مرورگر شما از این ویدیو پشتیبانی نمی کند.
نکته:
ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
(صرفا برای مشاهده نمونه ویدیو، ممکن هست نیاز به شکن داشته باشید.)
بارگزاری مجدد
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:
مسلط شدن بر پایتون و کتابخانههای اصلی
ایجاد پایههای یادگیری ماشین
غواصی در ترنسفورمرها و هوش مصنوعی مدرن
پروژههای آماده برای صنعت
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
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