آموزش یادگیری عمیق، هوش مصنوعی مولد و PyTorch را به طور کامل بیاموزید: از صفر تا عامل هوش مصنوعی - آخرین آپدیت

دانلود Master Deep Learning,Generative AI ,Pytorch:Zero to Agent AI

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

یادگیری عمیق، ترنسفورمرها و هوش مصنوعی: آموزش جامع پایتون و PyTorch

از مبانی پایتون تا ترنسفورمرها با PyTorch! در یادگیری عمیق، شبکه‌های عصبی کانولوشنی (CNN) و مکانیسم توجه (Attention) حرفه‌ای شوید. یک پروژه تولید هوش مصنوعی بسازید.

برنامه‌نویسی پایتون و PyTorch را از صفر با مثال‌های عملی و کاربردهای واقعی یاد بگیرید.

در NumPy، Pandas و Matplotlib برای تحلیل و تجسم داده‌ها مسلط شوید.

مدل‌های یادگیری ماشین مانند رگرسیون خطی و لجستیک را با استفاده از پایتون و PyTorch بسازید.

مبانی یادگیری عمیق را درک کنید و شبکه‌های عصبی را از پایه ایجاد کنید.

معماری ترنسفورمر را یاد بگیرید و آن را گام به گام با استفاده از PyTorch بسازید.

یک پروژه واقعی RAG (تولید تقویت‌شده با بازیابی) با استفاده از DeepSeek و PyTorch ایجاد کنید.

پیش نیاز: بدون پیش نیاز

نکات برجسته دوره:

  1. مسلط شدن بر پایتون و کتابخانه‌های اصلی

    • یادگیری مبانی پایتون (نحو، ساختارهای داده، OOP).

    • دستکاری داده‌ها با Pandas، محاسبات پیچیده با NumPy، و تجسم داده‌ها با Matplotlib.

  2. ایجاد پایه‌های یادگیری ماشین

    • کدنویسی شبکه‌های عصبی مصنوعی (ANN)، رگرسیون خطی/لجستیک از ابتدا در پایتون (بدون فریم‌ورک!).

    • پیاده‌سازی مجدد مدل‌ها با استفاده از PyTorch برای استفاده از عملیات تانسور و autograd.

  3. غواصی در ترنسفورمرها و هوش مصنوعی مدرن

    • درک مقاله ترنسفورمر (مکانیسم‌های توجه، رمزگذاری موقعیتی، خود-توجه).

    • ساخت یک ترنسفورمر از ابتدا در PyTorch—لایه به لایه!

  4. پروژه‌های آماده برای صنعت

    • پروژه 1: ساخت یک مدل ترنسفورمر از ابتدا تا انتها

      • آموزش آن بر روی داده‌های واقعی برای کارهایی مانند تولید متن یا ترجمه.

    • پروژه 2: RAG (تولید تقویت‌شده با بازیابی) با DeepSeek

      • ادغام مدل‌های بازیابی + ترنسفورمرها برای ایجاد یک عامل هوش مصنوعی که با استفاده از دانش خارجی به سوالات پاسخ می‌دهد.

      • مدیریت خطوط لوله داده، تنظیم دقیق و استقرار.

  5. چرا این دوره برجسته است؟

    • صفر تا پیشرفته: با مبانی پایتون شروع کنید، با هوش مصنوعی پیشرفته پایان دهید.

    • کدنویسی ابتدا بدون فریم‌ورک: درک عمیق‌تر قبل از استفاده از میانبرهای PyTorch.

    • از مقاله تا عمل: پیاده‌سازی معماری ترنسفورمر دقیقاً همانطور که در مقاله اصلی توضیح داده شده است.

    • تقویت پورتفولیو: پروژه‌های عامل RAG و ترنسفورمر خود را به کارفرمایان نشان دهید.

ایده‌آل برای:

  • مهندسان مشتاق هوش مصنوعی/یادگیری ماشین، دانشمندان داده یا توسعه‌دهندگان.

  • یادگیرندگانی که پروژه‌های عملی (نه فقط تئوری!) می‌خواهند.

  • هرکسی که قصد دارد نقش‌های پردازش زبان طبیعی (NLP) را باز کند یا برنامه‌های مبتنی بر LLM بسازد.

شما با این‌ها از دوره خارج خواهید شد:

  • تسلط بر پایتون، PyTorch و نظریه ترنسفورمر.

  • یک پروژه عامل RAG مستقر شده + پیاده‌سازی کامل ترنسفورمر.

