آموزش مهندسی پیشرفته پرامپت و مدیریت حافظه در هوش مصنوعی - آخرین آپدیت

دانلود Advanced Prompt Engineering and Memory Management

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: این دوره دارای قابلیت Coursera Coach است! روشی هوشمندتر برای یادگیری با گفتگوهای تعاملی و آنی که به شما کمک می‌کند دانش خود را بسنجید، پیش‌فرض‌ها را به چالش بکشید و در طول مسیر، درک خود را عمیق‌تر کنید. این دوره پیشرفته در زمینه مهندسی پرامپت (Prompt Engineering) و مدیریت حافظه، شما را به اعماق تکنیک‌هایی می‌برد که عملکرد و تعامل مدل‌های زبانی بزرگ (LLMs) را بهبود می‌بخشند. با شروع از اصول اولیه مهندسی پرامپت، استراتژی‌های پیشرفته مختلفی از Few-shot تا Zero-shot و زنجیره افکار (Chain-of-thought) را بررسی خواهید کرد. با پیشروی در دوره، به مبحث مدیریت زمینه (Context) و حافظه خواهید پرداخت و یاد می‌گیرید که مدل‌های زبانی چگونه حافظه را برای تعاملات پیچیده‌تر حفظ و استفاده می‌کنند. پروژه‌های عملی این دوره به شما کمک می‌کند تا هر تکنیک را به کار بگیرید و اطمینان حاصل کنید که نه تنها تئوری را درک کرده‌اید، بلکه تجربه عملی در سناریوهای واقعی نیز کسب کرده‌اید. همچنین این دوره شامل مبحث تولید تقویت‌شده با بازیابی (RAG) است؛ روشی پیشرفته که بازیابی داده‌های خارجی را با هوش مصنوعی مولد ادغام می‌کند تا پاسخ‌های مدل را بهبود بخشد. در طول ماژول‌ها، شما در ساخت و بهینه‌سازی جریان‌های کاری پیچیده، از راه‌اندازی مدیریت حافظه برای چت‌بات‌ها گرفته تا ساخت یک خط لوله (Pipeline) کامل RAG، مشارکت خواهید داشت. همچنین ادغام آن در رابط‌های کاربری را بررسی می‌کنید تا محصول نهایی هم کاربردی و هم کاربرپسند باشد. این دوره برای یادگیرندگان سطح متوسط تا پیشرفته با پیش‌زمینه در هوش مصنوعی یا برنامه‌نویسی ایده‌آل است. تمرکز اصلی بر افرادی است که علاقه‌مند به ارتقای مهارت‌های خود در بهینه‌سازی مدل‌های هوش مصنوعی، به‌ویژه در زمینه‌های طراحی پرامپت، مدیریت حافظه و توسعه اپلیکیشن‌های مبتنی بر RAG هستند. در پایان دوره، شما قادر خواهید بود تکنیک‌های پیشرفته پرامپت‌نویسی را پیاده‌سازی کنید، زمینه و حافظه را در مدل‌های LLM مدیریت کنید، یک خط لوله RAG عملیاتی توسعه دهید و این سیستم‌ها را در اپلیکیشن‌های تعاملی ادغام کنید.

سرفصل ها و درس ها

مهندسی پرامپت: از مبانی تا پیشرفته Prompt Engineering: From Basics to Advanced

  • مقدمه‌ای بر مهندسی پرامپت Prompt Engineering Introduction

  • مهندسی پرامپت و انواع آن: چرا اهمیت دارد؟ Prompt Engineering and Types: Why It Matters

  • آموزش عملی: مثال ساده از پرامپت‌نویسی Hands-On: Simple Prompting Example

  • تکنیک‌های پیشرفته پرامپت‌نویسی و چالش‌ها Advanced Prompting Techniques and Challenges

  • آموزش عملی: پرامپت‌نویسی Few-Shot Hands-On: Few-Shots Prompting

  • آموزش عملی: پرامپت‌نویسی Zero-Shot Hands-On: Zero-Shot Prompting

  • آموزش عملی: پرامپت‌نویسی زنجیره افکار (Chain of Thought) Hands-On: Chain-of-Thought Prompting

  • آموزش عملی: پرامپت‌نویسی دستورالعملی Hands-On: Instructional Prompting

  • آموزش عملی: نقش‌آفرینی و پرامپت‌نویسی باز Hands-On: Role-Playing and Open-Ended Prompting

  • نمونه‌برداری Temperature و Top p Temperature and Top-p Sampling

  • آموزش عملی: ترکیب تکنیک‌های پرامپت و استریمینگ Hands-On: Prompt Techniques Combination and Streaming

  • خلاصه و نکات کلیدی مهندسی پرامپت Prompt Engineering Summary and Takeaways

مدیریت زمینه و حافظه در مدل‌های زبانی بزرگ (LLMs) Context and Memory Management in LLMs

  • آموزش عملی: نمای کلی مدیریت زمینه و حافظه Hands-On: Context and Memory Management Overview

  • مدیریت زمینه و حافظه چیست: بررسی عمیق What Is Context and Memory Management: Deep Dive

  • آموزش عملی: افزودن حافظه و زمینه به چت‌باکس Hands-On: Adding Memory and Context to Chatbox

  • خلاصه Summary

ثبت وقایع (Logging) در اپلیکیشن‌های LLM Logging in LLM Applications

  • مقدمه‌ای بر Logging: چیستی و چرایی Logging Introduction: What and the Why

  • ثبت وقایع در اپلیکیشن‌های LLM و چرخه حیات Logging Logging in LLM Applications and Logging Life Cycle

  • آموزش عملی: ساخت چت‌بات با قابلیت Logging Hands-On: Chatbot with Logging

  • خلاصه Summary

درک تولید تقویت‌شده با بازیابی (RAG) Understanding Retrieval-Augmented Generation (RAG)

  • مقدمه‌ای بر RAG: این تکنولوژی چیست؟ RAG Introduction: What Is It?

  • اجزای کلیدی RAG: مثلث RAG RAG Key Components: The RAG Triad

  • مقایسه RAG با مدل‌های خالص هوش مصنوعی مولد RAG vs. Pure GenAI Models

  • بررسی عمیق RAG: تحلیل کامل نمودار RAG Deep Dive: Full Diagram Walkthrough

  • مزایا و کاربردهای عملی RAG RAG Benefits and Practical Applications

  • چالش‌های RAG RAG Challenges

  • مبانی RAG: نکات کلیدی و خلاصه RAG Fundamentals: Takeaways and Summary

گردش کار PDF در RAG و ادغام با رابط کاربری RAG PDF Workflow and UI Integration

  • ساخت خط لوله RAG: نمای کلی Building a RAG Pipeline: Overview

  • نمودار معماری اولین گردش کار RAG First RAG Workflow Architectural Diagram

  • راه‌اندازی کلاس مدل Embedding Setting Up the Embedding Model Class

  • آموزش عملی: ساخت و نمایش گردش کار RAG Hands-On: Building and Showcasing the RAG Workflow

  • آموزش عملی: گردش کار RAG با رابط کاربری Streamlit Hands-On: RAG Workflow with UI—Streamlit

  • خلاصه اولین خط لوله RAG First RAG Pipeline Summary

نمایش نظرات

آموزش مهندسی پیشرفته پرامپت و مدیریت حافظه در هوش مصنوعی
جزییات دوره
6h 7m
33
(آخرین آپدیت)
403
- از 5
دارد
دارد
دارد
Chris Croft
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Chris Croft Chris Croft

مربی مدیریت، سخنران، نویسنده