کانال تلگرام پشتیبانی تلگرام شماره تماس پشتیبانی: 0930 395 3766
ورود ثبت نام

آموزش هوش مصنوعی مولد جامع: از مبانی تا هوش مصنوعی عامل، RAG، Bedrock، Vertex AI - آخرین آپدیت

دانلود Complete Gen AI: Basic to Agent AI, RAG, Bedrock, Vertex AI

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

راهنمای جامع هوش مصنوعی مولد (Generative AI): از مبانی تا پیاده‌سازی پیشرفته

با این دوره جامع و عملی، پتانسیل کامل هوش مصنوعی مولد (Generative AI) را آزاد کنید. این دوره برای دانشجویان، توسعه‌دهندگان و علاقه‌مندان به هوش مصنوعی طراحی شده است و تجربه‌ای همه‌جانبه را ارائه می‌دهد. از مبانی پردازش زبان طبیعی (NLP) و هوش مصنوعی مولد شروع کرده و دانش پایه‌ای لازم برای موفقیت را کسب کنید. اصول اولیه پایتون (Python) را نیز خواهید آموخت تا حتی افراد مبتدی در برنامه‌نویسی نیز بتوانند به طور کامل شرکت کنند.

آشنایی با مبانی

  • مبانی پردازش زبان طبیعی (NLP): توکنیزاسیون (Tokenization)، تعبیه کلمات (Embeddings)، برچسب‌گذاری اجزای کلام (POS Tagging)، TF-IDF، تکه‌تکه کردن (Chunking) و موارد دیگر.
  • مبانی هوش مصنوعی مولد: کاوش در مفاهیم کلیدی مانند خودرمزگذارها (Autoencoders)، VAEs، GANs و مدل‌های ترنسفورمر (Transformer Models).

تسلط بر مهندسی پرامپت و ابزارهای پیشرفته

  • مهندسی پرامپت (Prompt Engineering): یادگیری تکنیک‌های طراحی پرامپت‌های مؤثر برای مدل‌هایی مانند ChatGPT، از جمله پرامپت‌های بدون مثال (Zero-Shot)، با یک مثال (One-Shot) و چند مثال (Few-Shot).
  • کار با ابزارهای پیشرو در صنعت: کاوش در پلتفرم‌های پیشرفته هوش مصنوعی مولد مانند ChatGPT، Google Gemini و Microsoft CoPilot برای کاربردهای دنیای واقعی.

پیاده‌سازی عملی با LangChain و اکوسیستم آن

  • آماده‌سازی محیط برای کاربردهای عملی هوش مصنوعی مولد: پیاده‌سازی RAG با استفاده از Python، VS Code و LangChain.
  • کار با LangChain و کتابخانه‌های اکوسیستم LangChain (LCEL): ساخت برنامه‌های کاربردی هوش مصنوعی مولد واقعی و کاوش در اکوسیستم LangChain.
  • کار با LangSmith و LangGraph برای درک عمیق‌تر.

توسعه عوامل هوشمند (AI Agents) و تکنیک‌های RAG

  • توسعه عوامل هوشمند (AI Agents): درک و پیاده‌سازی عوامل هوشمند مانند Crew AI و AutoGen برای خودکارسازی وظایف پیچیده.
  • پیاده‌سازی Vector RAG و Graph RAG: استفاده از Neo4j برای تکنیک‌های بازیابی پیشرفته و غنی‌سازی داده‌ها.
  • یادگیری تکنیک‌های Self-Reflective RAG: درک چگونگی استدلال و بازتاب هوش مصنوعی بر روی فرآیندهای خود.

کاربرد در پلتفرم‌های ابری و مهارت‌های پایتون

  • هوش مصنوعی مولد با AWS Bedrock
  • هوش مصنوعی مولد با Google Cloud Vertex AI
  • پیاده‌سازی کاربردی با AWS Bedrock BOTO3
  • پیاده‌سازی کاربردی Google Cloud Vertex AI
  • مهارت‌های عملی پایتون برای هوش مصنوعی مولد: از اصول اولیه شروع کرده و با پایتون و کتابخانه‌هایی مانند NLTK به توسعه پیشرفته هوش مصنوعی بپردازید.

