تسلط LLM: ChatGPT، Gemini، Claude، Llama3، OpenAI و APIها

LLM Mastery: ChatGPT, Gemini, Claude, Llama3, OpenAI & APIs

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره: مبانی AI-Agents: OpenAI API، Gemini API، LLM های منبع باز، GPT-4o، RAG، برنامه های LangChain، Colab، عملکرد مهندسی سریع LLM: پارامترها، وزن ها، استنتاج و شبکه های عصبی درک عملکرد شبکه های عصبی شبکه های عصبی با توکن‌ها در معماری ترانسفورماتور LLM و ترکیبی از متخصصان تنظیم دقیق و ایجاد آموزش تقویتی مدل دستیار (RLHF) در LLMs قوانین مقیاس‌بندی LLM: GPU و داده‌ها برای بهبود قابلیت‌ها و پیشرفت‌های آینده LLMs استفاده از ابزارهای Calculator:M. کتابخانه‌های پایتون، و چندوجهی و پردازش بصری بیشتر با LLMs چندوجهی در زبان به‌عنوان فیلم «Her» سیستم‌های تفکر و چشم‌اندازهای آینده برای خود-بهبودی LLMs پس از AlphaGo (خود-بهبودی) امکانات بهبود: درخواست‌ها، RAGt، و استفاده موثر از LLM با زنجیره فکر و درخت افکار، ترغیب و انطباق بیشتر LLM ها از طریق اعلان های سیستم و شخصی سازی با حافظه بلند مدت ChatGPT با حافظه بلند مدت با RAG و GPT فروشگاه GPT: هر آنچه که باید با استفاده از GPT برای تجزیه و تحلیل داده ها، فایل های PDF بدانید یا جاسازی‌های برنامه‌نویسی تتریس و پایگاه‌های داده برداری برای RAG ادغام اقدامات Zapier در GPTs مبانی API منبع باز در مقابل LLMs منبع بسته استفاده از Google Gemini API و Claude API Microsoft Copilot و استفاده از آن در Microsoft 365 GitHub Copilot برای برنامه‌های Copilot: The So OpenAI API: ویژگی‌ها، مدل‌های قیمت‌گذاری، و هر آنچه که باید درباره OpenAI API بدانید، از جمله معرفی ایجاد برنامه در Google Colab برای تماس‌های API به OpenAI ایجاد برنامه‌های هوش مصنوعی و چت ربات‌ها با Langchain، Flowise، Vectorshift، LangGraph، CrewAI، Autogen، Langflow و موارد دیگر ایجاد عوامل هوش مصنوعی برای وظایف مختلف مانند Contetn در رسانه های اجتماعی با آژانس Swarm و Langchain Agents Security در LLMs: Jailbreaks و Prompt Injections و بیشتر مقایسه بهترین LLMs Google Gemini در رابط استاندارد و Google Labs با NotebookLM Claude توسط Anthropic: نمای کلی همه چیز درباره Perplexity و POE OpenAI Playground: ویژگی‌ها، حساب صورت‌حساب و دمای LLMs Google Gemini API: تجزیه و تحلیل ویدیو و بیشتر LLM‌های منبع باز: مدل‌ها و استفاده از Llama 3، Mixtral، Command R+، و بسیاری موارد دیگر HuggingChat: رابط برای Open- منبع LLM اجرای LLM های محلی با Ollama و ساخت ربات های چت محلی راگ Groq: سریع ترین رابط با LPU نصب LM Studio برای استفاده از منبع باز محلی مانند Llama3 LLM برای حداکثر امنیت با استفاده از مدل های منبع باز در LM Studio و سانسور شده در مقابل FLLsM. تنظیم یک مدل منبع باز با Huggingface ایجاد برنامه های خود از طریق API در Google Colab با Dall-E، Whisper، GPT-4o، Vision، و موارد دیگر Microsoft Autogen for AI Agents CrewAI for AI Agents Flowise with LangChain Function Calling OpenAI Assistant API با تابع فراخوانی AI-Agents در چارچوب های مختلف با منبع باز LLM به عنوان امنیت ChatBot در LLM ها و روش هایی برای هک LLM ها آینده LLM ها به عنوان سیستم عامل در ربات ها و رایانه های شخصی پیش نیازها: بدون نیاز به دانش قبلی، همه چیز گام به گام نشان داده خواهد شد. .

آیا تا به حال به این فکر کرده اید که چگونه مدل های زبان بزرگ (LLM) جهان را متحول می کنند و فرصت های بی سابقه ای ایجاد می کنند؟

ریچارد بالدوین می‌گوید: «هوش مصنوعی کار شما را نمی‌گیرد، اما کسی که می‌داند چگونه از هوش مصنوعی استفاده کند، ممکن است.

