آموزش از دستور غذا تا سرآشپز: تبدیل شدن به یک مهندس LLM - آخرین آپدیت

سرفصل ها و درس ها

چه چیزی در حال پختن است؟ مقدمه‌ای بر LLM‌ها ¿Qué se está cocinando? Introducción a los LLMs

• مقدمه‌ای بر "چه چیزی در حال پختن است؟ مقدمه‌ای بر LLM‌ها" Introducción a “¿Qué se está cocinando? Introducción a los LLMs”

• مدل زبانی چیست؟ ¿Qué es un modelo de lenguaje?

• تکامل LLM‌ها - از ماشین‌های تحریر تا روبات‌های گورمه La evolución de los LLMs – De las máquinas de escribir a los robots gourmet

• LLM‌ها چگونه "کلمه بعدی را پیش‌بینی می‌کنند" (آماده‌سازی خودکار ساندویچ) Cómo los LLMs “predicen la siguiente palabra” (Preparación automática de sándwic

• تفاوت بین LLM‌ها و هوش مصنوعی سنتی (مایکروویو در مقابل آشپزخانه سرآشپز) Diferencias entre LLMs y la IA tradicional (Microondas vs Cocina de Chef)

• مروری بر LLM‌های محبوب: GPT، Claude، Gemini، LLaMA (گشت و گذار در رستوران‌ها) Panorama de LLMs populares: GPT, Claude, Gemini, LLaMA (Tour por restaurantes)

مواد اولیه مهم هستند - درک داده‌ها Los ingredientes importan – Entendiendo los datos

• مقدمه‌ای بر "مواد اولیه مهم هستند - درک داده‌ها" Introducción a “Los ingredientes importan – Entendiendo los datos”

• داده‌های آموزشی چیست؟ (ذخیره انبار آذوقه) ¿Qué son los datos de entrenamiento? (Almacenando la despensa)

• توکنایز کردن - برش متن به قطعات قابل هضم آسان Tokenización – Cortar el texto en pedazos fáciles de digerir

• مجموعه‌های داده برای LLM‌ها: ویکی‌پدیا، کتاب‌ها، متون وب Conjuntos de datos para LLMs: Wikipedia, libros, textos web

• آشغال وارد شود = آشغال خارج شود: کیفیت داده‌ها مهم است Basura entra = basura sale: la calidad de los datos importa

• سوگیری در داده‌ها = تند برای برخی، بی‌مزه برای برخی دیگر Sesgo en los datos = Picante para unos, insípido para otros

آشپزی در مقیاس بزرگ - مبانی آموزش مدل Cocinar a gran escala – Fundamentos del entrenamiento de modelos

• مقدمه‌ای بر "آشپزی در مقیاس بزرگ - مبانی آموزش مدل" Introducción a “Cocinar a gran escala– Fundamentos del entrenamiento de modelos"

• در طول آموزش مدل چه اتفاقی می‌افتد؟ (مخلوط کردن، پختن، تنظیم) ¿Qué ocurre durante el entrenamiento del modelo? (Mezclar, hornear, ajustar)

• دوره‌ها، دسته‌ها و زیان - دورهای آشپزی Épocas, lotes y pérdida – Las rondas de cocina

• GPUها و TPUها - کوره‌های صنعتی برای آموزش GPUs y TPUs – Hornos industriales para entrenar

• پیش‌آموزش در مقابل تنظیم دقیق - دستور پخت اصلی در مقابل لمس منطقه‌ای Preentrenamiento vs Fine-tuning – Receta maestra vs Toque regional

• هزینه آموزش - صورتحساب سوپرمارکت LLM‌ها Costo del entrenamiento – La factura del supermercado de los LLMs

مهندسی پرامپت - طعم‌دهی برای نتیجه عالی Ingeniería de Prompts – Sazonando para el resultado perfecto

• مقدمه‌ای بر "مهندسی پرامپت - طعم‌دهی برای نتیجه عالی" Introducción a “Ingeniería de Prompts – Sazonando para el resultado perfecto”

• آناتومی یک پرامپت - ترکیب مخفی ادویه‌ها Anatomía de un prompt – La mezcla secreta de especias

• سبک‌های پرامپت: Zero-shot، Few-shot، Chain-of-Thought (مانند نمک، فلفل، گیاهان) Estilos de prompt:Zero-shot, Few-shot, Chain-of-Thought(Como sal, chile, hierbas

• پرامپت‌های نقش‌آفرینی - "تظاهر کن یک باریستا هستی" Prompts de rol – “Finge que eres un barista”

• بهینه‌سازی پرامپت‌ها - از خام تا خوب پخته شده Optimización de prompts – De crudo a bien cocido

• ارزیابی پرامپت‌ها - تست طعم برای پرامپت‌ها Evaluación de prompts – Prueba de sabor para prompts

تنظیم دقیق - شخصی‌سازی دستور پخت Fine-Tuning – Personalizando la receta

• مقدمه‌ای بر "تنظیم دقیق - شخصی‌سازی دستور پخت" Introducción a “Fine-Tuning – Personalizando la receta”

• تنظیم دقیق چیست؟ - لمس مادربزرگ به یک دستور پخت کلاسیک ¿Qué es el Fine-Tuning? – El toque de la abuela a una receta clásica

• یادگیری انتقالی - استفاده از پایه کیک و اضافه کردن لعاب Aprendizaje por transferencia – Usar una base de pastel y añadir el glaseado

• تکنیک‌ها: تنظیم دقیق کامل در مقابل LoRA (تطبیق رتبه پایین) Técnicas: Fine-Tuning completo vs LoRA (Adaptación de Bajo Rango)

