکرپینگ
  • ساختارهای داده مانند لیست‌ها، دیکشنری‌ها و مجموعه‌ها
  • مدیریت خطا و جریان کنترل
    در پایان، پایتون مانند زبان دوم شما خواهد بود.

یادگیری عمیق و شبکه‌های عصبی (با TensorFlow)

شما بررسی خواهید کرد که شبکه‌های عصبی چگونه واقعاً کار می‌کنند:

  • تنسورها (Tensors) چیستند و چگونه داده‌ها را نمایش می‌دهند
  • مبانی جبر خطی: ماتریس‌ها، ضرب نقطه‌ای و ریاضیات برداری
  • توابع فعال‌سازی (Activation functions)، تکنیک‌های اولیه سازی، انتشار برگشتی (Backpropagation)
  • بهینه سازها (Optimizers) مانند Stochastic Gradient Descent - SGD
    همه با مثال‌های کدنویسی عملی و توضیحات بصری آموزش داده می‌شوند تا به شما کمک کنند عمیقاً درک کنید چه اتفاقی در پشت صحنه می‌افتد.

آموزش مدل و ارزیابی

شما یاد خواهید گرفت که چگونه:

  • پیش پردازش و پاکسازی داده‌ها
  • ساختاردهی مجموعه‌های داده برای آموزش
  • مدل‌ها را گام به گام آموزش دهید و آنها را تنظیم کنید
  • عملکرد آنها را با دقت، زیان و سایر معیارها ارزیابی کنید
    خواه در حال ساخت یک چت‌بات باشید یا یک مدل شرح تصویر (Image Captioning)، خواهید دانست که چگونه اشکال زدایی کنید، بهینه سازی کنید و موفقیت را اندازه گیری کنید.

ساخت 7 پروژه هوش مصنوعی مولد در مقیاس کامل

این دوره به یک دلیل پروژه محور است - شما با ساختن بهترین یادگیری را دارید. در پایان، شما موارد زیر را ساخته‌اید:

  1. هوش مصنوعی شرح تصویر (Image Captioning) با Transformers + Gradio
  2. چت‌بات مولد با استفاده از مدل‌های LLaMA2 و Gemma
  3. دستیار صوتی هوش مصنوعی که گوش می‌دهد و صحبت می‌کند
  4. تولید کننده متن به تصویر با استفاده از Stable Diffusion
  5. خلاصه ساز ویدیویی هوش مصنوعی با استفاده از Whisper + BART
  6. مترجم زبان با مدل M2M100
  7. تحلیلگر داده هوش مصنوعی که می‌تواند متن ورودی را درک و تجزیه و تحلیل کند

هر پروژه جریان‌های کاری واقعی، ابزارهای عملی و کد آماده تولید را آموزش می‌دهد که می‌توانید در GitHub یا در طول مصاحبه‌ها به نمایش بگذارید.

چرا این بوت کمپ برای یادگیرندگان جدی است؟

این یک دوره پرطرفدار نیست که برای بینندگان منفعل ساخته شده باشد - این یک بوت کمپ برای کسانی است که آماده تعهد به آینده هوش مصنوعی هستند.

به همین دلیل است که ما از یک سبک چالش 100 روزه هوش مصنوعی پیروی می‌کنیم - شما را تشویق می‌کنیم که هر روز، حتی به مدت 30 دقیقه، حاضر شوید. این ساختار به گونه‌ای است که عادت‌های مداوم ایجاد می‌کند و به شما کمک می‌کند تا:

  • با اهداف کوچک و قابل مدیریت، به طور موثر یاد بگیرید
  • پروژه‌ها را گام به گام بسازید
  • بدون فرسودگی، روزانه پیشرفت را احساس کنید

شما فقط یادگیری بی‌رویه نخواهید داشت. شما آینده خود را خواهید ساخت - با نظم و وضوح.

یک محدودیت صادقانه

این دوره برای زبان آموزانی که محتوای بسیار بصری یا متحرک را ترجیح می‌دهند نیست. سبک تدریس بر درس‌های مبتنی بر متن، کد-اول، با توضیحات غنی، با تاکید بر عمق، وضوح و کاربرد عملی متمرکز است. در حالی که نمودارها و اشکال در صورت لزوم گنجانده می‌شوند، رویکرد اصلی یادگیری خواندن، انجام دادن و فکر کردن عمیق است - نه تماشای انیمیشن.


