آموزش از جاوا تا هوش مصنوعی: راهنمای بدون پایتون برای هوش مصنوعی و مدل‌های زبانی بزرگ - آخرین آپدیت

سرفصل ها و درس ها

Foundations of AI and Machine Learning

• What is AI really?-هوش مصنوعی واقعاً چیست؟ What is AI really?

• How is AI Different From Traditional Software?-هوش مصنوعی چه تفاوتی با نرم‌افزارهای سنتی دارد؟ How is AI Different From Traditional Software?

• The BEST Explanation of AI Training-بهترین توضیح در مورد آموزش هوش مصنوعی The BEST Explanation of AI Training

• Challenges and Pitfalls in AI Training-چالش‌ها و مشکلات در آموزش هوش مصنوعی Challenges and Pitfalls in AI Training

• AI vs. Machine Learning - What's The Difference?-هوش مصنوعی در مقابل یادگیری ماشینی - تفاوت چیست؟ AI vs. Machine Learning - What's The Difference?

Understanding Language Models-درک مدل‌های زبانی Understanding Language Models

• What are Language Models?-مدل‌های زبانی چه هستند؟ What are Language Models?

• What does a model look like?-یک مدل چگونه است؟ What does a model look like?

• Why "large" language models?-چرا مدل‌های زبانی "بزرگ"؟ Why "large" language models?

• Understanding typical sizes of LLMs-درک اندازه‌های معمول LLMها Understanding typical sizes of LLMs

• Training an LLM - what actually gets adjusted?-آموزش یک LLM - در واقع چه چیزی تنظیم می‌شود؟ Training an LLM - what actually gets adjusted?

• What about conflicts in training?-در مورد تضادها در آموزش چطور؟ What about conflicts in training?

• LLM size - Is more always better?-اندازه LLM - آیا بیشتر همیشه بهتر است؟ LLM size - Is more always better?

Text Processing and Tokenization-پردازش متن و توکنیزه کردن Text Processing and Tokenization

• How LLMs process text-LLMها چگونه متن را پردازش می‌کنند How LLMs process text

• How big are tokens?-توکن‌ها چقدر بزرگ هستند؟ How big are tokens?

• Tokenizer types-انواع Tokenizer Tokenizer types

• Tokenizer Visualizer Demo-دموی تجسم‌گر Tokenizer Tokenizer Visualizer Demo

Capabilities and Integration-قابلیت‌ها و ادغام Capabilities and Integration

• Four Common Capabilities of LLMs-چهار قابلیت رایج LLMها Four Common Capabilities of LLMs

• Integration for Java developers-ادغام برای توسعه‌دهندگان جاوا Integration for Java developers

Prompting and Interaction with LLMs-پرامپتینگ و تعامل با LLMها Prompting and Interaction with LLMs

• Prompting and how it works-پرامپتینگ و نحوه عملکرد آن Prompting and how it works

• The rationale behind prompting-منطق پشت پرامپتینگ The rationale behind prompting

• Chain of thought prompting-پرامپتینگ زنجیره تفکر Chain of thought prompting

• Single-turn and Multi-turn interactions-تعاملات تک‌مرحله‌ای و چندمرحله‌ای Single-turn and Multi-turn interactions

• LLMs are stateless-LLMها بی‌حالت هستند LLMs are stateless

Context Management and Structured Messaging-مدیریت زمینه و پیام‌رسانی ساخت‌یافته Context Management and Structured Messaging

• Tokens and Context Windows-توکن‌ها و پنجره‌های زمینه Tokens and Context Windows

• Context window precision and tradeoffs-دقت و مبادله‌های پنجره زمینه Context window precision and tradeoffs

• Structured Messages - System, Assistant and User-پیام‌های ساخت‌یافته - سیستم، دستیار و کاربر Structured Messages - System, Assistant and User

• Some examples of structured messages-چند نمونه از پیام‌های ساخت‌یافته Some examples of structured messages

• Context window truncation - Bye bye system message?-حذف پنجره زمینه - خداحافظ پیام سیستم؟ Context window truncation - Bye bye system message?

• Questions about system message answered-پاسخ به سوالات در مورد پیام سیستم Questions about system message answered

LLM Configuration and Robust Output Handling-پیکربندی LLM و مدیریت خروجی قوی LLM Configuration and Robust Output Handling

• LLM Configuration parameters-پارامترهای پیکربندی LLM LLM Configuration parameters

• The temperature parameter-پارامتر دما The temperature parameter

• Max tokens parameter-پارامتر حداکثر توکن Max tokens parameter

• Top K and Top P sampling-نمونه‌برداری Top K و Top P Top K and Top P sampling

• Structured outputs-خروجی‌های ساخت‌یافته Structured outputs

• Tool calling-فراخوانی ابزار Tool calling

• Handling Errors and Unexpected Outputs-مدیریت خطاها و خروجی‌های غیرمنتظره Handling Errors and Unexpected Outputs

• Retry strategies-راهبردهای تلاش مجدد Retry strategies

• Validation-اعتبارسنجی Validation