آیا آماده‌اید تا بر پیچیدگی‌های LLM مسلط شوید و از پتانسیل کامل آن‌ها برای کاربردهای مختلف، از تجزیه و تحلیل داده‌ها گرفته تا ایجاد ربات‌های گفتگو و عوامل هوش مصنوعی استفاده کنید؟

پس این دوره برای شماست!

در "تسلط LLM: ChatGPT، Gemini، Claude، Llama3، OpenAI API" غوطه ور شوید — جایی که مفاهیم اساسی و پیشرفته LLM، معماری آنها و کاربردهای عملی را بررسی خواهید کرد. درک و مهارت های خود را تغییر دهید تا در انقلاب هوش مصنوعی رهبری کنید.

این دوره برای توسعه دهندگان، دانشمندان داده، علاقه مندان به هوش مصنوعی و هر کسی که می خواهد در خط مقدم فناوری LLM باشد عالی است. چه بخواهید شبکه‌های عصبی را درک کنید، مدل‌های هوش مصنوعی را تنظیم کنید یا برنامه‌های کاربردی مبتنی بر هوش مصنوعی را توسعه دهید، این دوره هر آنچه را که نیاز دارید ارائه می‌دهد.

چه چیزی در این دوره انتظار می رود:

دانش جامع LLM:

  • درک LLM: در مورد پارامترها، وزن ها، استنتاج و شبکه های عصبی بیاموزید.

  • شبکه‌های عصبی: نحوه عملکرد شبکه‌های عصبی با توکن‌ها در LLM را بدانید.

  • معماری ترانسفورماتور: معماری ترانسفورماتور و ترکیبی از متخصصان را کاوش کنید.

  • تنظیم دقیق: فرآیند تنظیم دقیق و توسعه مدل دستیار را درک کنید.

  • یادگیری تقویتی (RLHF): با بازخورد انسانی در یادگیری تقویتی فرو بروید.

تکنیک های پیشرفته و روندهای آینده:

  • قوانین مقیاس‌بندی: درباره قوانین مقیاس‌بندی LLMها، از جمله بهبودهای GPU و داده‌ها، بیاموزید.

  • آینده LLM: قابلیت ها و پیشرفت های آینده در فناوری LLM را کشف کنید.

  • پردازش چندوجهی: درک چندوجهی و پردازش بصری با LLMها، با الهام از فیلم‌هایی مانند "H".

مهارت ها و برنامه های کاربردی:

  • استفاده از ابزار: از ابزارهایی با LLMها مانند ماشین حساب و کتابخانه های پایتون استفاده کنید.

  • تفکر سیستمی: به تفکر سیستمی و چشم اندازهای آینده برای LLMها بپردازید.

  • خود-بهبودی: روش های خود-بهبودی را با الهام از AlphaGo بیاموزید.

  • تکنیک‌های بهینه‌سازی: عملکرد LLM را با اعلان‌ها، RAG، فراخوانی تابع و سفارشی‌سازی افزایش دهید.

مهندسی سریع:

  • اعلان‌های پیشرفته: تکنیک‌هایی مانند درخواست زنجیره فکر و درخت افکار را مسلط کنید.

  • سفارشی سازی: LLM ها را با درخواست های سیستم سفارشی کنید و با حافظه ChatGPT شخصی سازی کنید.

  • حافظه بلند مدت: RAG و GPT را برای قابلیت‌های حافظه بلندمدت پیاده‌سازی کنید.

API و مهارت های یکپارچه سازی:

  • مبانی API: اصول استفاده از API از جمله OpenAI API، Google Gemini و Claude API را بدانید.

  • Microsoft و GitHub Copilot: از Microsoft Copilot در 365 و GitHub Copilot برای برنامه نویسی استفاده کنید.

  • تسلط OpenAI API: قابلیت ها، مدل های قیمت گذاری، و ایجاد برنامه را با OpenAI API کاوش کنید.

توسعه برنامه هوش مصنوعی:

  • Google Colab: فراخوانی های API به OpenAI با Google Colab را بیاموزید.

  • عوامل هوش مصنوعی: عوامل هوش مصنوعی را برای وظایف مختلف در چارچوب های LangChain مانند Langgraph، Langflow، Vectorshift، Autogen، CrewAI، Flowise و موارد دیگر ایجاد کنید.

  • امنیت: با روش‌هایی برای جلوگیری از جیلبریک و تزریق سریع، امنیت را تضمین کنید.

بینش مقایسه ای:

  • مقایسه LLMهای برتر: بهترین LLMها، از جمله Google Gemini، کلود، و موارد دیگر را مقایسه کنید.