سرفصل ها و درس ها

پایه: درک هوش مصنوعی و هوش مصنوعی مولد ---------- FOUNDATION: Understanding AI and Gen AI ----------

  • پیام مهم برای شما! IMPORTANT Message for you!

  • نکاتی در مورد اصطلاحات هوش مصنوعی Note on AI terminologies

مقدمه ای بر هوش مصنوعی و هوش مصنوعی مولد Introduction to AI and Generative AI

  • تاریخچه، تعریف و گردش کار هوش مصنوعی AI history, definition and workflow

  • انواع مختلف هوش مصنوعی Various types of Artificial intelligence

  • هوش مصنوعی در مقابل هوش افزوده Artificial v/s Augmented Intelligence

  • هوش مصنوعی مولد و موارد استفاده آن Generative AI and Its use cases

  • هوش مصنوعی سنتی در مقابل هوش مصنوعی مولد Traditional AI v/s Generative AI

  • مطالعه: انواع هوش مصنوعی Reading material: Types of AI

کاربرد هوش مصنوعی Application of Artificial Intelligence

  • موارد استفاده از هوش مصنوعی در زندگی روزمره AI use cases in Daily life

  • چت بات هوش مصنوعی چیست؟ What is AI Chatbot?

  • ابزارها و کاربردهای هوش مصنوعی مولد Gen AI Tools and Applications

  • مطالعه: هوش مصنوعی و هوش مصنوعی مولد Reading material: AI and Generative AI

مبانی هوش مصنوعی Fundamentals of Artificial Intelligence

  • یادگیری ماشین چیست؟ What is Machine Learning?

  • تکنیک های یادگیری ماشین Machine Learning Techniques

  • درک یادگیری عمیق Understanding Deep Learning

  • شبکه های عصبی و یادگیری عمیق Neural Networks and deep learning

  • مطالعه: اصطلاحنامه های هوش مصنوعی مولد Reading material: Gen AI glossaries

حوزه های مختلف هوش مصنوعی مولد Various Domains of Generative AI

  • مدل های مختلف هوش مصنوعی مولد Various models of Generative AI

  • NLP، فناوری گفتار و بینایی کامپیوتر NLP, Speech Technology & Computer vision

  • هوش مصنوعی، رایانش ابری و لبه ای و اینترنت اشیا AI, Cloud and Edge computing & IoT

  • مطالعه: بخش های هوش مصنوعی + هوش مصنوعی مولد Reading material: The parts of AI + Gen AI

ابزارهای عملی هوش مصنوعی مولد Practical Tools of Generative AI

  • ابزارهای تولید متن Tools for Text Generation

  • آزمایشگاه عملی: تولید متن Hands-on Lab: Text generation

  • ابزارهای تولید تصویر Tools for Image Generation

  • آزمایشگاه عملی: تولید تصویر Hands-on Lab: Image generation

  • ابزارهای تولید کد Tools for Code Generation

  • آزمایشگاه عملی: تولید کد Hands-on Lab: Code generation

  • ابزارهای تولید صدا و تصویر Tools for Audio and Video Generation

  • مطالعه: ابزارهای هوش مصنوعی مولد Reading material: Gen AI Tools

مهندسی پرامپت برای هوش مصنوعی مولد Prompt Engineering for Gen-AI

  • پرامپت چیست؟ What is a Prompt?

  • مهندسی پرامپت چیست؟ What is Prompt Engineering?

