نکته:
ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره:
ساخت اپلیکیشنهای واقعی هوش مصنوعی مولد با استفاده از پایتون، LangChain، مدلهای زبانی بزرگ (LLMs)، RAG و Vision AI همراه با تسلط بر بیش از ۱۲ پروژه عملی
درک مفاهیم بنیادی هوش مصنوعی مولد، شامل ترنسفورمرها (Transformers)، GANها، Autoencoderها و چارچوبهای RAG
ساخت اپلیکیشنهای جامع LLM با استفاده از LangChain، Llama 3، BGE و Faiss برای تحلیل متن و اسناد
پیادهسازی سیستمهای تولید تقویتشده با بازیابی (RAG) با استفاده از پایگاههای داده برداری مانند Milvus برای ساخت چتباتهای هوشمند متنی
توسعه مدلهای سفارشی GAN و استفاده از Stable Diffusion برای تولید تصاویر واقعگرایانه و گردش کارهای خلاقانه AI
تسلط بر جستجوی شباهت متن-تصویر با استفاده از CLIP embeddings و ایندکسگذاری برداری در مقیاس بزرگ
ایجاد سیستمهای هوش مصنوعی چندوجهی (Multimodal) برای درک متن، تصویر و ویدیو با استفاده از VILA 2.0 و T5
یادگیری نحوه آموزش، فاینتونیگ (Fine-tuning) و استقرار مدلهای هوش مصنوعی مولد برای کاربردهای دنیای واقعی
درک ساختار داخلی ترنسفورمرها، شامل Multi-head Attention، Positional Embeddings و بلوکهای Feedforward
بررسی Autoencoderها و Variational Autoencoders (VAE) برای حذف نویز، بازسازی و یادگیری فضای پنهان (Latent-space)
ساخت اپلیکیشنهای مبتنی بر AI مانند چتباتها، سیستمهای جستجوی ویدیو و دستیارهای هوشمند از صفر
یادگیری ادغام Faiss و Milvus برای جستجو و بازیابی برداری با کارایی بالا در محیطهای عملیاتی
توسعه خط لولههای (Pipelines) تولید آماده برای محیط عملیاتی، شامل تولید Embedding، بهینهسازی استنتاج و استقرار
کسب تجربه عملی از طریق بیش از ۱۲ پروژه پیشرفته که تئوری را با کدنویسی کاربردی ترکیب میکند
کسب مهارتهای مهندسی AI برای طراحی، ساخت و استقرار راهکارهای مقیاسپذیر هوش مصنوعی مولد
پیش نیازها: دانش پایه برنامهنویسی پایتون الزامی است. آشنایی با متغیرها، انواع دادهها، کنترل جریان، توابع و اسکریپتنویسی پایه برای دنبال کردن آزمایشگاهها ضروری است.
سیستمعامل ویندوز با حداقل ۴ گیگابایت رم توصیه میشود. اطمینان حاصل کنید که فضای دیسک کافی برای مجموعهدادهها و ابزارهای توسعه ضروری نصب شده باشد.
داشتن GPU اختیاری است اما برای آموزش سریعتر و آزمایشهای بلادرنگ شدیداً توصیه میشود؛ در غیر این صورت، زمان آموزش طولانیتر و عملکرد کندتر خواهد بود.
پروژهها و تمرینات بر روی سیستمهای ویندوزی توسعه و تست شدهاند؛ راهنماها، اسکریپتها و مراحل عیبیابی منحصراً برای کاربران ویندوز بهینه شدهاند.
با این دوره جامع تسلط بر هوش مصنوعی مولد، به دنیای هوش مصنوعی مولد و مدلهای زبانی بزرگ (LLMs) قدم بگذارید؛ برنامهای جامع و پروژه-محور که شما را از مفاهیم پایه به سطح حرفهای میرساند. در این دوره Generative AI، شما اپلیکیشنهای AI در سطح صنعتی را با استفاده از چارچوبهای استانداردی مانند LangChain، LLaMA 3، FAISS و Milvus خواهید ساخت؛ همان تکنولوژیهایی که سیستمهای AI سازمانی و پژوهشی دنیا را به حرکت در میآورند.