  • مدل‌های منبع باز: مدل‌های منبع باز مانند Llama 3، Mixtral، و Command R+ را با امکان اجرای هر چیزی به صورت محلی روی رایانه شخصی خود برای حداکثر امنیت، کاوش و استفاده کنید.

کاربردهای عملی:

  • پایگاه‌های داده جاسازی و برداری: جاسازی‌ها را برای RAG پیاده‌سازی کنید.

  • یکپارچه سازی Zapier: اقدامات Zapier را در GPT ها ادغام کنید.

  • LLMهای منبع باز: برای حداکثر امنیت، LM Studio را برای LLMهای منبع باز محلی نصب و استفاده کنید.

  • تنظیم دقیق مدل: مدل‌های منبع باز را با Huggingface تنظیم کنید.

  • توسعه برنامه مبتنی بر API: برنامه‌هایی را با DALL-E، Whisper، GPT-4o، Vision و موارد دیگر در Google Colab ایجاد کنید.

ابزارها و عوامل نوآورانه:

  • Microsoft Autogen: از Microsoft Autogen برای توسعه عوامل هوش مصنوعی استفاده کنید.

  • CrewAI: عوامل هوش مصنوعی را با CrewAI توسعه دهید.

  • LangChain: چارچوب را با بخش هایی مانند LangGraph، LangFlow و موارد دیگر درک کنید.

  • Flowise: Flowise را با فراخوانی تابع و LLM منبع باز به عنوان ربات چت پیاده سازی کنید.

ملاحظات اخلاقی و امنیتی:

  • امنیت LLM: اقدامات امنیتی را برای جلوگیری از هک کردن درک کرده و اعمال کنید.

  • آینده LLM ها: پتانسیل LLM ها را به عنوان سیستم عامل در روبات ها و رایانه های شخصی کاوش کنید.

این دوره برای هر کسی که به دنبال کاوش عمیق تر در دنیای LLM است ایده آل است - از توسعه دهندگان و خلاقان گرفته تا کارآفرینان و علاقه مندان به هوش مصنوعی.

از قدرت تحول آفرین فناوری LLM برای توسعه راه حل های نوآورانه و گسترش درک خود از کاربردهای متنوع آنها استفاده کنید.

در پایان «تسلط LLM: ChatGPT، Gemini، Claude، Llama3، APIهای OpenAI» شما درک جامعی از LLMها، کاربردهای آنها و مهارت‌های استفاده از قدرت آنها برای اهداف مختلف خواهید داشت. اگر آماده هستید که سفری متحول کننده به هوش مصنوعی داشته باشید و خود را در خط مقدم این انقلاب فناوری قرار دهید، این دوره برای شما مناسب است.

امروز ثبت نام کنید و سفر خود را برای تبدیل شدن به یک متخصص در دنیای مدل های زبان بزرگ آغاز کنید!


سرفصل ها و درس ها

مقدمه و بررسی اجمالی Introduction and Overview

  • خوش آمدید Welcome

  • بررسی اجمالی دوره Course Overview

  • هدف من و چند نکته My Goal and Some Tips

  • توضیح لینک ها و دانلودها Explanation of Links and Downloads

  • لینک های مهم Important Links

نحوه کار LLM ها: پارامترها، وزن ها، استنتاج، شبکه های عصبی و موارد دیگر How LLMs Work: Parameters, Weights, Inference, Neural Networks & More

  • این بخش در مورد چیست؟ What This Section Is About?

  • یک LLM فقط از دو فایل پارامتر فایل و چند خط کد تشکیل شده است An LLM Consists of Only Two Files Parameter File and a Few Lines of Code

  • چگونه پارامترها ایجاد می شوند قبل از آموزش (آموزش اولیه LLM) How Are the Parameters Created Pretraining (Initial Training of the LLM)

  • شبکه عصبی چیست و چگونه کار می کند؟ What Is a Neural Network and how it works?

  • چگونه یک شبکه عصبی در یک LLM با توکن ها کار می کند How a Neural Network Works in an LLM with Tokens

  • معماری ترانسفورماتور به طور کامل درک نشده است (هنوز؟) The Transformer Architecture Is Not Fully Understood (Yet?)