  • آزمایشگاه عملی: ساخت پرامپت موثر Hands-on Lab: Crafting effective prompt

  • بهترین روش ها در مهندسی پرامپت Best practices in Prompt engineering

  • مطالعه: ابزارهای مهندسی پرامپت Reading material: prompt engineering tools

روش های مهندسی پرامپت Prompt Engineering Methods

  • تکنیک پرامپت الگوی مصاحبه Interview pattern prompt technique

  • آزمایشگاه عملی: رویکرد مصاحبه Hands-on Lab: Interview approach

  • تکنیک پرامپت زنجیره تفکر Chain-of-Thought prompt technique

  • آزمایشگاه عملی: رویکرد COT Hands-on Lab: COT approach

  • تکنیک پرامپت درخت تفکر Tree-of-Thought prompt technique

  • آزمایشگاه عملی: رویکرد TOT Hands-on Lab: TOT approach

  • مطالعه: مهندسی پرامپت Reading material: Prompt engineering

برنامه نویسی: پایتون برای هوش مصنوعی مولد --------- PROGRAMMING: Python for Generative AI ----------

  • پیام مهم برای شما! IMPORTANT Message for you!

  • نصب پایتون و آناکوندا Installing Python & Anaconda

  • برگه تقلب برنامه نویسی پایتون Python Programming Cheatsheet

متغیرها، انواع و عملگرهای رشته ای Variables, Types and String Operators

  • درک عبارات و متغیرها Understanding Expressions and Variables

  • آزمایشگاه عملی: عبارات و متغیرها Hands-on Lab: Expressions and Variables

  • درک انواع داده ها Understanding Data Types

  • آزمایشگاه عملی: انواع داده های پایتون Hands-on Lab: Python Data Types

  • عملگرهای مختلف رشته ای Various String Operators

  • آزمایشگاه عملی: عملگرهای مختلف رشته ای Hands-on Lab: Various String Operators

  • مطالعه: داده های نوع رشته Reading material: String type data

  • برش و جایگزینی داده های نوع رشته Slicing and Replacing string type data

تاپل، لیست، دیکشنری و مجموعه Tuple, List, Dictionary and Set

  • درک تاپل ها و لیست ها Understanding Tuples and Lists

  • آزمایشگاه عملی: تاپل ها و لیست ها Hands-on Lab: Tuples and Lists

  • کار با دیکشنری ها Working with Dictionaries

  • آزمایشگاه عملی: دیکشنری ها Hands-on Lab: Dictionaries

  • عملیات و دستکاری مجموعه ها Operations & Manipulation of Sets

  • آزمایشگاه عملی: مجموعه ها Hands-on Lab: Sets

  • مطالعه: لیست ها و دیکشنری ها Reading material: List and Dictionaries

  • کار با لیست ها، دیکشنری ها و مجموعه ها Working Lists, Dictionaries and Sets

شرایط، حلقه ها و استثناها Conditions, Loops and Exceptions

  • شرط و شاخه بندی Condition and Branching

  • آزمایشگاه عملی: شرط و شاخه بندی Hands-on Lab: Condition & Branching

  • حلقه ها برای تکرار Loops for Iteration

  • آزمایشگاه عملی: حلقه ها Hands-on Lab: Loops

  • رسیدگی به استثناها Exception Handling

  • آزمایشگاه عملی: رسیدگی به استثناها Hands-on Lab: Exception Handling

  • مطالعه: خطاها در پایتون Reading material: Errors in Python

  • کار با شرطی ها و حلقه ها Working with Conditional & Loops

تابع، کلاس و شی Function, Class and Object

  • توسعه توابع Developing Functions

  • آزمایشگاه عملی: توابع پایتون Hands-on Lab: Python Functions

  • شی و کلاس ها Object and Classes

  • آزمایشگاه عملی: شی و کلاس ها Hands-on Lab: Object and Classes

  • مطالعه: توابع Reading material: functions

  • حل مسائل با توابع Solving problems with Functions

خواندن و نوشتن فایل ها Reading and Writing files

  • خواندن و نوشتن با Open() Reading and Writing with Open()

  • آزمایشگاه عملی: کار با Open() Hands-on Lab: Working with Open()