  • اعتماد به نفس برای مقابله با چالش‌های هوش مصنوعی در دنیای واقعی.

همین حالا ثبت نام کنید - کد را به سیستم‌های هوشمند تبدیل کنید!


سرفصل ها و درس ها

مقدمه Introduction

  • مرور کلی دوره Course Overview

نصب و راه اندازی دوره Course Setup Installation

  • نصب Visual Studio Code Install Visual studion code

  • افزونه های VS Code Vs Code Extension

  • نصب Anaconda در VS Code Anaconda Vs code installation

  • نصب Anaconda Anaconda installation

  • راه اندازی Google Colab Google Colab setup

  • تمام منابع کد All Code Resources

آشنایی با پایتون Python Intro

  • نوع داده عددی Data Type number

  • نوع داده رشته ای Data Type String

  • نوع داده بولی Data type Boolean

  • عملگر Operator

  • آزمون عملگر پایتون Python Quiz Operator

  • آزمون پایتون Python Quiz

  • آزمون پایتون Python Quiz

مجموعه پایتون Python collection

  • لیست پایتون Python List

  • تاپل Tuple

  • مجموعه Set

  • دیکشنری Dictionary

  • آزمون مجموعه پایتون Python Collection Quiz

منطق شرطی پایتون Python Condition Logic

  • If Else If Else

  • حلقه While While Loop

  • حلقه For For Loop

  • آزمون شرطی پایتون Python Condition Quiz

تابع پایتون Python Function

  • معرفی تابع Function intro

  • مثال کد تابع Function code example

  • آزمون تابع Function Quiz

تابع Lambda پایتون Python Lambda function

  • تابع Lambda Lambda Function

  • تابع آرایه Array Function

برنامه نویسی شی گرا در پایتون (OOPS) Python OOPS

  • معرفی کلاس Introduction to class

  • تابع __init__ __init__ function

  • تابع __str__ __str__ function

  • تابع کلاس Class function

  • معرفی وراثت Inheritance Introduction

  • وراثت با __init__ inheritance with __init__

  • تکرار کننده ها iterators

  • چند ریختی Polymorphism

  • دامنه Scope

  • آزمون OOPS Oops Quiz

پایتون پیشرفته Advanced Python

  • ماژول ها Modules

  • تاریخ ها Dates

  • ریاضیات Maths

  • عبارت با قاعده regular expression

  • شی Json Json Object

  • بسته Pip Pip package

  • مدیریت استثنا Exception handling

  • ورودی کاربر user input

  • فرمت رشته string format

  • خواندن فایل file read

  • نوشتن فایل file writing

آموزش Numpy Numpy Tutorial

  • معرفی Numpy Numpy introduction

  • آرایه Numpy Numpy array

  • آرایه Numpy قسمت 2 Numpy array p2

  • اشتراک و اختلاف intersection and diff

  • فیلتر تطبیق Matching filter

  • ستون ردیف معکوس Reverse row column

  • عدد تصادفی Random Number

  • آزمون Numpy Numpy Quiz

آموزش پیشرفته Numpy Numpy advance Tutorial

  • خواندن فایل CSV File Read csv

  • عملیات فایل File operation

  • عملیات آماری Statistical operation

  • عملیات آماری قسمت 2 Stats operation p2

  • عملیات فیلتر Filter operation

  • عملیات فیلتر قسمت 2 Filter operation part 2

  • عملیات فیلتر قسمت 3 Filter operation part3

  • عملیات فیلتر قسمت 4 Filter operation part4

  • ایجاد ستون جدید Create new column

  • مرتب سازی ستون Sort column

  • مرتب سازی ستون قسمت 2 Sort column part2

  • مرتب سازی ستون قسمت 3 Sort column part3

آموزش Pandas Pandas Tutorial

  • معرفی Pandas Pandas Intro

  • ایجاد DataFrame در Pandas Pandas create DataFrame

  • مدیریت مقادیر null Handle null values

  • به روز رسانی ایجاد ستون Update create column

  • حذف ستون Delete column

  • به روز رسانی ایجاد ستون قسمت 2 Update create column p2

  • تغییر نام ستون Rename Column

  • LOC LOC

  • LOC قسمت 2 LOC part 2

  • ILOC ILOC

  • اضافه کردن ردیف Add Row

  • حذف ردیف Delete Row

  • آزمون Pandas Pandas Quiz

آموزش پیشرفته Pandas Pandas Advance Tutorial

  • مرتب سازی ردیف Pandas Sorting Row Pandas

  • Cross Join Cross Join

  • Inner, Left و Right Join Inner ,Left and Right Join

  • Group By Group By