  • سایر امکانات معماری ترانسفورماتور: توضیح ترکیبی از کارشناسان Other Possibilities of the Transformer Architecture: Mixture of Experts Explaied

  • بعد از پیش‌آموزش، تنظیم دقیق می‌آید: مدل دستیار ایجاد می‌شود After Pretraining Comes Finetuning: The Assistant Model Is Created

  • مرحله نهایی: یادگیری تقویتی (RLHF) The Final Step: Reinforcement Learning (RLHF)

  • قوانین مقیاس LLM: برای بهبود LLM، ما فقط به دو چیز نیاز داریم، GPU و داده LLM Scaling Laws: To Improve LLM, We Only Need Two Things, GPU & Data

  • نقد و بررسی: آنچه تاکنون یاد گرفته اید Review: What Have You Learned So Far

قابلیت های اضافی LLM و پیشرفت های آینده Additional Capabilities of LLMs & Future Developments

  • این بخش در مورد چه چیزی است What This Section Is About

  • LLM ها می توانند از ابزارهای مختلفی مانند ماشین حساب، کتابخانه های پایتون و غیره استفاده کنند. LLMs Can Use Various Tools, Like Calculators, Python Libraries, etc.

  • چندوجهی، پردازش بصری (دید)، و تشخیص تصویر Multimodality, Visual Processing (Vision), and Image Recognition

  • چندوجهی با زبانی مانند فیلم "Her" Multimodality with Language Like in the Movie "Her"

  • چه اتفاقی ممکن است در آینده بیفتد؟ تفکر سیستمی! [تفکر سریع و آهسته] What Could Happen in the Future? Systems Thinking! [Thinking Fast and Slow]

  • خودسازی با الهام از AlphaGo Self-Improvement Inspired by AlphaGo

  • راه‌های دیگر برای بهبود LLM: درخواست‌ها، RAG، سفارشی‌سازی/اعلام‌های سیستم Further Ways to Improve LLMs: Prompts, RAG, Customization/System Prompts

  • LLM به عنوان سیستم عامل جدید: آینده چگونه می تواند باشد LLMs as the New Operating System: What the Future Could Look Like

  • بررسی: آنچه در این بخش آموخته اید Review: What Have You Learned in This Section

مهندسی سریع: استفاده موثر از LLM در رابط استاندارد Prompt Engineering: Effective Use of LLMs in the Standard Interface

  • این بخش درباره چه چیزی است و رابط LLM ها What This Section Is About and the Interface of LLMs

  • محدودیت توکن چیست و چرا مهم است What is the Token Limit and why is it important

  • چرا مهندسی سریع مهم است؟ یک مثال! Why Is Prompt Engineering Important? An Example!

  • مبانی مهندسی سریع: انجمن معنایی Prompt Engineering Basics: Semantic Association

  • مهندسی سریع برای LLM: ساده ترین استراتژی ها (اعلان های ساختاریافته) Prompt Engineering for LLMs: The Simplest Strategies (Structured Prompts)

  • 3 "هک" مهم برای Prompt Engineering و Instruction Pormpting 3 Important "hacks" for Prompt Engineering and the Instruction Pormpting

  • درخواست نقش در ChatGPT و سایر LLM ها Role Prompting in ChatGPT and other LLMs

  • اعلان شات: شات صفر، یک شات و چند شات Shot Prompting: Zero-Shot, One-Shot und Few-Shot

  • مهندسی سریع معکوس و ترفند "OK". Reverse Prompt Engineering and the "OK" Trick

  • تحریک زنجیره ای فکر: گام به گام تا رسیدن به هدف Chain of Thought Prompting: Step by Step to the Goal

  • ترغیب درخت افکار (ToT). Tree of Thoughts (ToT) Prompting

  • ترکیبی از مفاهیم انگیزشی The Combination of Prompting Concepts

  • موارد استفاده در دنیای واقعی برای مدل های زبان بزرگ Real-World Use Cases for Large Language Models

  • مرور و کمی تکلیف Review and a bit of Homework

سفارشی سازی LLM: درخواست های سیستم، حافظه، RAG و ایجاد مدل های خبره یا GPT LLM Customization: System Prompts, Memory, RAG & Creating Expert Models or GPTs

  • این بخش در مورد چه چیزی است What This Section Is About

  • ساده ترین شکل شخصی سازی: حافظه ChatGPT The Simplest Form of Personalization: ChatGPT Memory

  • سفارشی سازی از طریق فرمان های سیستم و دستورالعمل های سفارشی Customization Through System Prompts and Custom Instructions

  • یادگیری درون متنی: حافظه کوتاه مدت تا حد امکان ساده In-Context Learning: Short-Term Memory as Simple as Possible

  • یادگیری درون متنی: "حافظه کوتاه مدت" اما کارآمد با SPR In-Context Learning: "The Short-Term Memory" but Efficient with SPR

  • جاسازی ها و پایگاه های داده برداری برای RAG: توضیح مفصل Embeddings and Vector Databases for RAG: A Detailed Explanation

  • حافظه بلند مدت با RAG: تا حد امکان ساده با GPT و RAG Long-Term Memory with RAG: As Simple as Possible with GPTs & RAG

  • فروشگاه GPT: هر آنچه که باید بدانید و آزمایش GPT برای کد، PDF و YT The GPT Store: Everything You Need to Know & Testing of GPTs for Code, PDFs & YT

  • سه راه برای کسب درآمد با GPT Three ways to make Money with GPTs

  • اول: برای تولید لیدها از GPT به یک نمایه ساز نیاز دارید First: You need a Builder Profile to generate Leads from GPTs

  • یک GPT با دانش ایجاد کنید که می‌تواند سرنخ ایجاد کند و فروش بالایی ایجاد کند Create a GPT with Knowledge that can generate Leads and makes Upsells

  • API چیست؟ What is a API?