  • خواندن و نوشتن با Pandas Reading and Writing with Pandas

  • آزمایشگاه عملی: وارد کردن مجموعه داده ها Hands-on Lab: Importing datasets

  • خواندن و نوشتن JASON و XML Reading and Writing JASON & XML

  • آزمایشگاه عملی: وارد کردن JASON و XML Hands-on Lab: Importing JASON & XML

  • مطالعه: مدیریت فایل ها Reading material: Handling files

  • خواندن فایل ها با پایتون Reading Files with Python

وب اسکرپینگ با BeautifulSoup Web Scrapping with BeautifulSoup

  • API، REST API و درخواست API, REST API & Request

  • HTML و BeautifulSoup HTML and BeautifulSoup

  • آزمایشگاه عملی: BeautifulSoup Hands-on Lab: BeautifulSoup

  • مطالعه: BeautifulSoup Reading material: BeautifoulSoup

  • وب اسکرپینگ در پایتون Web scrapping in Python

ریاضیات و مبانی یادگیری عمیق --------- Maths & Deep Learning Essenntials ----------

  • نکاتی در مورد یادگیری عمیق Notes on Deep learning

ریاضیات ضروری Essential Mathematics

  • ماتریس چیست؟ What is Matrix?

  • اسکالرها و بردارها Scalars and Vectors

  • مقدمه ای بر جبر خطی Linear algebra introduction

  • تانسور چیست؟ What is Tensor?

  • ضرب داخلی و ماتریس Dot product and Matrix

مبانی یادگیری عمیق Fundamentals of Deep Learning

  • درک یادگیری عمیق Understanding Deep Learning

  • شبکه های عصبی در یادگیری عمیق Neural Networks in Deep Learning

  • تنسورفلو چیست؟ What is TensorFlow?

  • نحوه کار تنسورفلو 2.0 How TensorFlow 2.0 works

مقداردهی اولیه و گرادیان کاهشی Initialization & Gradient Descent

  • مقداردهی اولیه چیست؟ What is Initialization?

  • مقداردهی اولیه Glorot Glorot Initialization

  • گرادیان کاهشی تصادفی Stochastic Gradient Descent

یادگیری عمیق در زندگی واقعی Deep Learning in Real-life

  • درک داده ها Understanding the data

  • پیش پردازش داده ها Preprocessing the data

  • آموزش مدل Model training

  • ارزیابی مدل Model evaluation

پروژه 1: شرح تصویر با هوش مصنوعی مولد در پایتون --------- PROJECT 1: Gen-AI Image Captioning in Python ---------

  • کد پایتون: هوش مصنوعی شرح تصویر Python code: Image Captioning AI

پیش نیازهای مهم پروژه 1 Important Prerequisites of Project 1

  • مروری بر پروژه و نقشه راه Project overview and roadmap

  • Transformers، PIL، Torch و Gradio Transformers, PIL, Torch & Gradio

  • توسعه مدل شرح تصویر Developing Image Captioning Model

[آزمایشگاه های عملی] مدل شرح تصویر با هوش مصنوعی مولد [Hands-on Labs] Gen-AI Image Captioning Model

  • مرحله 1: نصب کتابخانه های مربوطه Step 1: Installing relevant Libraries

  • مرحله 2: وارد کردن کتابخانه های مربوطه Step 2: Importing relevant Libraries

  • مرحله 3: بارگیری پردازنده و مدل Step 3: Load the processor and model

  • مرحله 4: ایجاد تابع تولید شرح Step 4: Create caption generating function

  • مرحله 5: تعریف رابط Gradio Step 5: Define Gradio Interface

  • مرحله 6: راه اندازی رابط Step 6: Launch the interface

پروژه 2: چت بات هوش مصنوعی مولد در پایتون ---------- PROJECT 2: Gen-AI Chatbot in Python ----------

  • کد پایتون: چت بات هوش مصنوعی Python code: Chatbot AI

پیش نیازهای مهم پروژه 2 Important Prerequisites of Project 2

  • مروری بر پروژه و نقشه راه Project overview and roadmap

  • مدل Gemma-2-2b برای چت بات Gemma-2-2b Model for Chatbot

  • مدل Llama-2-7b برای چت بات Llama-2-7b Model for Chatbot

  • توسعه چت بات هوش مصنوعی مولد Developing Gen AI Chatbot

[آزمایشگاه های عملی] مدل چت بات هوش مصنوعی مولد [Hands-on Labs] Gen-AI Chatbot Model

