آموزش مدل‌های زبانی بزرگ (LLMs) و مهندسی پرامپت از Pearson - آخرین آپدیت

دانلود Introduction to Large Language Models (LLMs) and Prompt Engineering by Pearson

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره:

آیا می‌دانید چگونه مدل‌های زبانی بزرگ (LLM) مانند GPT، Llama، Claude، T5 و BERT را در مقیاس وسیع پیاده‌سازی کنید؟ این دوره یک رویکرد گام‌به‌گام برای ساخت و استقرار LLMها ارائه می‌دهد و شامل مطالعات موردی واقعی است که مفاهیم را به صورت عملی به تصویر می‌کشد. در این دوره، نحوه شروع مسیر یادگیری LLM با مهندسی پرامپت (Prompt Engineering) و روش‌های بهینه قرارگیری دستورات در مدل‌های مختلف آموزش داده می‌شود. همچنین، نحوه ساخت سیستم تولید تقویت‌شده با بازیابی (RAG) به طور کامل توضیح داده شده است.

چه مهندس یادگیری ماشین باشید، چه توسعه‌دهنده LLM، دانشمند داده یا مهندسی که به استفاده از مدل‌های زبانی برای پروژه‌های خود علاقه دارد، این دوره طراحی شده است تا به شما کمک کند بهترین خروجی‌ها را از مدل‌های خود دریافت کنید. برای بهره‌مندی از این دوره، داشتن تسلط نسبی به زبان پایتون ۳ و تجربه کار با محیط‌های تعاملی پایتون مانند Notebooks (از جمله Jupyter، Google Colab، Kaggle Kernels و غیره) توصیه می‌شود.

توجه: این دوره توسط Pearson ارائه شده است و ما مفتخریم که این محتوا را در کتابخانه خود میزبانی می‌کنیم.


سرفصل ها و درس ها

مقدمه Introduction

  • مقدمه‌ای بر مدل‌های زبانی بزرگ (LLMs) و مهندسی پرامپت Intro to large language models (LLMs) and prompt engineering

1. بررسی کلی مدل‌های زبانی بزرگ 1. Overview of Large Language Models

  • مدل‌های زبانی بزرگ چیستند؟ What are large language models?

  • سرفصل‌های آموزشی Topics

  • کاربردهای LLMها Applications of LLMs

  • مدل‌های زبانی محبوب و مدرن Popular modern LLMs

2. جستجوی معنایی با LLMها 2. Semantic Search with LLMs

  • ساخت سیستم جستجوی معنایی Building a semantic search system

  • مقدمه‌ای بر جستجوی معنایی Introduction to semantic search

  • سرفصل‌های آموزشی Topics

  • بهینه‌سازی جستجوی معنایی با Cross Encoders و Fine-tuning Optimizing semantic search with cross-encoders and fine-tuning

3. اولین گام‌ها در مهندسی پرامپت 3. First Steps with Prompt Engineering

  • سرفصل‌های آموزشی Topics

  • کار با پرامپت‌ها در مدل‌های مختلف Working with prompts across models

  • ساخت ربات تولید تقویت‌شده با بازیابی (RAG) با ChatGPT و GPT-4 Building a retrieval-augmented generation bot with ChatGPT and GPT-4

  • مقدمه‌ای بر مهندسی پرامپت Introduction to prompt engineering

4. تولید تقویت‌شده با بازیابی (RAG) و عامل‌های هوش مصنوعی 4. Retrieval Augmented Generation + AI Agents

  • مقدمه‌ای بر تولید تقویت‌شده با بازیابی (RAG) Introduction to retrieval-augmented generation (RAG)

  • ساخت ربات RAG Building a RAG bot

  • گسترش به سمت عامل‌های هوش مصنوعی (AI Agents) Expanding into AI agents

  • سرفصل‌های آموزشی Topics

  • استفاده از مدل‌های متن‌باز در RAG Using open source models with RAG

5. مهندسی پرامپت پیشرفته 5. Advanced Prompt Engineering

  • جلوگیری از حملات تزریق پرامپت (Prompt Injection) Preventing prompt injection attacks

  • اعتبارسنجی ورودی و خروجی Input/output validation

  • سرفصل‌های آموزشی Topics

  • پرامپت‌نویسی زنجیره افکار (Chain of Thought) Chain-of-thought prompting

  • ارزیابی سطح دانش کدگذاری شده در یک LLM Assessing an LLM's encoded knowledge level

  • پرامپت‌نویسی دسته‌ای و زنجیره‌ای Batch prompting + prompt chaining

جمع‌بندی Conclusion

  • خلاصه دوره Summary

نمایش نظرات

آموزش مدل‌های زبانی بزرگ (LLMs) و مهندسی پرامپت از Pearson
جزییات دوره
4h 59m
25
(آخرین آپدیت)
5,428
- از 5
ندارد
دارد
دارد
Pearson
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Pearson Pearson

Pearson یک ارائه دهنده آموزش و یادگیری است.

هدف پیرسون این است که به افراد کمک کند تا زندگی خود را از طریق یادگیری درک کنند، با این باور که هر فرصت یادگیری فرصتی برای پیشرفت شخصی است. کارکنان پیرسون متعهد به ایجاد تجربیات یادگیری پر جنب و جوش و غنی هستند که برای تأثیرگذاری در زندگی واقعی طراحی شده اند. آنها در نزدیک به 200 کشور با محتوای دیجیتال، ارزیابی ها، صلاحیت ها و داده ها به مشتریان خدمات ارائه می دهند.