ساخت راه‌حل‌های هوش مصنوعی از ابتدا

  • ساخت راه‌حل‌های هوش مصنوعی از ابتدا: کسب دانش جامع از ابتدا تا انتها در مورد هوش مصنوعی مولد، از مبانی تا پیاده‌سازی‌های پیشرفته با LangChain و LCEL.

این دوره با آزمون‌ها، چالش‌های کدنویسی عملی و پروژه‌های کاربردی، تضمین می‌کند که هم درک نظری و هم تجربه عملی در مهم‌ترین حوزه‌های هوش مصنوعی مولد را کسب می‌کنید. آماده شوید تا راه‌حل‌های هوش مصنوعی را از صفر بسازید!

پیش‌نیازها

درک اولیه از پایتون (Python) توصیه می‌شود، اما نگران نباشید، این دوره اصول اولیه پایتون را پوشش خواهد داد.

سرفصل ها و درس ها

مقدمه Introduction

  • مقدمه Introduction

اصول هوش مصنوعی مولد Fundamental of Gen AI

  • مروری بر هوش مصنوعی مولد: توضیحات ساده، هوش مصنوعی مولد در مقابل هوش مصنوعی پیش‌بین Overview of Generative AI: Easy explanation, Gen AI vs Predective AI

  • مدل‌های هوش مصنوعی مولد: فضای نهان (Latent Space) Generative AI - Models: Latent Space

  • مدل‌های هوش مصنوعی مولد: کدگذار خودکار و VAE Gen AI Models: Auto Encoder and VAE

  • مدل‌های هوش مصنوعی مولد: مدل GANs Gen AI Models : GANs model

  • مدل ترانسفورمر - درک جزئی با ۲ مثال Transformer model - Detailed understanding with 2 examples

اصول NLP Fundamental of NLP

  • NLP چیست؟ What is NLP?

  • مفاهیم NLP: POS، NER، Chunking، BOW، TF-IDF و Embeddings NLP concepts: POS, NER, Chunking, BOW, TF-IDF and Embeddings

  • مفاهیم NLP: Tokenization، Stemming، Lemmatization NLP concepts: Tokenization, Stemming, Lemmatization

  • مفاهیم NLP: ارزیابی NLP NLP concepts: Evaluation of NLP

راه اندازی محیط Environment Setup

  • پایتون، VS Code، Neo4J، راه اندازی کلید API Python, VS Code, Neo4J, API Key setup

پایتون (برای مبتدیان) Python (for Beginners)

  • مبانی پایتون: Hello World، انواع داده، If-Else Python basics : Hello World, Data Type, If-Else

  • مبانی پایتون: لیست، تاپل، ست، دیکشنری Python basics : List, Tuples, Set, Dictionary

  • مبانی پایتون: توسعه اولین برنامه LLM Python basics : Develop first LLM app

NLTK - Natural Language ToolKit : درک مفاهیم NLP با پایتون NLTK - Natural Language ToolKit : Understand NLP concept with Python

  • NLTK - Embedding، Tokenization NLTK - Embedding , Tokenization

  • NLTK - BOW، TF-IDF NLTK - BOW, TF-IDF

محصولات هوش مصنوعی مولد و مهندسی پرامپت Gen AI products and Prompt Engineering

  • مهندسی پرامپت: مفاهیم، عناصر کلیدی، تکنیک‌های مختلف Prompt Engineering: Concepts, Key Elements, Different techniques

  • مهندسی پرامپت عملی با ChatGPT Prompt engineering hands on with ChatGPT

  • پرامپت‌نویسی از طریق UI گِروک (Groq UI) Prompting through Groq UI

  • پرامپت‌نویسی از طریق Gemini Prompting through Gemini

  • هوش مصنوعی مولد از طریق Microsoft Co Pilot Gen AI through Microsoft Co Pilot

LangChain LangChain

  • مفهوم LangChain Concept of LangChain

  • مروری بر LCEL (LangChain Expression Language) Overview of LCEL(LangChain Expression Language)

  • عملی سریع با LCEL Quick hands-on with LCEL

  • اولین برنامه LLM با LangChain First LLM Application with LangChain

  • اولین چت‌بات Streamlit با LangChain First Streamlit Chatbot with LangChain

LangGraph LangGraph

  • LangGraph - مفهوم و عملی LangGraph - Concept and Hands on

مفهوم هوش مصنوعی عامل‌گونه (Agentic AI) Concept of Agentic AI

  • هوش مصنوعی عامل‌گونه - مفهوم و گردش کار Agentic AI - Concept and workflow

  • هوش مصنوعی عامل‌گونه - مرور کلی و ویژگی‌های کلیدی Agentic AI - Overview and Key characteristics