  • مرحله 1: Hugging Face، Token و Colab Step 1: Hugging Face, Token & Colab

  • مرحله 2: نصب کتابخانه های مربوطه Step 2: Installing relevant Libraries

  • مرحله 3: وارد کردن کتابخانه های مربوطه Step 3: Importing relevant Libraries

  • مرحله 4: بارگیری پردازنده و مدل Step 4: Load the processor and model

  • مرحله 5: ساخت تابع پاسخ Step 5: Build response function

  • مرحله 6: توسعه رابط Gradio Step 6: Develop Gradio Interface

  • مرحله 7: راه اندازی رابط Step 7: Launch the interface

پروژه 3: دستیار صوتی هوش مصنوعی مولد در پایتون ---------- PROJECT 3: Gen-AI Voice Assistant in Python ----------

  • کد پایتون: دستیار صوتی هوش مصنوعی Python code: Voice Assistant AI

پیش نیازهای مهم پروژه 3 Important Prerequisites of Project 3

  • مروری بر پروژه و نقشه راه Project overview and roadmap

  • GTTS، PlaySound، SpeechRecognition GTTS, PlaySound, SpeechRecognition

  • توسعه دستیار صوتی هوش مصنوعی مولد Developing Gen AI Voice Assistant

[آزمایشگاه های عملی] دستیار صوتی هوش مصنوعی مولد [Hands-on Labs] Gen-AI Voice Assistant

  • مرحله 1: نصب کتابخانه های مربوطه Step 1: Installing relevant Libraries

  • مرحله 2: وارد کردن کتابخانه های مربوطه Step 2: Importing relevant Libraries

  • مرحله 3: بارگیری پردازنده و مدل Step 3: Load the processor and model

  • مرحله 4: ساخت تابع پاسخ Step 4: Build response function

  • مرحله 5: ایجاد تابع تبدیل متن به صوت Step 5: Create Text to Audio function

  • مرحله 6: ساخت تابع پردازش ورودی Step 6: Build Input processing function

  • مرحله 7: توسعه رابط Gradio Step 7: Develop Gradio Interface

  • مرحله 8: راه اندازی رابط Step 8: Launch the interface

پروژه 4: تبدیل متن به تصویر با هوش مصنوعی مولد در پایتون --------- PROJECT 4: Gen-AI Text to Image in Python ---------

  • کد پایتون: هوش مصنوعی تبدیل متن به تصویر Python code: Text to Image AI

پیش نیازهای مهم پروژه 4 Important Prerequisites of Project 4

  • مروری بر پروژه و نقشه راه Project overview and roadmap

  • Diffusers - Stable Diffusion Pipeline Diffusers - Stable Diffusion Pipeline

  • runwayml/stable-diffusion-v1-5 runwayml/stable-diffusion-v1-5

  • توسعه مدل تبدیل متن به تصویر با هوش مصنوعی مولد Developing Gen AI Text to Image Model

[آزمایشگاه های عملی] مدل تبدیل متن به تصویر با هوش مصنوعی مولد [Hands-on Labs] Gen-AI Text to Image Model

  • مرحله 1: نصب کتابخانه های مربوطه Step 1: Installing relevant Libraries

  • مرحله 2: وارد کردن کتابخانه های مربوطه Step 2: Importing relevant Libraries

  • مرحله 3: بارگیری خط لوله مدل Step 3: Load the model pipeline

  • مرحله 4: ساخت تابع تولید تصویر Step 4: Build Image generating function

  • مرحله 5: توسعه رابط Gradio Step 5: Develop Gradio Interface

  • مرحله 6: راه اندازی رابط Step 6: Launch the interface

پروژه 5: خلاصه ساز ویدیو با هوش مصنوعی مولد در پایتون -------- PROJECT 5: Gen-AI Video Summarizer in Python --------

  • کد پایتون: هوش مصنوعی خلاصه ساز ویدیو Python code: Video Summarizer AI

پیش نیازهای مهم پروژه 5 Important Prerequisites of Project 5

  • مروری بر پروژه و نقشه راه Project overview and roadmap

  • yt-dlp و WhisperModel yt-dlp and WhisperModel

  • facebook/bart-large-cnn facebook/bart-large-cnn

  • توسعه هوش مصنوعی خلاصه ساز ویدیو Developing Video summarizer AI

[آزمایشگاه های عملی] خلاصه ساز ویدیو با هوش مصنوعی مولد [Hands-on Labs] Gen-AI Video Summarizer

