آموزش لایه دسترسی به مدل‌های GenAI و خروجی‌های ساختاریافته - آخرین آپدیت

سرفصل ها و درس ها

الگوهای API آماده برای محیط عملیاتی در GenAI Production-ready API Patterns for GenAI

• ملاحظات کلیدی برای یکپارچه‌سازی API مدل‌های زبانی Key Considerations for LLM API Integration

• ساخت Wrapperهای قدرتمند برای کلاینت API Building Robust API Client Wrappers

• استراتژی‌های جایگزین و تاب‌آوری سیستم Fallback Strategies and System Resilience

• بهینه‌سازی مصرف API و هزینه‌ها Optimizing API Usage and Cost

• دمو: یکپارچه‌سازی APIهای LLM در محیط عملیاتی Demo: Integrating LLM APIs in Production

ساختاربندی و اعتبارسنجی تولید خروجی Structuring and Validating Output Generation

• طراحی JSON Schemaها Designing JSON Schemas

• مدیریت خطاهای خروجی LLM Handling LLM Output Errors

• خروجی‌های ساختاریافته نیتیو در مقابل متن آزاد Native Structured Output vs. Freeform Text

• دمو: خط لوله اعتبارسنجی خروجی Demo: Output Validation Pipeline

پرامپت‌نویسی پیشرفته برای سیستم‌های عملیاتی Advanced Prompting for Production Systems

• ساخت قالب‌های پرامپت انعطاف‌پذیر Building Flexible Prompt Templates

• نسخه‌بندی پرامپت‌ها و تست A/B Prompt Versioning and A/B Testing

• تست و اعتبارسنجی پرامپت‌ها Testing and Validating Prompts

• دمو: قالب‌های پرامپت Demo: Prompt Templates

معماری‌های فراخوانی توابع برای GenAI Function Calling Architectures for GenAI

• فراخوانی توابع (Function Calling) چیست؟ What Is Function Calling?

• طراحی Schemaهای توابع Designing Function Schemas

• اجرای ایمن توابع Safe Function Execution

• دمو: توابع چندمرحله‌ای Demo: Multi-step Function

خط لوله‌های GenAI چندوجهی Multimodal GenAI Pipelines

• آشنایی با سیستم‌های چندوجهی (Multimodal) Introduction to Multimodal Systems

• بهینه‌سازی مصرف APIهای چندوجهی Optimizing Multimodal API Usage

• استراتژی‌های جایگزین و تاب‌آوری Fallback and Resilience Strategies

• دمو: خط لوله چندوجهی Demo: Multimodal Pipeline

تنظیم دقیق (Fine-tuning) و شخصی‌سازی مدل Fine-tuning and Model Customization

• تنظیم دقیق (Fine-tuning) در مقابل مهندسی پرامپت Fine-tuning vs. Prompt Engineering

• خط لوله‌های تنظیم دقیق Fine-tuning Pipelines

• تنظیم دقیق با بهره‌وری پارامتریک (PEFT) Parameter-efficient Fine-tuning

• دمو: ارزیابی مدل‌های Fine-tune شده Demo: Evaluating Fine-tuned Models

تضمین کیفیت و قابلیت اطمینان خروجی‌های LLM Ensuring LLM Output Quality and Reliability

• اعتبارسنجی خروجی‌های LLM Validating LLM Outputs

• اطمینان و عدم قطعیت Confidence and Uncertainty

• بهبود و اصلاح خروجی Output Refinement

• دمو: حلقه‌های بازخورد Demo: Feedback Loops