  • Group By قسمت 2 Group By part2

  • Group By قسمت 3 Group By part3

  • Group By قسمت 4 Group By part4

  • تکرار ردیف های Pandas Pandas Iterate Rows

آموزش Matplotlib Matplotlib Tutorial

  • معرفی Matplotlib Matplotlib Intro

  • معرفی Subplot Subplot Intro

  • Pyplot Pyplot

  • ماشین حالت Pyplot Pyplot state Machine

  • فرمت Pyplot Pyplot Format

  • OOP Pyplot Pyplot OOP

  • آرایه Numpy Pyplot Pyplot Numpy array

  • آرایه پویا Pyplot Pyplot Dynamic array

  • نمودار چند خطی Plot Multiline

  • نمودار میانگین خط Plot Plot line average graph

  • نمودار پراکندگی Scatter plot

  • نمودار هیستوگرام Histogram plot

  • نمودار میله ای عمودی Vertical bar chart

  • نمودار میله ای افقی Horizontal bar chart

  • نمودار میله ای پشته ای Stack bar chart

  • نمودار دایره ای Plot Plot pie chart

  • نمودار جعبه ای Box plot chart

  • نمودار Area Area chart

  • نمودار Grid Grid chart

معرفی Pytorch Pytorch Introduction

  • معرفی Pytorch Pytorch Introduction

  • تبدیل آرایه Numpy به آرایه Tensor Pytorch Numpy array to Pytorch Tensor array

  • عدد یک و تصادفی One and Random Number

  • ریاضیات Pytorch Pytorch Maths

شبکه عصبی Neural Network

  • معرفی شبکه عصبی Neural Network Intro

  • معرفی رگرسیون لجستیک Logistic Regression Intro

  • رگرسیون لجستیک __init__ Logistic Regression __intit__

  • انتشار رو به جلو Forward Propagation

  • توضیح کد انتشار رو به جلو Forward Propagation code explain

  • معرفی Gradient Descent Gradient Descent intro

  • مثال Gradient Descent Gradient Descendent example

  • معرفی کد انتشار رو به عقب Backward Propagation code intro

  • آزمون شبکه عصبی Neural Network Quiz

کد شبکه عصبی رگرسیون لجستیک Logistic Regression Neural network Code

  • معرفی کد رگرسیون لجستیک Logistic Regression code intro

  • تقسیم Train Test Train Test Split

  • تخت و ترانهاده کردن داده ها Flatten and Transpose data

  • مرور کلی رگرسیون لجستیک Logistic Regression overview

  • کد Weight Bias رگرسیون لجستیک Logistic Regression Weight Bias code

  • کد انتشار رو به جلو Forward Propagation code

  • انتشار رو به جلو قسمت 2 Forward Propagation part2

  • به روز رسانی Weight Bias Update Weight bias

  • پیش بینی Prediction

  • تابع اصلی Main function

  • دقت Accuracy

گرادیان Pytorch Pytorch Gradient

  • گرادیان Gradient

رگرسیون خطی Pytorch Linear Regression Pytorch

  • مرور کلی رگرسیون خطی Linear Regression Overview

  • کد رگرسیون خطی Linear Regression code

  • دقت رگرسیون خطی Linear Regression accuracy

رگرسیون لجستیک Pytorch Logistic Regression Pytorch

  • مرور کلی رگرسیون لجستیک Logistic Regression Overview

  • مجموعه داده Dataset

  • مدل رگرسیون لجستیک Logistic Regression Model

  • Loss و Optimizer Loss and Optimizer

  • آموزش مجموعه داده Train Dataset

  • ارزیابی مدل Evaluate Model

شبکه عصبی مصنوعی -ANN Artificial Neural Network -ANN

  • معرفی ANN ANN intro

  • مرور کلی ریاضیات ANN ANN Maths overview

  • پارامترهای INIT INIT parameters

  • Loss و Backward Propagation Loss and Backward Propagation

  • Load و Init Data -کد Load and Init Data -Code

  • Init Parameters -کد Init Parameters -Code

  • کد Forward Propagation Forward Propagation code

  • Loss Cost-کد Loss Cost-Code

  • کد Backward Propagation Backward Propagation code

  • به روز رسانی Weight و Bias Update Weight and Bias

  • ایجاد Model-کد Create Model-Code

  • اجرای Model-کد Run the Model-Code

  • دقت داده های Test -کد Test data accuracy-Code

ANN Pytorch ANN Pytorch

  • ANN Load Dataset ANN Load Dataset

  • Init Dataset Init Dataset

  • ایجاد Model Create Model

  • Train Model Train Model

  • Test Model Test Model