  • کاربردهای هوش مصنوعی عامل‌گونه Agentic AI - Applications

  • الگوهای طراحی هوش مصنوعی عامل‌گونه Agentic AI - Design Pattern

CrewAI CrewAI

  • Crew AI - مرور کلی و اجزا Crew AI - Overview and components

  • Crew AI عملی: ساخت برنامه ساده یک عامل با Streamlit Crew AI Hands-On : Build simple one agent streamlit app

  • Crew AI عملی: فرآیند سلسله مراتبی Crew AI Hands-On: Hierarchical Process

  • Crew AI عملی: عامل مدیر سفارشی‌سازی شده Crew AI Hands-On: Customized Manager Agent

  • Crew AI عملی: ساخت برنامه عامل‌گونه برنامه‌ریز سفر با Streamlit Crew AI Hands-On : Build Trip Planner Agentic app with Streamlit

  • Crew AI عملی: ساخت کد بازی پایتون با عامل Crew AI Hands-On : Build Game Python code with Agent

  • AgentOps: ادغام عوامل برنامه‌ریز سفر AgentOps : Integrate Trip Planner Agents

AutoGen AutoGen

  • AutoGen - مرور کلی و مفاهیم AutoGen - Overview and concepts

  • AutoGen عملی: مرور کلی AutoGen Hands-On : Overview

  • AutoGen عملی: اجرای کد با عامل AutoGen Hands-On : Execute code with agent

  • AutoGen عملی: الگوی ترتیبی AutoGen Hands-On: Sequential Pattern

  • AutoGen عملی: الگوی گروه چت (GroupChat) AutoGen Hands-On: GroupChat Pattern

  • AutoGen عملی: دو عامل چت با Streamlit AutoGen Hands-On: Two Agents Chat with Streamlit

  • AutoGen عملی: نحوه ایجاد ابزارهای سفارشی AutoGen Hands-On: How to create custom tools

  • AutogenStudio: محصول مایکروسافت برای ساخت عوامل از طریق UI AutogenStudio : Microsoft product to build Agents through UI

مبانی RAG Fundamentals of RAG

  • چرا RAG؟ Why RAG?

  • فرآیند RAG Process of RAG

پیاده‌سازی چت‌بات با Vector RAG Implement chatbot with Vector RAG

  • Vector RAG چیست؟ What is vector RAG ?

  • توسعه Vector RAG با API گِروک (Groq API) و Langchain Develop vector RAG with Groq API and Langchain

پیاده‌سازی چت‌بات RAG با Graph RAG Implement RAG chatbot with Graph RAG

  • Graph RAG چیست؟ What is Graph RAG

  • Graph RAG با Neo4j Graph RAG with Neo4j

  • جستجوی ترکیبی Graph RAG با Neo4j Hybrid search Graph RAG with Neo4j

پیاده‌سازی RAG خود-بازتابی یا RAG انطباقی Implement Self-Reflective RAG or Adaptive RAG

  • درک جریان انطباقی یا خود-بازتابی Understand adaptive or self-reflective flow

  • پیاده‌سازی چت‌بات RAG خود-بازتابی با Langgraph Implement Self-reflective RAG chatbot with Langgraph

  • AutoGen عملی: RAG عامل‌گونه با Streamlit AutoGen Hands-On: Agentic RAG with streamlit

ارزیابی LLM با LangSmith Evaluate LLM with LangSmith

  • ادغام LangSmith با RAG LangSmith integration with RAG

هوش مصنوعی مولد آمازون AWS Amazon AWS Generative AI

  • ویژگی‌های AWS Bedrock AWS Bedrock features

  • راه اندازی حساب Bedrock Account setup Bedrock

  • کنسول Bedrock Bedrock Console

  • Bedrock - نحوه دسترسی به LLM و Playground Bedrock - How to access LLM and Playground

نمونه کاربرد هوش مصنوعی مولد AWS: تولید تصویر از طریق Bedrock، S3، Lambda AWS Gen AI use case: Generate Image through Bedrock , S3, Lambda

  • مرور و معماری نمونه کاربرد Bedrock Bedrock use case overview and architecture

  • نمونه کاربرد Bedrock عملی - Lambda، Boto3 و S3 Bedrock use case hands on - Lambda, Boto3 and S3

  • پیاده‌سازی Bedrock - Lambda، Boto3 و S3 (ادامه) Bedrock Implementation - Lambda, Boto3 and S3 (continue)

  • پیاده‌سازی Bedrock - URL از پیش امضا شده (Pre signed URL) و API Gateway. Bedrock Implementation - Pre signed URL and API Gateway.