  • اقدامات Zapier در GPT: Gmail، Google Docs و موارد دیگر را با Zapir API خودکار کنید Zapier Actions in GPTs: Automate Gmail, Google Docs, & more with the Zapir API

  • چگونه هر API را در GPT خود ادغام کنیم How to Integrate Every API in your GPT

  • خلاصه: آنچه در این بخش آموخته اید Summary: What You Have Learned in This Section

LLM های منبع بسته: مروری بر مدل های موجود و نحوه استفاده از آنها Closed-Source LLMs: An Overview of Available Models and how to use them

  • منبع باز در مقابل LLM های منبع بسته Open-Source vs. Closed-Source LLMs

  • تفاوت چیست: پارامترها، معماری، اندازه پیش آموزش و موارد دیگر What is the difference: Parameters, Architecture, Pretraining size & more

  • Google Gemini در رابط استاندارد: هر آنچه که باید بدانید Google Gemini in the Standard Interface: Everything you need to know

  • Google Labs با NotebookLM: بهترین روش برای یادگیری کتاب Google Labs with NotebookLM: The Best Method to Learn Books

  • کلود توسط آنتروپیک: یک مرور کلی Claude by Anthropic: An Overview

  • شرکت‌های پیشرو OpenAI، Google و Anthropic هستند: بسیاری از آنها بر اساس آنها ساخته می‌شوند The Leading Companies Are OpenAI, Google & Anthropic: Many Are Building on Them

  • گیجی: مزایا و معایب و کاربردها Perplexity: Advantages and Disadvantages, and Applications

  • پو، پلتفرم همه کاره همه کاره Poe, The Versatile All-in-One Platform

  • Microsoft Copilot چیست: چگونه کار می کند و آیا داده های من ذخیره می شود؟ What is the Microsoft Copilot: How it works and is my Data Save?

  • استفاده از Microsoft Copilot در رابط وب Using Microsoft Copilot in the Web Interface

  • رایانه های شخصی مایکروسافت Copilot Microsoft Copilot PCs

  • Microsoft 365: تفاوت بین اشتراک رایگان و پولی Microsoft 365: Differences Between Free and Paid Subscription

  • اشتراک Copilot مناسب و یک جایگزین رایگان. The Right Copilot Subscription and a Free Alternative.

  • Copilot در Microsoft Word: سریعتر از همیشه بنویسید Copilot in Microsoft Word: Write Faster Than Ever

  • Copilot در Microsoft PowerPoint: The Quick Presentation Copilot in Microsoft PowerPoint: The Quick Presentation

  • Copilot در Microsoft Outlook: ایمیل های خود را سریعتر بنویسید و به آنها پاسخ دهید Copilot in Microsoft Outlook: Write and Reply to Your Emails Faster

  • Copilot در Microsoft Excel: امکانات بزرگ اما هنوز کمی زود است Copilot in Microsoft Excel: Big Possibilities but Still a Bit Early

  • Microsoft Copilot GPT: چت ربات شخصی خود را ایجاد کنید Microsoft Copilot GPT: Create your own personalized ChatBots

  • GitHub Copilot: راه حل هوش مصنوعی برای برنامه نویسان GitHub Copilot: The AI Solution for Programmers

  • نتیجه گیری در مورد Microsoft Copilot Conclusion on Microsoft Copilot

  • بررسی LLM های منبع بسته Review of the Closed-Source LLMs

APIهای LLMهای منبع بسته APIs of Closed-Source LLMs

  • این در مورد چیست؟ APIهای LLMهای منبع بسته What Is This About? APIs of Closed-Source LLMs

  • مروری بر OpenAI API Overview of the OpenAI API

  • مدل های قیمت گذاری OpenAI API Pricing Models of the OpenAI API

  • مهم: نمای کلی زمین بازی OpenAI و حساب صورتحساب Important: OpenAI Playground overview and Billing Account

  • اقدام OpenAI Playgroundin The OpenAI Playgroundin action

  • Google Gemini API: تجزیه و تحلیل ویدیو و سایر ویژگی ها The Google Gemini API: Video Analysis and Other Features