  • ANN دقت Train و Test ANN Train and Test Accuracy

CNN Pytorch CNN Pytorch

  • معرفی شبکه عصبی کانولوشن Convolution Neural network Intro

  • مرور کلی معماری CNN CNN Architechure overview

  • Data Init Pytorch Data Init Pytorch

  • کلاس Modular CNN CNN Modular Class

  • انتشار رو به جلو Forward propagation

  • کد آموزش Training code

  • دقت Test Test Accuracy

معرفی Transformer Introduction to Transformer

  • تاریخچه هوش مصنوعی AI history

  • زبان به عنوان کیسه ای از کلمات Language as bag of words

جاسازی Transformer Transformer embedding

  • جاسازی کلمه Word embedding

  • جاسازی برداری Vector embedding

  • انواع جاسازی Types of embedding

متن Encoder Decoder Transformer Transformer Encoder Decoder context

  • متن Encoding Decoding Encoding Decoding Context

  • متن Attention Encoder Decoder Attention Encoder Decoder context

معماری Transformer Transformer Architecture

  • معماری Transformer با Attention Transformer Architecture with Attention

  • مدل GPT در مقابل Bert GPT vs Bert Model

  • طول متن و تعداد پارامتر Context length and number of Parameter

نشانه گذاری Transformer -Pytorch Transformer -Tokenization Pytorch

  • نشانه گذاری Tokenization

  • کد نشانه گذاری Code Tokenization

  • آزمون نشانه گذاری Tokenization quiz

مدل و بلوک Transformer Transformer model and block

  • معماری Transformer Transformer architecture

  • بلوک Transformer Transformer block

  • آزمون بلوک Transformer Transformer block quiz

معرفی Attention در Transformer Introduction to Attention in Transformer

  • انواع Attention Attention Types

  • مبانی Attention Attention Basic

کدنویسی Transformer Pytorch Transformer Pytorch coding

  • راه اندازی و کد Decoder Transformer Decoder Transformer setup and code

  • معرفی Attention و Query، Key و Value Attention Intro and Query,Key and Value

  • دانلود مدل Transformer Tranformer model download

  • معماری کد مدل Transformer Transformer model code architecture

  • خلاصه مدل Transforme Transforme model summary

  • کد Transformer تولید نشانه Transformer code generate token

  • آزمون Q، K، V Q,K,V quiz

معرفی Attention Attention-Intro

  • توجه Transformer Transformer attention

  • جاسازی کلمه Word embedding

  • رمزگذاری موقعیتی Positional encoding

  • آزمون جاسازی Embedding Quiz

ریاضیات Attention Attention-Maths

  • معرفی ریاضیات Attention Attention Math Intro

  • مثال Query، Key، Value Attention Attention Query,Key,Value example

  • Q، K، V Transformer Attention Attention Q,K,V transformer

  • مقدار رمزگذاری شده Encoded value

  • فرمول های Attention Attention formulae

  • محاسبه Q، K ترانهاده Calculate Q,K transpose

  • Attention softmax Attention softmax

  • چرا در Attention در V ضرب می کنیم Why multiply by V in attention

  • آزمون Attention Attention Quiz

Pytorch Attention Attention-Pytorch

  • مرور کلی کد Attention Attention code overview

  • کد Attention Attention code

  • کد Attention قسمت 2 Attention code Part2

ماسک Self Attention Mask Self Attention

  • ماسک Self Attention Mask Self Attention

ماسک Self Attention Pytorch Mask Self Attention Pytorch

  • مرور کلی کد ماسک Self Attention Mask Self Attention code overview

  • کد ماسک Self Attention Mask Self Attention code

توجه چند وجهی Multimodal Attention

  • رمزگذار رمزگشای ترانسفورماتور Encoder decoder transformer

  • انواع ترانسفورماتور Types of Transformer

  • توجه چند وجهی Multimodal attention

توجه چند سر Pytorch Multihead-Attention Pytorch

  • توجه چند سر Multi-Head Attention

  • کد توجه چند سر قسمت 1 Multi-Head Attention Code Part1

  • کد توجه رمزگشای رمزگذار توجه چند سر Multi-head attention encoder decoder attention code