این دوره با بررسی عمیق مفاهیم بنیادی ترنسفورمرها، GANها، Embeddingها و مدلهای پایه آغاز میشود تا درک کنید مدلهای مولد مدرن چگونه محتوای شبیه به انسان را پردازش و تولید میکنند. سپس به سراغ تولید تقویتشده با بازیابی (RAG)، پایگاههای داده برداری و هوش مصنوعی چندوجهی میرویم تا راهکارهای قدرتمند و هوشمندی برای درک متن، تصویر و ویدیو خلق کنید.
از طریق بیش از ۱۲ پروژه عملی و هدایتشده، موارد زیر را خواهید ساخت:
چتباتهای AI قدرت گرفته از LLMها
سیستمهای هوشمند بازیابی اسناد و RAG
اپلیکیشنهای تولید تصویر و Vision AI
موتورهای جستجوی شباهت معنایی
سیستمهای بازیابی ویدیو مبتنی بر AI
شما با مدلها و معماریهای پیشرو از جمله T5 و مدلهای چندوجهی کار خواهید کرد و بهترین متدهای طراحی سیستم در دنیای واقعی را به کار میگیرید.
در پایان این دوره، شما بر خط لوله کامل هوش مصنوعی مولد مسلط خواهید شد — از ورودی دادهها، Embeddingها، زنجیرهسازی مدلها، فاینتونیگ و بهینهسازی تا استقرار مقیاسپذیر در محیطهای Edge، ابری و ترکیبی.
چه برنامهنویس پایتون، علاقهمند به AI، دانشمند داده، پژوهشگر یا نوآور تکنولوژی باشید، این دوره شما را به مهارتهای عملی و درک فنی عمیقی مجهز میکند که برای طراحی، ساخت و استقرار نسل بعدی سیستمهای LLM و Vision AI از صفر نیاز دارید.
سرفصل ها و درس ها
مقدمه
Introduction
مقدمه
Introduction
آشنایی با مدرس
Meet Your Instructor
آشنایی با مدرس و بررسی کلی دوره
Introduction to Your Instructor and Course Overview
درک هوش مصنوعی – از خاستگاه تا تاثیرات
Understanding AI – From Origins to Impact
هوش مصنوعی چیست و چگونه تکامل یافته است
What is AI and How It Has Evolved
نقشه راه جامع و دقیق یادگیری عمیق (Deep Learning)
The Complete Detailed Roadmap of Deep learning
نقشه راه جامع و دقیق یادگیری عمیق
The Complete Detailed Roadmap of Deep learning
نقشه راه جامع و دقیق پردازش زبان طبیعی (NLP)
The Complete Detailed Roadmap of Natural Language Processing (NLP)
نقشه راه جامع و دقیق پردازش زبان طبیعی (NLP)
The Complete Detailed Roadmap of Natural Language Processing (NLP)
نقشه راه جامع و دقیق هوش مصنوعی مولد (Gen AI)
The Complete Detailed Roadmap of Generative AI (Gen Ai)
نقشه راه جامع و دقیق هوش مصنوعی مولد (Gen AI)
The Complete Detailed Roadmap of Generative AI (Gen Ai)
راهاندازی محیط توسعه پایتون
Environment Setup for Python Development
نصب پایتون
Installing Python
راهاندازی VS Code برای توسعه پایتون
VS Code Setup for Python Development
پروژه ۱: تولید تصویر با GAN سفارشی – ساخت و آموزش مدل
Project #1: Custom GAN Image Generation — Build & Train Your Own Model
بخش ۱: تولید تصویر با GAN سفارشی – ساخت و آموزش مدل
Part 1: Custom GAN Image Generation — Build & Train Your Own Model
بخش ۲: تولید تصویر با GAN سفارشی – ساخت و آموزش مدل
Part 2: Custom GAN Image Generation — Build & Train Your Own Model
پروژه ۲: تولید تصویر با GAN پیشآموزشدیده – استقرار مدل SOTA
Project #2: Pre-trained GAN Image Generation — Deploy SOTA Model
تولید تصویر با GAN پیشآموزشدیده – استقرار مدل SOTA
Pre-trained GAN Image Generation — Deploy SOTA Model
پروژه ۳: استگانوگرافی با GAN – پنهانسازی متن در تصاویر
Project #3: Steganography with GAN – Hide Text in Images
بخش ۱: پنهانسازی متن در تصاویر با GAN با استفاده از استگانوگرافی
Part 1: GAN Based Text Hiding in Images Using Steganography
بخش ۲: پنهانسازی متن در تصاویر با GAN با استفاده از استگانوگرافی