کاربرد AWS - پایگاه دانش Bedrock یا برنامه RAG با S3، Boto3، Bedrock AWS Usecase - Bedrock Knowledge Base or RAG application with S3, Boto3, Bedrock

  • مرور نمونه کاربرد Overview of the use case

  • مرور معماری نمونه کاربرد Architecture Overview of usercase

  • راه اندازی پایگاه دانش Bedrock Setup Bedrock Knowledge Base

  • همگام سازی پایگاه دانش Bedrock Sync Bedrock Knowledge Base

  • راه اندازی محیط Bedrock Boto3 - ادغام S3 Bedrock Boto3 environment setup - S3 integration

  • پیاده‌سازی - چت‌بات Streamlit، پایگاه دانش، s3 Implementation - Streamlit chatbot, knowledge base, s3

  • پیاده‌سازی - همگام سازی خودکار با Lambda Implementation - Auto sync with Lambda

AWS Bedrock - هوش مصنوعی عامل‌گونه و گاردریل AWS Bedrock - Agentic AI and Guardrail

  • عامل Bedrock - ایجاد و تست Bedrock Agent - create and test

  • گاردریل Bedrock Bedrock Guardrail

گوگل کلود - هوش مصنوعی مولد Google Cloud - GenAI

  • پیشنهادات هوش مصنوعی مولد گوگل Google Gen AI offerings

  • Vertex AI - ویژگی‌ها و قیمت‌گذاری Vertex AI - Features and pricing

  • راه اندازی حساب و صفحه فرود Vertex AI Account setup and Vertex AI landing page

  • Vertex AI Studio - ویژگی‌ها (عملی) Vertex AI Studio - Features (Hands On)

  • نمونه کاربرد: Vertex AI - جستجوی اسناد Use case: Vertex AI - Document search

  • نمونه کاربرد: دستیار هوش مصنوعی آژانس مسافرتی با Agent Builder (RAG) Use case: Travel agent AI assistant with agent builder (RAG)

  • نمونه کاربرد: دستیار هوش مصنوعی آژانس مسافرتی با Agent Builder (API خارجی) Use case: Travel agent AI assistant with agent builder (External API)

  • نمونه کاربرد: دستیار هوش مصنوعی آژانس مسافرتی با Agent Builder (Cloud Function) Use case: Travel agent AI assistant with agent builder (Cloud Function)

تکلیف و آزمون Assignment and Quiz

  • تکلیف Assignment

  • آزمون برای شفاف‌سازی درک مطلب Quiz to clear understanding

آموزش کارگاه Básico de Brush Lettering en Español

آموزش کارگاه Básico de Brush Lettering en Español

Workshop Básico de Brush Lettering en Español

آموزش یوگای بدن: یوگای قدرتی برای کاهش وزن، عضلات لاغر، تحرک

آموزش یوگای بدن: یوگای قدرتی برای کاهش وزن، عضلات لاغر، تحرک

دانلود Yoga Body: Power Yoga For Weight Loss, Lean Muscle, Mobility

آموزش موارد جدید در SQL Server 2016 Integration Services

آموزش موارد جدید در SQL Server 2016 Integration Services

What's New in SQL Server 2016 Integration Services

نمایش نظرات

آموزش هوش مصنوعی مولد جامع: از مبانی تا هوش مصنوعی عامل، RAG، Bedrock، Vertex AI
جزییات دوره
12 hours
83
Udemy (یودمی) Udemy (یودمی)
(آخرین آپدیت)
298
4.2 از 5
دارد
دارد
دارد

https://donyad.com/d/8dbf1d

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

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Soumen Kumar Mondal Soumen Kumar Mondal

علاقه مند به یادگیری فناوری های منبع باز جدید.