پروژه- ترانسفورماتور سفارشی سرتاسر با استفاده از Pytorch Project- Custom Transformer End to End using Pytorch

  • توجه همه چیزهایی که نیاز دارید معرفی Attention all you need Intro

  • جاسازی کلمه Word Embedding

  • رمزگذاری موقعیتی Positional Encoding

  • پرس و جو، کلید و مقدار در توجه Query,key and Value in attention

  • جایی که پرس و جو، کلید، مقدار در ترانسفورماتور استفاده می شود Where Query,Key,Value is used in Transformer

  • اضافه کردن و نرمال در بلوک ترانسفورماتور Add and Norm in Transformer block

  • شبکه تغذیه رو به جلو Feed Forward Network

  • معرفی کد خود توجه Self attention code intro

  • Pytorch-ایجاد جاسازی کلمه Pytorch-Create Word Embedding

  • Pytorch-جاسازی موقعیتی Pytorch-Positional Embedding

  • Pytorch-توجه چند سر Pytorch-Multihead attention

  • بلوک رمزگذار Pytorch-ترانسفورماتور Pytorch-Transformer encoder block

  • معرفی رمزگشای ترانسفورماتور Decoder Transformer Intro

  • شبکه تعبیه خروجی رمزگشا، تغذیه رو به جلو Decoder Output Embedding ,Feed forward network

  • بلوک رمزگشای Pytorch Pytorch Decoder Block

  • رمزگشای ترانسفورماتور Pytorch Pytorch Transformer Decoder

  • Pytorch ترکیب بلوک ترانسفورماتور کامل Pytorch Combine Entire Transformer Block

  • کد استنتاج ترانسفورماتور Pytorch Pytorch Transformer Inference code

  • Pytorch تست کد ترانسفورماتور Pytorch Testing Transformer code

  • Pytorch-اجرای تمام کد ترانسفورماتور Pytorch-Run All Transformer code

Langchain Basic Langchain Basic

  • معرفی Langchain Langchain Intro

  • مبانی Langchain Langchain Basic

  • حافظه Langchain در مقابل Prompt Langchain Memory vs Prompt

  • بازیافت برداری Langchain Langchain Vector Retrievar

  • خلاصه Langchain Langchain summary

راه اندازی مدل Deepseek Deepseek Model Setup

  • ایجاد محیط مجازی VS code Create Virtual env VS code

  • Venv Python VS Code Venv Python VS Code

  • نصب وابستگی های Deepseek Install Deepseek Dependicies

  • نصب Ollama Install Ollama

  • نصب Deepseek R1 Install Deepseek R1

پروژه-معرفی نماینده RAG Deepseek Project-Deepseek RAG Agent Intro

  • معرفی نماینده Rag Deepseek Deepseek Rag Agent Intro

  • کتابخانه مورد استفاده Library used

  • LLM های محلی در مقابل LLM های پولی Local LLMs vs paid LLMs

  • اجرای اولین برنامه معرفی StreamLit Run First Program StreamLit Intro

  • معماری Rag Rag Architecture

  • بازیاب RAG RAG Retriever

پروژه کد نماینده RAG Deepseek Project Deepseek RAG Agent Code

  • معرفی StreamLit پایتون Python StreamLit Intro

  • معرفی کد StreamLit StreamLit code Intro

  • خواندن فایل Pdf Read Pdf file

  • معانی سند Document Semantics

  • جاسازی برداری Vector embedding

  • QA prompt QA prompt

  • زنجیره LLM LLM chain

  • LLM زنجیره سند Document chain LLM

  • اجرای نماینده Deepseek Rag Running Deepseek Rag Agent

  • زیباسازی نوار کناری Sidebar beautification

  • نسخه نمایشی Deepseek RAG Deepseek RAG Demo

نمایش نظرات

آموزش یادگیری عمیق، هوش مصنوعی مولد و PyTorch را به طور کامل بیاموزید: از صفر تا عامل هوش مصنوعی
جزییات دوره
21.5 hours
251
Udemy (یودمی) Udemy (یودمی)
(آخرین آپدیت)
1,129
4.7 از 5
ندارد
دارد
دارد
Rahul Raj
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Rahul Raj Rahul Raj

SRP AI: آموزش الکترونیکی با هوش مصنوعی