• تنظیم دقیق با داده‌های خودتان (آشپزخانه تو، قوانین تو) Fine-Tuning con tus propios datos (Tu cocina, tus reglas)

• ابزارهای تنظیم دقیق: Hugging Face، Google Colab، PEFT Herramientas para Fine-Tuning: Hugging Face, Google Colab, PEFT

ارزیابی LLM‌ها - تست طعم Evaluar LLMs – Prueba de sabor

• مقدمه‌ای بر "ارزیابی LLM‌ها - تست طعم" Introducción a “Evaluar LLMs – Prueba de sabor”

• چرا ارزیابی مهم است - بررسی نهایی سرآشپز Por qué importa la evaluación – La revisión final del chef

• معیارهای کمی: سردرگمی، BLEU، ROUGE Métricas cuantitativas: Perplejidad, BLEU, ROUGE

• معیارهای کیفی: بازخورد انسانی، سودمندی، ارتباط Métricas cualitativas: Retroalimentación humana, utilidad, relevancia

• توهمات و خطاهای مدل - طعم‌های غیرمنتظره Alucinaciones y errores del modelo – Sabores inesperados

• تشخیص سوگیری - توجه به ترجیحات غذایی مختلف Detección de sesgos – Atender diferentes preferencias alimenticias

سرو غذای خود - استقرار LLM‌ها Servir tu plato – Implementación de LLMs

• مقدمه‌ای بر "سرو غذای خود - استقرار LLM‌ها" Introducción a “Servir tu plato – Implementación de LLMs”

• استقرار چیست؟ - افتتاح یک رستوران سیار ¿Qué es la implementación? – Abrir un restaurante emergente

• ایجاد API با FastAPI یا Flask Crear APIs con FastAPI o Flask

• استفاده از Gradio/Streamlit برای رابط‌های نمایشی (ارائه به سبک فود تراک) Usar Gradio/Streamlit para interfaces demo (Presentación estilo food truck)

• گزینه‌های میزبانی: Hugging Face Spaces، AWS، GCP Opciones de alojamiento: Hugging Face Spaces, AWS, GCP

• مقیاس‌بندی و نظارت - حفظ عملکرد روان بوفه Escalado y monitoreo – Mantener el buffet funcionando sin problemas

ایجاد برنامه‌ها با LLM - فود تراک خودتان Crear apps con LLM – Tu propio food truck

• مقدمه‌ای بر "ایجاد برنامه‌ها با LLM - فود تراک خودتان" Introducción a “Crear apps con LLM – Tu propio food truck”

• موارد استفاده از برنامه‌ها: چت‌بات‌ها، خلاصه‌کننده‌ها، توصیه‌گرها Casos de uso de apps: chatbots, resumidores, recomendadores

• ابزارهای بدون کد: الگوهای LangChain، GPT Builder، Voiceflow Herramientas sin código: Plantillas de LangChain, GPT Builder, Voiceflow

• LLM + پایگاه داده: منوی هوشمند LLM + base de datos: el menú inteligente

• زنجیره‌سازی با LangChain - خط مونتاژ هوش مصنوعی Encadenamiento con LangChain – La línea de ensamblaje de IA

• پروژه: ایجاد یک برنامه LLM کاملاً کاربردی با رابط کاربری سفارشی Proyecto: Crea una app LLM totalmente funcional con interfaz personalizada

تازه نگه‌داشتن آن - نظارت و بهبود Mantenerlo fresco – Monitoreo y mejora

• مقدمه‌ای بر "تازه نگه‌داشتن آن - نظارت و بهبود" Introducción a “Mantenerlo fresco – Monitoreo y mejora”

• حلقه‌های بازخورد - مانند نظرات Yelp برای هوش مصنوعی Bucles de retroalimentación – Como reseñas en Yelp para la IA

• ثبت و نظارت - دوربین‌های هوشمند در آشپزخانه Registro y monitoreo – Cámaras inteligentes en la cocina

• تست A/B - کدام دسر برنده می‌شود؟ Pruebas A/B – ¿Qué postre gana?

• رانش مدل - وقتی طعم با گذشت زمان تغییر می‌کند Deriva del modelo – Cuando el sabor cambia con el tiempo

• به‌روزرسانی پرامپت‌ها، مجموعه‌های داده و استقرارها Actualización de prompts, conjuntos de datos y despliegues

تبدیل شدن به یک سرآشپز ماهر - حرفه در مهندسی LLM Convertirse en un chef maestro – Carrera en ingeniería de LLM

• مقدمه‌ای بر "تبدیل شدن به یک سرآشپز ماهر - حرفه در مهندسی LLM" Introducción a “Convertirse en un chef maestro – Carrera en ingeniería de LLM”

• مسیرهای شغلی در LLM: مهندس، معمار، متخصص پرامپت Caminos profesionales en LLM: ingeniero, arquitecto, especialista en prompts

• ساختن نمونه کارها - کتاب آشپزی هوش مصنوعی شما Construyendo tu portafolio – Tu libro de cocina de IA

• مشارکت در کد منبع باز: مجموعه‌های داده، مدل‌ها، ابزارها Contribuir a código abierto: conjuntos de datos, modelos, herramientas

• نکاتی برای رزومه، مصاحبه و سوالات فنی Consejos para el CV, entrevistas y preguntas técnicas

• پروژه نهایی: ایجاد و راه‌اندازی برنامه LLM خودتان Proyecto final: Crea y lanza tu propia app con LLM

101 پروژه 101 Proyectos

• لیست 101 پروژه مبتنی بر مدل‌های زبانی بزرگ (LLM) Lista de 101 Proyectos Impulsados por Modelos de Lenguaje Extensos (LLMs)