Part 2: GAN Based Text Hiding in Images Using Steganography
بخش ۳: پنهانسازی متن در تصاویر با GAN با استفاده از استگانوگرافی
Part 3: GAN Based Text Hiding in Images Using Steganography
بررسی دقیق معماری ترنسفورمر (Transformer)
Detailed Overview of the Transformer Architecture
درک معماری ترنسفورمر
Understanding the Transformer Architecture
پروژه ۴: ساخت ترنسفورمر از صفر برای ترجمه ماشینی عصبی
Project #4 Build a Transformer from Scratch for Neural Machine Translation
اجرای کد Stable Diffusion با پرامپتهای مختلف
Stable Diffusion-Code Execution with Prompts
پروژه ۱۰: جستجوی شباهت تصویر و متن با CLIP، Faiss و Milvus
Project #10: Image & Text Similarity Search with CLIP, Faiss & Milvus
جستجوی شباهت تصویر و متن با CLIP، Faiss و مجموعهداده COCO
Image & Text Similarity Search-CLIP, Faiss & COCO Dataset
جستجوی شباهت تصویر و متن – CLIP، Faiss و استنتاج روی COCO
Image & Text Similarity Search – CLIP, Faiss & Inference on COCO Dataset
شباهت تصویر و متن – CLIP، Milvus و مجموعهداده COCO
Image & Text Similarity –CLIP,Milvus & COCO Dataset
شباهت تصویر و متن – CLIP Embeddings، ایندکسگذاری Milvus و استنتاج روی COCO
Image & Text Similarity – CLIP Embeddings, Milvus Indexing & Inference on COCO
پروژه ۱۱: سیستم جستجوی هوشمند ویدیو با VILA 2.0، T5 و Milvus
Project #11: Smart Video Search System using VILA-2.0, T5 & Milvus
بخش ۱: سیستم جستجوی هوشمند ویدیو با مدل VLM VILA 2.0، T5 و Milvus
Part 1: Smart Video Search System Using VILA-2.0 VLM Model, T5 & Milvus
بخش ۲: سیستم جستجوی هوشمند ویدیو با مدل VLM VILA 2.0، T5 و Milvus
Part 2: Smart Video Search System Using VILA-2.0 VLM Model, T5 & Milvus
بخش ۳: سیستم جستجوی هوشمند ویدیو با مدل VLM VILA 2.0، T5 و Milvus
Part 3: Smart Video Search System Using VILA-2.0 VLM Model, T5 & Milvus
بخش ۴: سیستم جستجوی هوشمند ویدیو با مدل VLM VILA 2.0، T5 و Milvus
Part 4: Smart Video Search System Using VILA-2.0 VLM Model, T5 & Milvus
بخش ۵: سیستم جستجوی هوشمند ویدیو با مدل VLM VILA 2.0، T5 و Milvus
Part 5: Smart Video Search System Using VILA-2.0 VLM Model, T5 & Milvus
مفاهیم تکمیلی – Auto Encoders و Variational Auto Encoders
Additional Concepts – Auto Encoders & Variational Auto Encoders
درک Auto Encoders و Variable Auto Encoders
Auto Encoders and Variable Auto Encoders Understanding
درک تابع هزینه Auto Encoder (MSE + BCE)
Understanding Auto Encoder Loss Function (MSE+BCE)
تکمیلی – پروژه ۱۲: حذف نویز تصویر با Auto Encoder در TensorFlow و PyTorch
Additional – Project #12: Auto Encoder Image Denoising with TensorFlow & PyTorch
بخش ۱: حذف نویز تصویر با Auto Encoders در TensorFlow و PyTorch
Part 1: Auto Encoders Based Image Denoising with Tensorflow and Pytorch
بخش ۲: حذف نویز تصویر با Auto Encoders در TensorFlow و PyTorch
Part 2: Auto Encoders Based Image Denoising with Tensorflow and Pytorch
پروژه تکمیلی ۱۳: حذف نویز تصویر با Variable Auto Encoders در PyTorch
Additional Project #13: Variable Auto Encoders Image Denoising Using PyTorch
بخش ۱: حذف نویز تصویر با Variable Auto Encoders در PyTorch
Part 1 : Variable Auto Encoders Based Image Denoising Using Pytorch
بخش ۲: حذف نویز تصویر با Variable Auto Encoders در PyTorch
Part 2: Variable Auto Encoders Based Image Denoising Using Pytorch
نمایش نظرات