  • API Anthropic برای مدل‌های کلود The Anthropic API for the Claude Models

  • خلاصه ای از APIهای منبع بسته Summary of the Closed-Source APIs

LLM های منبع باز: مدل های موجود و استفاده از آنها در Claude & Locally Open-Source LLMs: Available Models and Their Use in the Claude & Locally

  • LLM های منبع باز چیست و کدام یک در دسترس هستند What Are Open-Source LLMs and Which Ones Are Available

  • صورت در آغوش گرفته: مقدمه Huggingface: An Introduction

  • HuggingChat: رابطی برای استفاده از LLMهای منبع باز با فراخوانی تابع HuggingChat: An Interface for Using Open-Source LLMs with Function Calling

  • Groq: سریعترین رابط با LPU به جای GPU Groq: The Fastest Interface with an LPU Instead of a GPU

  • نصب LM Studio برای Opensource LLM: به GPU، CPU، Cuda، Ram نیاز دارید Installation of LM Studio for Opensource LLMs: You need GPU, CPU, Cuda, Ram

  • استفاده از مدل‌های منبع باز در LM Studio: Llama3، Mistral. Phi-3 و بیشتر Using Open-Source Models in LM Studio: Llama3, Mistral; Phi-3 & more

  • LLM های سانسور شده در مقابل LLM های بدون سانسور (Llama3 Dolphin) Censored vs. Uncensored LLMs (Llama3 Dolphin)

  • راه اندازی سرور محلی خود با LM Studio Setting Up Your Own Local Server with LM Studio

  • تنظیم دقیق یک مدل منبع باز با Huggingface یا Google Colab Finetuning an Open-Source Model with Huggingface or Google Colab

  • Grok از xAI Grok from xAI

  • به روز رسانی (آگوست 2024): اطلاعات Llama 3.1 و مدل هایی که باید استفاده کنید UPDATE (AUGUST 2024): Llama 3.1 Infos and What Models should you use

  • آنچه شما باید به یاد داشته باشید What You Should Remember

اولین قدم برای ایجاد برنامه های خود از طریق API در Google Colab First Steps to Creating Your Own Apps via APIs in Google Colab

  • این بخش درباره چیست What Is This Section About

  • بررسی اجمالی GitHub: چرا باید یک حساب داشته باشید GitHub Overview: Why You Should Have an Account

  • مقدمه ای بر Google Colab Introduction to Google Colab

  • آنچه در Google Colab ایجاد خواهید کرد What You Will Create in Google Colab

  • اولین فراخوان API ما به OpenAI در Google Colab (تولید متن) Our First API Call to OpenAI in Google Colab (Text Generation)

  • DALL-E از طریق OpenAI API در Google Colab (تولید تصویر) DALL-E via the OpenAI API in Google Colab (Image Generation)

  • تبدیل متن به گفتار (TTS) با OpenAI API در Google Colab Text-to-Speech (TTS) with the OpenAI API in Google Colab

  • رونویسی با Whisper از طریق OpenAI API در Google Colab Transcribing with Whisper via the OpenAI API in Google Colab

  • تشخیص تصویر با Vision از طریق OpenAI API در Google Colab Image Recognition with Vision via the OpenAI API in Google Colab

  • مروری بر کل نوت بوک شما و چند ترفند Overview of Your Entire Notebook and a few tricks

  • آنچه شما در اینجا آموخته اید What You Have Learned Here

برنامه ها، چت ربات ها و عوامل هوش مصنوعی: چیزهای جالبی برای اتوماسیون و سرگرمی بسازید Apps, Chatbots, and AI Agents: Build cool Stuff for Automation and FUN

  • عوامل هوش مصنوعی: تعریف و ابزارهای موجود برای ایجاد برنامه‌ها و کمک‌کنندگان AI Agents: Definition and Available Tools for Creating Apps and Helpers

  • رابط Vectorshift برای عوامل هوش مصنوعی و برنامه های هوش مصنوعی The Vectorshift Interface for AI Agents and AI Apps

  • راه آسان برای ساخت چت بات در Vectorshift The easy way to make a ChatBot in Vectorshift

  • دانش از طریق RAG: آموزش عامل هوش مصنوعی در مورد داده ها با به روز رسانی خودکار Knowledge Through RAG: Training the AI Agent on Data with Automatic Updates

  • استقرار ربات: به عنوان یک برنامه مستقل، در WhatsApp، Slack یا در وب سایت ها Bot Deployment: As a Standalone App, in WhatsApp, Slack, or on Websites

  • مروری بر یک عامل هوش مصنوعی با چندین متخصص در Vectorshift Overview of a AI Agent with Multiple Experts in Vectorshift

  • Langchain، Langflow، CrewAI، Autogen... چه چیزی نیاز دارم و آیا پایتون مهم است؟ Langchain, Langflow, CrewAI, Autogen.... What Do I Need and is Python important?

