آموزش کاربرد عملی مدل‌های زبانی بزرگ (LLMs) - آخرین آپدیت

سرفصل ها و درس ها

رمزگشایی از مدل‌های زبانی بزرگ (LLMs): معماری، عملکرد و استقرار Demystifying Large Language Models (LLMs): Architectures, Performance, and Deployment

• درک معماری‌ها و قابلیت‌های LLM Understanding LLM Architectures and Capabilities

• عوامل کلیدی مؤثر بر عملکرد و هزینه LLM Key Factors Influencing LLM Performance and Cost

• استقرار LLMها از طریق API Deploying LLMs via APIs

• دمو: استفاده از پایتون و OpenAI برای ساخت اپلیکیشن تحلیل احساسات Demo: Using Python and OpenAI to Create a Sentiment Analysis App

• میزبانی شخصی مدل‌های LLM متن‌باز Self-hosting Open-source LLMs

تنظیم دقیق (Fine-tuning) و تولید تقویت‌شده با بازیابی (RAG) برای راهکارهای واقعی Fine-tuning and Retrieval-augmented Generation (RAG) for Real-world Solutions

• دمو: کاربرد LLMها در خلاصه‌سازی متن Demo: LLMs in Text Summarization

• تنظیم دقیق (Fine-tuning) مدل‌های LLM برای کاربردهای تخصصی Fine Tuning LLMs for Specialized Applications

• درک مفهوم تولید تقویت‌شده با بازیابی (RAG) Understanding Retrieval-augmented Generation (RAG)

• دمو: ایجاد یک سیستم RAG برای مدیریت منابع انسانی (HR) Demo: Creating a RAG System for HR

مبانی عامل‌های هوش مصنوعی (AI Agents) Foundations of AI Agents

• درک مفاهیم پایه عامل‌های هوش مصنوعی Understanding the Basics of AI Agents

• چارچوب‌ها و سیستم‌های ساخت عامل‌های هوش مصنوعی Frameworks and Systems for Building AI Agents

• دمو: ساخت یک عامل هوش مصنوعی برای شبکه‌های اجتماعی Demo: Creating an AI Agent for Social Media

• مقایسه رویکردهای استخراجی در مقابل انتزاعی در LLMها Extractive vs. Abstractive Approaches with LLMs