نکته:
ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره:
ساخت اپلیکیشنهای LLM با ابزارهای MCP، گاردریلها، حافظه و استقرار در Hugging Face
ساخت اولین اپلیکیشنهای هوش مصنوعی مولد با استفاده از APIهای LLM (OpenAI, DeepSeek, Groq) و رابطهای کاربری Gradio
درک نحوه عملکرد LLMها — توکنها، احتمال، قابلیتها، محدودیتها، هزینه و تاخیر (Latency)
طراحی پرامپتهای موثر و تنظیم پارامترهای مدل مانند Temperature برای خروجیهای سازگار
ارزیابی کیفیت مدلهای AI با استفاده از Scorecardها و الگوهای LLM-as-judge
بهکارگیری تکنیکهای مهندسی پرامپت و پیادهسازی گاردریلها برای اپلیکیشنهای AI ایمنتر و قابلاعتمادتر
استخراج دادههای ساختاریافته از اسناد (مانند بندهای قرارداد) با استفاده از خطلولههای مبتنی بر LLM
ساخت اپلیکیشنهای LangChain با یکپارچهسازی ابزارها، جستجوی وب و زنجیرههای LCEL
ایجاد یک دستیار AI SQL که کوئریهای دیتابیس را به صورت ایمن تولید، تایید و اجرا میکند
مقایسه LLMهای بدون وضعیت (Stateless) در مقابل استراتژیهای حافظه LangChain برای گفتگوهای چندمرحلهای
ساخت سیستمهای تولید تقویتشده با بازیابی (RAG) با استفاده از Vector Store روی اسناد واقعی
استفاده از GraphRAG برای اتصال گرافهای دانش به جستجوی برداری جهت ایجاد AI آگاه به روابط
ساخت ایجنتهای AI مبتنی بر MCP که از ابزارها برای کوئری گرفتن از دادهها، اسناد و سیستمهای خارجی استفاده میکنند
خلاصهسازی اسناد طولانی با استفاده از خطلولههای Map-Reduce زمانی که محتوا از حد Context Limit فراتر میرود
Fine-tune کردن مدلهای Open-weight با استفاده از LoRA و QLoRA روی نمونههای واقعی پشتیبانی مشتری
استقرار مدل Fine-tune شده در Hugging Face Spaces با یک دموی Gradio در سطح Production
ساختاربندی پروژههای Gen AI مشابه تیمهای مهندسی — پیکربندی، پرامپتها، سرویسها و گاردریلها
پیش نیازها: تسلط پایه به برنامهنویسی پایتون توصیه میشود
هوش مصنوعی مولد: RAG، LangChain، GraphRAG و Fine-Tuning یک دوره عملی از Deeesa Technologies برای توسعهدهندگانی است که میخواهند اپلیکیشنهای واقعی هوش مصنوعی مولد بسازند — نه اینکه فقط یک بار یک API را فراخوانی کنند و متوقف شوند.
شما مسیری روشن را از اولین اپلیکیشن LLM خود تا الگوهای سطح Production که در تیمهای مهندسی مدرن استفاده میشود طی خواهید کرد: طراحی پرامپت، گاردریلها، خروجیهای ساختاریافته، LangChain، حافظه گفتگو، RAG، GraphRAG، یکپارچهسازی ابزارهای MCP، خلاصهسازی Map-Reduce و Fine-tuning مدلهای Open-weight همراه با استقرار در Hugging Face.
هر ماژول شامل پروژههای قابل اجرا با ساختاری ثابت (main, services, config, prompts, guardrails) است تا یاد بگیرید متخصصان چگونه کدهای Gen AI را سازماندهی میکنند.
آنچه خواهید ساخت:
در طول ۱۱ ماژول، اپلیکیشنهای کاربردی زیر را خواهید ساخت:
تولیدکننده گزارشات مدیریتی و پیشنویس گزارشات حرفهای — اولین اپلیکیشنهای Gradio شما
Prompt Playground و آزمایشگاه Temperature و Latency — کنترل رفتار، هزینه و سرعت مدل
Model Scorecard و گزارش کیفیت ترجمه — ارزیابی خروجیها با الگوهای ارزیابی واقعی
قالبساز خروجی و استخراجکننده بندهای قرارداد — استخراج ساختاریافته از اسناد
دستیار AI SQL — استفاده از LangChain، LCEL و تبدیل ایمن زبان طبیعی به SQL
تحلیلگر گفتگوهای پشتیبانی مشتری — مقایسه گفتگوهای Stateless در برابر حافظهمحور
دستیار Runbook برای On-Call — پیادهسازی RAG روی دستورالعملهای عملیاتی (Runbooks)
کاوشگر وابستگیهای GraphRAG — ترکیب گرافها و بازیابی برای پاسخهای آگاه به روابط
دستیارهای مبتنی بر MCP — اتصال LLMها به دیتابیسها، پایگاههای دانش و ابزارها از طریق Model Context Protocol
تولیدکننده خلاصه اسناد طولانی — خلاصهسازی Map-Reduce برای کتابها و فایلهای حجیم
هوش مصنوعی پشتیبانی مشتری — Fine-tuning با QLoRA روی مدلهای Open-weight و استقرار در Hugging Face Spaces
سرفصل ها و درس ها
مقدمه دوره و آمادهسازی - شروع از اینجا
Course Introduction and Setup - Start here
این دوره درباره چیست
What is this course about
نصب و آمادهسازی پروژه
Installation and Project Setup
تنظیم API Keyهای OpenAI و DeepSeek
Setting up OpenAI and DeepSeek API Keys
مهندس نرم افزار سلام ، نام من Sabin است. من یک مهندس نرم افزار با بیش از 10 سال تجربه هستم. من با MNC های بزرگ کار کرده ام و علاقه زیادی به کارم دارم. در طول زندگی حرفه ای خود ، من با چندین فن آوری کار کرده ام ، تیم های مختلفی را هدایت کرده ام ، مستقیماً با تجارت کار کرده ام و در تصمیمات مهم تجاری شرکت کرده ام. تدریس برای من یک علاقه بوده است و من هزاران دانش آموز را به صورت آنلاین و آفلاین آموزش داده ام. من اینجا هستم تا دانش و تجربه خود را با خانواده Udemy در میان بگذارم :)
نمایش نظرات