لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش مقدمهای بر هوش مصنوعی مولد: مفاهیم و تکنیکها
- آخرین آپدیت
دانلود Introduction to Generative AI: Concepts and Techniques
نکته:
ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره:
این دوره چهار ماژوله، زیربنای شفاف و کاربردی در زمینه هوش مصنوعی مولد (Generative AI) به شما ارائه میدهد؛ از چیستی و کاربردهای آن گرفته تا نحوه عملکرد مدلهای مدرن و استفاده مسئولانه از آنها. شما با یک تصویر کلی شروع خواهید کرد: قابلیتهای GenAI در حوزههای متن، تصویر، صوت و ویدیو، به همراه کاربردهای واقعی در صنایع مختلف. سپس به بررسی علمی مدلهای زبانی بزرگ (LLMs) امروزی میپردازید: نمایش متن (توکنسازی، امبدینگها) و معماری ترنسفورمر (کدگذاری موقعیتی، خود-توجهی، جریان انکودر/دیکودر).
در مرحله بعد، با مدلهای زبانی بزرگ و جریانهای کاری آنها به صورت عملی کار خواهید کرد: طراحی پرامپتهای موثر، فراخوانی مدلها از طریق وب/رابط کاربری و APIها، اجرای مدلها به صورت محلی (مثلاً از طریق Ollama) و گسترش قابلیتها با استفاده از تولید تقویتشده با بازیابی (RAG) و تنظیم دقیق (Fine-tuning). در نهایت، چالشها و شیوههای مسئولانه را بررسی خواهید کرد، از جمله حق کپیرایت، حریم خصوصی و امنیت، تفسیرپذیری و پرسشهای مربوط به مالکیت در عصر هوش مصنوعی مولد.
این دوره برای یادگیرندگانی که آشنایی اولیه با یادگیری ماشین و پایتون دارند طراحی شده و ترکیبی از درسهای کوتاه با آزمایشگاهها، آزمونها و تمرینها است. در پایان، شما مفاهیم اصلی و معماریهای پشت GenAI را به همراه درک عمیقی از محدودیتها و استفاده اخلاقی و مسئولانه از آن، خواهید آموخت.
در پایان این دوره، یادگیرندگان قادر خواهند بود:
توضیح دهند که چگونه هوش مصنوعی مولد حوزههای متن، تصویر، صوت و ویدیو را پوشش میدهد و جریانهای کاری واقعی در صنعت را که در آن ارزشآفرینی میکند، ارزیابی کنند.
سیر تکامل مدلسازی زبان از رویکردهای احتمالات/NLP به ترنسفورمرها را دنبال کنند و دلیل برتری مکانیزم Attention بر محدودیتهای قبلی را تبیین نمایند.
توکنسازی و امبدینگهای کلمات را درک کنند و در مورد چگونگی تأثیر این نمایشها بر رفتار مدل استدلال کنند.
یک بلوک ترنسفورمر را تجزیه کرده و مسیر تنسورها را از طریق خود-توجهی (Self-attention)، لایههای MLP و نرمالسازی دنبال کنند تا نحوه شکلگیری و اصلاح نمایشها را توضیح دهند.
با مدلهای زبانی بزرگ از طریق رابطهای کاربری وب، APIها و به صورت محلی با Ollama کار کنند تا کدهای استنتاج حداقلی بنویسند، خروجیها را با استفاده از الگوهای پرامپت بهبود بخشند و با مفاهیم RAG و Fine-Tuning به عنوان گامهای بعدی آشنا شوند.
نقاط ضعف LLMها مانند سوگیری (Bias)، توهم (Hallucination)، مالکیت و تزریق پرامپت (Prompt Injection) را شناسایی، تحلیل و با تدوین دستورالعملهای سطح کاربر، فرآیندهای سازمانی و سیاستهای حکمرانی، توضیح دهند.
سرفصل ها و درس ها
چیستی GenAI
What is GenAI
مقدمه دوره
Course Introduction
آشنایی با مدرس: سروش رضوی
Meet your instructor: Soroush Razavi
آشنایی با مدرس: آمرین عنبر
Meet your instructor: Amreen Anbar
هوش مصنوعی مولد چیست؟
What is Generative AI?
کاربردهای چتباتها
Applications of Chatbots
کاربردهای مدلهای تصویری
Applications of Image Models
کاربردهای مدلهای صوتی
Applications of Audio Models
کاربردهای مدلهای ویدئویی
Applications of Video Models
GenAI در حوزه سلامت
GenAI in Healthcare
GenAI در آموزش و یادگیری
GenAI in Education and Training
GenAI در صنایع خلاق
GenAI in Creative Industries
GenAI در رسانه و سرگرمی
GenAI in Media and Entertainment
هوش مصنوعی مولد چگونه کار میکند؟
How Does Generative AI Work?
هوش مصنوعی مولد چندوجهی (Multimodal)
Multimodal Generative AI
تفاوت هوش مصنوعی مولد و تشخیصدهنده (Discriminative)
Generative AI vs Discriminative AI
مدل هوش مصنوعی مولد: شبکههای GAN
Generative AI Model: GANs
مدل هوش مصنوعی مولد: مدلهای مبتنی بر ترنسفورمر
Generative AI Model: Transformer-Based Models
مدل هوش مصنوعی مولد: مدلهای انتشار (Diffusion)
Generative AI Model: Diffusion Models
مدل هوش مصنوعی مولد: VAEs
Generative AI Model: VAEs
مرور ماژول ۱
Module 1 Recap
اصول NLP
NLP Essentials
مقدمه ماژول ۲
Module 2 Introduction
NLP چیست؟
What is NLP?
تکامل NLP (بخش ۱)
Evolution of NLP (Part 1)
تکامل NLP (بخش ۲)
Evolution of NLP (Part 2)
مدلهای احتمالی در NLP
Probabilistic Models in NLP
انتقال از RNNها به ترنسفورمرها
Transition From RNNs to Transformers
پیشپردازش متن و توکنسازی
Text PreProcessing and Tokenization
چرا به نمایش متن نیاز داریم؟
Why Do We Need Text Representation?
کدگذاری One Hot و Bag of Words
One-Hot Encoding & Bag of Words
از Word2Vec تا امبدینگهای بافرایند (Contextual)
Word2Vec to Contextual Embedding
ریشههای ترنسفورمرها
Origins of Transformers
ترنسفورمرها چگونه کار میکنند؟
How Transformers Work?
تقلید از سبک هنری: آیا تفاوتی وجود دارد؟
Imitating Artistic Style: In There a Difference?
مالکیت معنوی و هوش مصنوعی مولد: رویکردهای استراتژیک
Intellectual Property and Generative AI: Strategic Approaches
راهکارهای فنی و تئوری برای نقض حق کپیرایت
Technical and Theoretical Solutions to Copyright Infringement
حفظ حریم خصوصی در سیستمهای هوش مصنوعی: تکنیکهای پیشرفته محافظت از دادهها
Privacy Preservation in AI Systems: Advanced Techniques for Data Protection
چارچوبهای اخلاقی هوش مصنوعی
Ethical AI Frameworks
نمایش نظرات