صفر تا قهرمان در اولاما: برنامه های محلی LLM ایجاد کنید
Zero to Hero in Ollama: Create Local LLM Applications
آیا به دنبال ساخت و اجرای مدل‌های زبان بزرگ سفارشی (LLM) بر روی سیستم خود، بدون وابستگی به راه‌حل‌های ابری هستید؟ آیا می‌خواهید ضمن استفاده از مدل‌های قدرتمند مشابه ChatGPT، حریم خصوصی را حفظ کنید؟ اگر شما یک توسعه‌دهنده، دانشمند داده یا علاقه‌مند به هوش مصنوعی هستید که می‌خواهید برنامه‌های LLM محلی ایجاد کنید، این دوره برای شما مناسب است!
این دوره آموزشی شما را از مبتدی تا متخصص در استفاده از Ollama، پلتفرمی که برای اجرای مدل‌های محلی LLM طراحی شده است، می‌برد. شما یاد خواهید گرفت که چگونه مدل ها را راه اندازی و سفارشی کنید، یک رابط ChatGPT-مانند ایجاد کنید، و برنامه های خصوصی را با استفاده از Python بسازید—همه از راحتی سیستم خودتان.
در این دوره، شما:
Ollama را برای اجرای مدل LLM محلی نصب و سفارشی کنید
بر تمام ابزارهای خط فرمان برای کنترل موثر اوللاما مسلط شوید
با استفاده از Open WebUI، یک رابط ChatGPT مانند روی سیستم خود اجرا کنید
مدل های مختلف (متن، دید، تولید کد) را ادغام کنید و حتی مدل های سفارشی خود را ایجاد کنید
ساخت برنامه های پایتون با استفاده از Ollama و کتابخانه آن، با سازگاری OpenAI API
از LangChain استفاده کنید تا قابلیت‌های LLM خود را افزایش دهید، از جمله Retrieval-Augmented Generation (RAG)
استقرار ابزارها و عوامل برای تعامل با مدل‌های Ollama در هر دو محیط ترمینال و LangChain
چرا این دوره مهم است؟ در دنیایی که حفظ حریم خصوصی در حال تبدیل شدن به یک نگرانی بزرگتر است، اجرای LLM به صورت محلی تضمین می کند که داده های شما در دستگاه شما باقی می ماند. این نه تنها امنیت داده ها را بهبود می بخشد، بلکه به شما امکان می دهد مدل ها را برای کارهای تخصصی بدون وابستگی خارجی سفارشی کنید.
شما فعالیت‌هایی مانند ساخت مدل‌های سفارشی، راه‌اندازی Docker برای رابط‌های وب، و توسعه برنامه‌های RAG را انجام خواهید داد که درخواست‌های کاربر را بر اساس داده‌های شما بازیابی می‌کنند و به آنها پاسخ می‌دهند. هر بخش مملو از برنامه های کاربردی دنیای واقعی است تا به شما تجربه و اعتماد به نفس ایجاد کنید تا راه حل های محلی LLM خود را بسازید.
چرا این دوره؟ من در ساختن موضوعات پیشرفته هوش مصنوعی با پروژه‌های عملی که مطمئن می‌شوند نه تنها در حال یادگیری هستید، بلکه در واقع راه‌حل‌های واقعی ایجاد میکنید، تخصص دارم. چه در رشته LLM تازه کار باشید و چه به دنبال تعمیق مهارت های خود باشید، این دوره شما را به همه چیزهایی که نیاز دارید مجهز می کند.
آماده ای برای ایجاد برنامه های کاربردی مبتنی بر LLM خود به صورت خصوصی؟ اکنون ثبت نام کنید و با Olama کنترل کامل سفر هوش مصنوعی خود را در دست بگیرید!