  • سه راه برای اجرای Flowise: به صورت محلی با Node.js یا خارجی در Claude Three Ways to Run Flowise: Locally with Node.js or Externally in the Claude

  • نصب Flowise با Node.js (محیط زمان اجرا جاوا اسکریپت) Installing Flowise with Node.js (JavaScript Runtime Environment)

  • رابط Flowise: ساده‌تر از langflow، مبتنی بر Langchain و LangGraph The Flowise Interface: Simpler Than langflow, builds on Langchain & LangGraph

  • مثالی برای چت بات: زنجیره پرسش و پاسخ، حافظه و RAG با پایگاه داده Vector A Example for a Chatbot: Q&A Chain, Memory & RAG with Vectordatabase

  • فراخوانی تابع، حافظه و RAG: با OpenAI Assistant API ساده شده است Function Calling, Memory & RAG: Simplified with the OpenAI Assistant API

  • نصب Olama، دانلود Llama3 و میزبانی آن بر روی یک سرور محلی Installation of Ollama, downloading Llama3, and hosting it on a local server

  • چت ربات محلی RAG با Llama3 و Ollama: یک برنامه محلی Langchain Local RAG Chatbot with Llama3 & Ollama: A Local Langchain App

  • عوامل هوش مصنوعی مانند Langchain + LangGraph یا Autogen & CrewAI (با Flowise) AI Agents Like with Langchain + LangGraph or Autogen & CrewAI (with Flowise)

  • عامل هوش مصنوعی Langchain-Style با کارشناسان مختلف برای رسانه های اجتماعی، ریاضی و کد Langchain-Style AI Agent with different Experts for Social Media, Math and Code

  • از نماینده خود به عنوان یک برنامه کاربردی مستقل استفاده کنید Use your Agent as a standalone Application

  • میزبانی ربات های چت برای مشتریان به صورت خارجی در رندر (میزبان ابری) Hosting Chatbots for Customers Externally on Render (Cloud Hosting)

  • یک ربات چت را در وب سایت ها جاسازی کنید: HTML، WordPress، Shopify Page و موارد دیگر Embed a Chatbot into Websites: HTML, WordPress, Shopify Page & More

  • نکات جریان: دریافت لیدها، نقاط پایانی API، تشخیص گفتار و موارد دیگر Flowise Tips: Getting Leads, API Endpoints, Speech Recognition & More

  • ایجاد یک چت بات رایگان با مدل ها و ابزارهای منبع باز: مخلوط Mistral Creating a Free Chatbot with Open-Source Models and Tools: Mistral Mixture

  • استنتاج بسیار سریع با Groq API Insanely fast inference with the Groq API

  • بازار را بررسی کنید: If Else Chain و بیشتر Check Out the Marketplace: If Else Chain and More

  • مروری بر Microsoft Autogen، CrewAI و Agency Swarm در Github Overview of Microsoft Autogen, CrewAI and Agency Swarm on Github

  • مرور و آنچه باید انجام دهید! Review and What You Should Do!

امنیت LLM: حق چاپ، حقوق، فرار از زندان، و تزریق سریع LLM Security: Copyrights, Rights, Jailbreaks, and Prompt Injections

  • چه چیزی در این بخش پوشش داده شده است؟ What Is Covered in This Section?

  • Jailbreaks: روشی برای هک LLM ها با درخواست. Jailbreaks: A Method to Hack LLMs with Prompts.

  • تزریق سریع: یکی دیگر از آسیب پذیری های امنیتی LLM ها Prompt Injections: Another Security Vulnerability of LLMs

  • مسمومیت داده ها و حملات درب پشتی Data Poisoning and Backdoor Attacks

  • حق چاپ: آیا می توانید محتوای تولید شده با هوش مصنوعی را بفروشید؟ Copyrights: Can you Sell AI generated Content?

  • تضمین ایمنی شخصی: چگونه از داده های من استفاده می شود؟ Ensuring Personal Safety: How Will My Data Be Used?

  • قوانین پلت فرم و آشکارسازهای هوش مصنوعی: اجازه ندهید ماشین ها شما را فریب دهند Platform Rules & AI Detectors: Don't let machines fool you

  • هوش مصنوعی اخلاقی: مزایا، خطرات و معایب Ethical AI: Benefits, Risks and Downsides

  • نقد و بررسی: آنچه را که نباید فراموش کنید Review: What You Should Not Forget

تست مقایسه: بهترین LLM چیست؟ Comparison Test: What Is the Best LLM?