  • مرحله 1: نصب و وارد کردن کتابخانه ها Step 1: Install & Import libraries

  • مرحله 2: دانلود صوت یوتیوب Step 2: Download youtube audio

  • مرحله 3: بارگیری مدل Whisper Step 3: Load the Whisper Model

  • مرحله 4: تابع رونویسی صوتی Step 4: Transcribe audio function

  • مرحله 5: تابع تکه کردن متن Step 5: Text chunk function

  • مرحله 6: بارگیری مدل facebook bart Step 6: Load facebook bart Model

  • مرحله 7: تابع خلاصه سازی متن Step 7: Summarize text function

  • مرحله 8: پردازش تابع ویدیو Step 8: Process video function

  • مرحله 9: توسعه رابط Gradio Step 9: Develop Gradio Interface

  • مرحله 10: راه اندازی و تعامل Step 10: Launch and Interaction

پروژه 6: مترجم زبان با هوش مصنوعی مولد در پایتون ------- PROJECT 6: Gen-AI Language Translator in Python -------

  • کد پایتون: مترجم زبان Python code: Language Translator

پیش نیازهای مهم پروژه 6 Important Prerequisites of Project 6

  • مروری بر پروژه و نقشه راه Project overview and roadmap

  • facebook/m2m100_1.2B facebook/m2m100_1.2B

  • توسعه هوش مصنوعی مترجم Developing Translator AI

[آزمایشگاه های عملی] مترجم زبان با هوش مصنوعی مولد [Hands-on Labs] Gen-AI Language Translator

  • مرحله 1: نصب ماژول های مربوطه Step 1: Install relevant modules

  • مرحله 2: وارد کردن کتابخانه های مربوطه Step 2: Import relevant libraries

  • مرحله 3: بارگیری مدل و Tokenizer Step 3: Load Model and Tokenizer

  • مرحله 4: ایجاد تابع ترجمه Step 4: Creating translate function

  • مرحله 5: ایجاد رابط gradio Step 5: Creating gradio interface

  • مرحله 6: راه اندازی و تعامل Step 6: Launch and interaction

پروژه 7: تحلیلگر داده با هوش مصنوعی مولد در پایتون --------- PROJECT 7: Gen-AI Data Analyst in Python ---------

  • کد پایتون: هوش مصنوعی تحلیلگر داده Python code: Data Analyst AI

پیش نیازهای مهم پروژه 7 Important Prerequisites of Project 7

  • مروری بر پروژه و نقشه راه Project overview and roadmap

  • facebook/bart-large-mnli facebook/bart-large-mnli

  • توسعه هوش مصنوعی تحلیلگر داده Developing Data Analyst AI

[آزمایشگاه های عملی] دستیار تحلیل داده با هوش مصنوعی مولد [Hands-on Labs] Gen-AI Data Analysis Assistant

  • مرحله 1: نصب و وارد کردن ماژول ها Step 1: Install & Importing modules

  • مرحله 2: بارگیری مدل طبقه بندی Step 2: Load classification model

  • مرحله 3: ایجاد تابع پرامپت طبقه بندی Step 3: Create classify prompt function

  • مرحله 4: ساخت تابع استخراج متغیرها Step 4: Build extract variables function

  • مرحله 5: ایجاد پردازشگرهای داده Step 5: Create the data processors

  • مرحله 6: تعریف توابع تحلیل داده Step 6: Define data analysis functions

  • مرحله 7: توسعه گردش کار تحلیل Step 7: Develop the analysis workflow

  • مرحله 8: رابط Gradio و راه اندازی Step 8: Gradio interface and Launch

پایان؟ The END?

  • مطمئناً نه! Of course NOT!

نمایش نظرات

آموزش بوت کمپ کامل هوش مصنوعی مولد با پایتون + هاگینگ فیس
جزییات دوره
17 hours
181
Udemy (یودمی) Udemy (یودمی)
(آخرین آپدیت)
1,252
4.4 از 5
دارد
دارد
دارد
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Intelli Analytica Intelli Analytica

با هوش داده در آینده حرکت کنید