مقدمه Introduction
-
مقدمه Introduction
-
نصب و راه اندازی Olama Installing and Setting up Ollama
-
سفارشی سازی مدل و گزینه های دیگر Model customizations and other options
-
همه دستورات خط فرمان/ترمینال Ollama All Ollama Command Prompt/ Terminal commands
WebUI را باز کنید - رابطی مانند ChatGPT برای مدل‌های Olama Open WebUI - ChatGPT like interface for Ollama models
-
مقدمه ای بر Open WebUI Introduction to Open WebUI
-
راه اندازی Docker و Open WebUI Setting up Docker and Open WebUI
-
ویژگی ها و قابلیت های WebUI را باز کنید Open WebUI features and functionalities
-
دریافت پاسخ بر اساس اسناد و وب سایت ها Getting response based on documents and websites
-
کنترل دسترسی کاربر WebUI را باز کنید Open WebUI user access control
انواع مدل ها و قابلیت های آنها Types of Models and their capabilities
-
انواع مدل اولاما Types of Ollama models
-
مدل های متن Text models
-
مدل های بینایی Vision models
-
مدل های تولید کد Code generating models
-
ایجاد مدل سفارشی از فایل gguf Create custom model from gguf file
استفاده از اولاما با پایتون Using Ollama with Python
-
نصب و راه اندازی محیط پایتون Installing and Setting up Python environment
-
استفاده از Ollama در پایتون با استفاده از کتابخانه Ollama Using Ollama in Python using Ollama library
-
فراخوانی مدل با استفاده از سازگاری API و OpenAI Calling Model using API and OpenAI compatibility
استفاده از Ollama با LangChain در پایتون Using Ollama with LangChain in Python
-
LangChain چیست و چرا از آن استفاده می کنیم؟ What is LangChain and why are we using it?
-
ماژول های اصلی Langchain Basic modules of Langchain
ایجاد برنامه RAG با استفاده از Olama و LangChain Creating RAG application using Ollama and LangChain
-
درک مفهوم RAG (بازیابی نسل افزوده) Understanding the concept of RAG (Retrieval Augmented Generation)
-
بارگیری، خرد کردن و جاسازی سند با استفاده از LangChain و Ollama Loading, Chunking and Embedding document using LangChain and Ollama
-
پاسخ به سوال کاربر با اطلاعات بازیابی شده Answering user question with retrieved information
استفاده از ابزارها و عوامل با مدل های اوللاما Using Tools and Agents with Ollama models
-
درک ابزارها و عوامل Understanding Tools and Agents
-
ابزارها و عوامل با استفاده از LangChain و Llama3.1 Tools and Agents using LangChain and Llama3.1
نتیجه گیری Conclusion
-
در مورد گواهی شما About your certificate
-
سخنرانی پاداش Bonus lecture
https://donyad.com/d/cfce0e
Start-Tech Academy
بیش از 1،700،000+ ثبت نام | 4+ رتبه بندی شده | 160+ CountriesStart-Tech Academy یک شرکت آموزش تجزیه و تحلیل مبتنی بر فناوری است و هدف آن گردآوری شرکتهای تحلیلی و فراگیران علاقه مند است. محتوای آموزشی با کیفیت بالا به همراه کارآموزی و فرصت های پروژه به دانشجویان در شروع سفر Analytics خود کمک می کند. بنیانگذار Abhishek Bansal و Pukhraj Parikh است. Pukhraj که به عنوان مدیر پروژه در یک شرکت مشاوره آنالیز کار می کند ، چندین سال تجربه کار بر روی ابزارها و نرم افزارهای تجزیه و تحلیل را دارد. او در مجموعه های اداری MS ، رایانش ابری ، SQL ، Tableau ، SAS ، Google analytics و Python مهارت دارد. Abhishek قبل از اینکه به فن آوری های یادگیری و آموزش مانند یادگیری ماشین و هوش مصنوعی بپردازد ، به عنوان یک مالک فرآیند اکتساب در یک شرکت مخابراتی پیشرو کار می کرد.
نمایش نظرات