اصول هوش مصنوعی پایتون و ژنرال: انتقال از جاوا فقط در 15 روز

Python & Gen AI Basics: Transition from Java in Just 15 days new

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.

نمونه ویدیوها: (صرفا برای مشاهده نمونه ویدیو، ممکن هست نیاز به شکن داشته باشید.)

توضیحات دوره: قفل پایتون و اصول هوش مصنوعی مولد با مفاهیم جاوا را فقط در 15 روز باز کنید مقایسه های کلیدی بین جاوا و پایتون: نحو، متغیرها، حلقه ها و ساختارهای داده چگونه مهارت های جاوا خود را به برنامه نویسی پایتون انتقال دهید ساخت پروژه های پایتون با برنامه های کاربردی دنیای واقعی اصول اولیه هوش مصنوعی مولد و نحوه به کارگیری آنها در کارهای روزمره چالش های کدنویسی کاربردی با تمرکز بر سادگی پایتون در مقایسه با جاوا پیش نیازها: دانش پایه جاوا مفید است اما لازم نیست. اگر با جاوا آشنایی دارید، از مقایسه هایی که انتقال به پایتون را آسان تر می کند، قدردانی خواهید کرد. هیچ تجربه قبلی با پایتون یا هوش مصنوعی مولد مورد نیاز نیست - ما همه چیز را از ابتدا پوشش خواهیم داد. رایانه ای با دسترسی به اینترنت برای دنبال کردن و اجرای کد پایتون (ترجیحاً با استفاده از Google Colab). کنجکاوی و تمایل به یادگیری پایتون و هوش مصنوعی در قالب داستان سرایی و جذاب!

در مورد برنامه نویسی پایتون و هوش مصنوعی مولد کنجکاو هستید اما نمی دانید از کجا شروع کنید؟ این دوره آموزشی 15 روزه برای مبتدیان طراحی شده است تا شما را از صفر به ساخت پروژه‌های مبتنی بر هوش مصنوعی ببرد - همه از طریق یک رویکرد عملی و داستان‌گویی! اگر با جاوا آشنایی دارید، با مقایسه مفاهیم بین این دو زبان کار را آسان‌تر می‌کنیم و به شما کمک می‌کنیم تا به راحتی انتقال را انجام دهید.

از تسلط بر اصول پایتون تا کاوش در ابزارهای هوش مصنوعی محبوب مانند ChatGPT و DALL-E، این دوره همه چیزهایی را که برای شروع کار با هوش مصنوعی بدون نوشتن کد پیچیده نیاز دارید را پوشش می دهد. شما در تمرینات عملی غوطه ور خواهید شد، استفاده از LLM های محلی را یاد خواهید گرفت و برنامه های کاربردی هوش مصنوعی در دنیای واقعی ایجاد خواهید کرد—همه بدون نیاز به تجربه قبلی پایتون یا هوش مصنوعی.

رئوس مطالب دوره:

روز 1-4: اصول پایتون

مقدمه ای بر برنامه نویسی و پایتون
نمای کلی Google Colab و Github
نحو پایتون: بیانیه های چاپی، نظرات، متغیرها و انواع داده
ساختارهای کنترل: عبارات شرطی، حلقه ها و کارهای تکراری
ساختارهای داده: فهرست ها، مجموعه ها، تاپل ها و فرهنگ لغت ها

روز 5-7: توابع، ماژول‌ها و بسته‌ها

تعریف و فراخوانی توابع
پارامترها و مقادیر بازگشتی
کار با کتابخانه ها و ماژول های پایتون مانند ریاضی
آشنایی با PIP و نحوه نصب بسته ها

روز هشتم: فایل‌ها و پروژه پایتون

عملیات رشته و قالب بندی
مدیریت فایل: خواندن و نوشتن فایل‌ها در Google Colab
یک پروژه ساده پایتون بر اساس درک زبان آموز

روز 9-10: مقدمه ای بر هوش مصنوعی مولد

ابزارهای تولید متن و مدل‌های زبان بزرگ (LLM)
تمرینات عملی: مقایسه ChatGPT و Gemini AI
تولید کد با ابزارهای هوش مصنوعی مانند Claude و ChatGPT
مهندسی سریع برای ارتباطات موثر هوش مصنوعی
ساخت یک تولید کننده کد پایتون با استفاده از هوش مصنوعی (بدون نیاز به کدنویسی)

روز 11-14: مفاهیم پیشرفته AI مولد

تولید تصویر با ابزارهایی مانند DALL-E، Midjourney و Stable Diffusion
اجرای LLM به صورت محلی با استفاده از Olama و LM Studio
تکنیک بازیابی Augmented Generation (RAG) با ذخیره‌های برداری مانند ChromaDB
چارچوب‌های LLM: Langchain و LlamaIndex
ساخت یک سیستم پاسخگویی به پرسش با استفاده از چارچوب های LLM

روز 15: ساخت پروژه های واقعی هوش مصنوعی

ایجاد ابزارهای مبتنی بر هوش مصنوعی مانند ربات‌های گفتگوی SQL با استفاده از Langchain
کاوش در دنیای منبع باز هوش مصنوعی و مراحل بعدی یادگیری هوش مصنوعی

در پایان دوره، با اعتماد به نفس برای ساخت پروژه‌های هوش مصنوعی هیجان‌انگیز، پایه محکمی در پایتون و هوش مصنوعی خواهید داشت. ایده آل برای ذهن های کنجکاوی که به دنبال قدم گذاشتن به آینده فناوری هستند!

سرفصل ها و درس ها

مقدمه Introduction

مقدمه ای بر پایتون Introduction to Python
مقدمه ای بر پایتون - ادامه Introduction to Python - Contd..

پایتون - ساختارهای کنترل و ساختارهای داده Python - Control Structures and Data Structures

ساختارهای کنترلی Control Structures
ساختارهای داده Data Structures
ساختارهای داده (ادامه..) Data Structures (contd..)

توابع، ماژول ها و بسته ها Functions, modules and packages

توابع و ماژول ها Functions and Modules
بسته ها Packages

فایل ها، پروژه پایتون و بررسی موضوعات Files, Python Project and Review of topics

فایل ها، پروژه پایتون و بررسی موضوعات Files, Python Project and Review of topics

مقدمه ای بر هوش مصنوعی مولد Introduction to Generative AI

ابزارهای تولید متن و LLM Text Generation Tools and LLMs
تولید کد و مهندسی سریع Code Generation and Prompt Engineering

مفاهیم هوش مصنوعی مولد پیشرفته Advanced Generative AI Concepts

تولید/تشخیص تصویر Image Generation / recognition
اجرای مدل های زبان بزرگ (LLM) به صورت محلی Running large language models (LLMs) locally
بازیابی نسل افزوده Retrieval Augmented Generation
Langchain و LlamaIndex (چارچوب‌های LLM) Langchain and LlamaIndex (LLM Frameworks)
ساخت پروژه های هوش مصنوعی واقعی Building real AI Projects