  • بهترین LLM چیست؟ What Is the Best LLM?

Finetuning LLM: OpenAI API و Google Colab Finetuning LLMs: OpenAI API and Google Colab

  • تنظیم دقیق GPT-3.5، Llama 3، یا Mistral از طریق OpenAI API یا Google Colab Fine-tuning GPT-3.5, Llama 3, or Mistral via the OpenAI API or Google Colab

بخش اختیاری: برنامه های افزودنی Chrome برای ChatGPT و LLM OPTIONAL SECTION: Chrome Extensions for ChatGPT & LLMs

  • بخش اختیاری OPTIONAL SECTION

  • برنامه‌های افزودنی Chrome به شما کمک می‌کند در هزینه، زمان و کارآمدی بیشتر صرفه‌جویی کنید Chrome Extensions will help you save Money, Time and be more efficient

  • برنامه های افزودنی کروم چیست و چگونه از آنها استفاده کنیم What are Crome Extensions & how to use them

  • خلاصه یوتیوب با ChatGPT Youtube Summary with ChatGPT

  • برنامه های افزودنی کروم: مدیریت AI-Prompt برای مهندسی سریع سریع Chrome Extensions: AI-Prompt Management for fast Prompt Engineering

  • هوش مصنوعی مرلین به عنوان افزونه کروم Merlin AI as Chrome Extension

  • برنامه افزودنی Chrome برای شمارش رمز شما در ChatGPT Chrome Extension for counting your Token in ChatGPT

  • مشکل محدودیت رمز توسط مایکروسافت حل شد Token Limit Problem Solved by Microsoft

  • مروری بر افزونه‌های زیباتر Chrome Overview of more nice Chrome Extensions

  • نتیجه‌گیری برنامه‌های افزودنی Google Chrome برای ChatGPT Conclusions of Google Chrome Extensions for ChatGPT

آینده: LLM به عنوان سیستم عامل در ربات ها و رایانه های شخصی: بعد چه می شود؟ The Future: LLMs as Operating Systems in Robots & PCs: What Comes Next?

  • LLM به عنوان سیستم عامل در ربات ها و رایانه های شخصی؟ LLMs as Operating Systems in Robots and PCs?

  • نگاهی به آینده: آیا ما این بار اسب هستیم؟ A Look into the Future: Are We the Horses This Time??

  • درک هوش مصنوعی، AGI، ASI و رشد تصاعدی Understanding AI, AGI, ASI and Exponential Growth

  • وقتی به AGI/ASI برسیم چه اتفاقی می افتد و آیا هوش مصنوعی جایگزین همه مشاغل می شود؟ What Happens When We Reach AGI/ASI & Will AI Replace All Jobs?

  • با تشکر من، خلاصه و آنچه بعدا می آید My Thanks, Recap & What Comes Next

  • پاداش Bonus

نمایش نظرات

Udemy (یودمی)

یودمی یکی از بزرگ‌ترین پلتفرم‌های آموزشی آنلاین است که به میلیون‌ها کاربر در سراسر جهان امکان دسترسی به دوره‌های متنوع و کاربردی را فراهم می‌کند. این پلتفرم امکان آموزش در زمینه‌های مختلف از فناوری اطلاعات و برنامه‌نویسی گرفته تا زبان‌های خارجی، مدیریت، و هنر را به کاربران ارائه می‌دهد. با استفاده از یودمی، کاربران می‌توانند به صورت انعطاف‌پذیر و بهینه، مهارت‌های جدیدی را یاد بگیرند و خود را برای بازار کار آماده کنند.

یکی از ویژگی‌های برجسته یودمی، کیفیت بالای دوره‌ها و حضور استادان مجرب و با تجربه در هر حوزه است. این امر به کاربران اعتماد می‌دهد که در حال دریافت آموزش از منابع قابل اعتماد و معتبر هستند و می‌توانند به بهترین شکل ممکن از آموزش‌ها بهره ببرند. به طور خلاصه، یودمی به عنوان یکی از معتبرترین و موثرترین پلتفرم‌های آموزشی آنلاین، به افراد امکان می‌دهد تا به راحتی و با کیفیت، مهارت‌های مورد نیاز خود را ارتقا دهند و به دنبال رشد و پیشرفت شغلی خود باشند.

تسلط LLM: ChatGPT، Gemini، Claude، Llama3، OpenAI و APIها
جزییات دوره
19.5 hours
158
Udemy (یودمی) Udemy (یودمی)
(آخرین آپدیت)
2,766
4.7 از 5
دارد
دارد
دارد
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar