لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش با پایتون به API Gemini گوگل مسلط شوید
Master Google's Gemini API with Python
نکته:
آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره:
از قدرت Gemini Pro Vision LLM Google برای برنامه های کاربردی پیشرفته استفاده کنید: آموزش مبتنی بر پروژه با Python درک عمیقی از Google Gemini API با Python به دست آورید. Python SDK for Gemini API را نصب کنید و در Gemini احراز هویت کنید. Google AI Studio استفاده از متغیرها و پارامترها در اعلانهای Gemini در Google AI Studio تولید متن از ورودیهای متن با استفاده از Gemini Pro API و پاسخهای مدل Python Stream تولید متن از ورودیهای تصویر و متن با استفاده از Gemini Pro Vision API و Python کنترل نحوه تولید پاسخ مدل با استفاده از Gemini پارامترهای ایجاد API: دما، top_k، top_p، توالی های توقف و موارد دیگر ایجاد عوامل مکالمه چت سفارشی بر تکنیک های مهندسی سریع برای LLM ها مسلط شوید شما خواهید آموخت که چگونه با استفاده از Streamlit Streamlit: مفاهیم اصلی، رابط های وب (فرانت اند) برای برنامه های LLM خود ایجاد کنید. , ویجت ها , وضعیت جلسه , پاسخ به تماس ها یاد بگیرید چگونه از هوش مصنوعی Jupyter به طور کارآمد استفاده کنید Gemini API فقط در مناطق خاصی در سراسر جهان در دسترس است. قبل از ثبت نام، لطفاً بررسی کنید که Gemini از منطقه شما پشتیبانی می کند.
به عصر جمینی خوش آمدید. با پایتون از Gemini Pro Vision API استفاده کنید و در هوش مصنوعی چندوجهی پیشگام شوید
برای تسلط بر Google's Gemini Pro Vision API با پایتون آماده شوید و قدرت توانمندترین خانواده هوش مصنوعی Google را در برنامه های خود آزاد کنید.
در پایان این سفر، شما بر Gemini Pro Vision API مسلط خواهید شد و در مهندسی سریع LLM حرفهای خواهید شد که برای ایجاد برنامههای پیشگامانه و هوشمند پایتون با استفاده از Gemini API مجهز شدهاید.
آماده شوید تا به خط مقدم نوآوری هوش مصنوعی چندوجهی بپیوندید زیرا ما دائماً این دوره را با جدیدترین پیشرفت ها به روز می کنیم و شما را با مهارت هایی برای پیشرفت در آینده مجهز می کنیم.
این دوره آموزشی در مورد Google's Gemini Pro Vision API با پایتون همه چیزهایی را که باید در مورد مدلهای خانواده Gemini و مهندسی سریع مؤثر برای LLM بدانید را پوشش میدهد.
در شکلدهی به چشمانداز فنآوری پیشگام شوید و از مزایای استفادهکننده اولیه بهره ببرید.
در دنیای امروز، هوش مصنوعی کلید باز کردن بهرهوری بیسابقه است.
Gemini Pro Vision API را با پایتون، استودیوی هوش مصنوعی گوگل و تاکتیکهای پیشنهادی پیشرفته برای جلوتر ماندن از منحنی در آغوش بگیرید.
در این دوره، با انجام دادن، با پروژه های عملی که شما را در به کارگیری آنچه یاد می گیرید راهنمایی می کند، یاد خواهید گرفت.
همچنین بهترین روشها و نکاتی را برای اعلان مؤثر برای LLM کشف خواهید کرد، مانند استفاده از چند مثال، یافتن اطلاعات زمینه مرتبط، و کاوش در تکنیکهای مختلف مهندسی سریع.
در پایان این دوره، شما قادر خواهید بود:
با نحوه استفاده از Google's Gemini Pro [Vision] API با Python، پیشرفته ترین و همه کاره ترین ابزار هوش مصنوعی Google آشنا شوید
اعلامهای آزاد و پویا با Gemini Pro Vision در Google AI Studio ایجاد کنید
متن را از ورودی های متن با استفاده از Gemini Pro API و Python تولید کنید
پاسخهای مدل جریانی
تولید متن از ورودی های تصویر و متن با استفاده از Gemini Pro Vision API و Python
نحوه ایجاد پاسخها توسط مدل با استفاده از پارامترهای تولید API Gemini: دما، top_k، top_p، توالی توقف و موارد دیگر را کنترل کنید
عوامل مکالمه چت سفارشی بسازید
در هنر مهندسی سریع برای LLM تسلط داشته باشید و برای هر کاری درخواست های زبانی موثر و طبیعی ایجاد کنید
با استفاده از Streamlit یاد خواهید گرفت که چگونه رابط های وب (جلوهای جلویی) برای برنامه های LLM خود ایجاد کنید
با نحوه استفاده کارآمد از هوش مصنوعی Jupyter آشنا شوید
این دوره برای هر کسی که میخواهد نحوه استفاده از Gemini Pro Vision API و Google AI Studio را یاد بگیرد و چگونه از قدرت هوش مصنوعی چندوجهی برای برنامههای مختلف استفاده کند، مناسب است.
اگر آمادهاید مهارتهای خود را به سطح بالاتری ببرید و به یکی از پیشرفتهترین فناوریهای هوش مصنوعی تسلط داشته باشید، امروز در این دوره ثبتنام کنید و سفر خود را به سمت تسلط بر هوش مصنوعی چندوجهی آغاز کنید!
سرفصل ها و درس ها
شروع شدن
Getting Started
چگونه از این دوره بیشترین بهره را ببرید
How to Get the Most Out of This Course
تنظیم محیط: نوت بوک Jupyter
Setting Up the Environment: Jupyter Notebook
تنظیم محیط: Google Colab
Setting Up the Environment: Google Colab
به انجمن آنلاین ما بپیوندید!
Join Our Online Community!
منابع دوره
Course Resources
شیرجه عمیق به Google Gemini Pro API
Deep Dive into Google Gemini Pro API
دریافت یک کلید API Gemini
Getting a Gemini API Key
امتحانی برای دریافت کلید API Gemini
Quiz for Getting a Gemini API Key
نصب Python SDK برای Gemini Pro API و احراز هویت در Gemini
Installing the Python SDK for Gemini Pro API and Authenticating to Gemini
آزمون نصب Python SDK
Quiz for Installing the Python SDK
مدلهای چندوجهی جمینی: نانو، پرو و اولترا
Gemini Multimodal Models: Nano, Pro and Ultra
آزمون برای مدل های جوزا
Quiz for Gemini Models
Google AI Studio: Freeform Prompts with Gemini Pro Vision
Google AI Studio: Freeform Prompts With Gemini Pro Vision
Google AI Studio: استفاده از متغیرها و پارامترها در درخواست
Google AI Studio: Using Variables and Parameters in the Prompt
تولید متن از ورودی های متن: Gemini Pro
Generating Text From Text Inputs: Gemini Pro
پاسخ های مدل جریانی
Streaming Model Responses
امتحانی برای تولید متن از ورودی های متن
Quiz for Generating Text from Text Inputs
تولید متن از ورودی های تصویر و متن: Gemini Pro Vision
Generating Text From Image and Text Inputs: Gemini Pro Vision
پارامترهای تولید API Gemini: کنترل نحوه ایجاد پاسخ توسط مدل
Gemini API Generation Parameters: Controlling How the Model Generates Responses
پارامترهای تولید API Gemini توضیح داده شده است
Gemini API Generation Parameters Explained
آزمون پارامترهای تولید API Gemini
Quiz for Gemini API Generation Parameters
ساخت مکالمه چت
Building a Chat Conversation
امتحانی برای ایجاد یک مکالمه چت
Quiz for Building a Chat Conversation
پروژه: ساخت یک عامل مکالمه با استفاده از Gemini Pro
Project: Building a Conversational Agent Using Gemini Pro
هوش مصنوعی Jupyter
Jupyter AI
هوش مصنوعی Jupyter
Jupyter AI
مقدمه ای بر هوش مصنوعی Jupyter و سایر همراهان کدنویسی
Introduction to Jupyter AI and Other Coding Companions
نصب Jupyter AI
Installing Jupyter AI
استفاده از هوش مصنوعی Jupyter در JupyterLab
Using Jupyter AI in JupyterLab
راه اندازی Jupyter AI در Jupyter Notebook
Setting Up Jupyter AI in Jupyter Notebook
استفاده از هوش مصنوعی Jupyter در نوت بوک Jupyter
Using Jupyter AI in Jupyter Notebook
استفاده از درون یابی برای موارد استفاده پیشرفته تر
Using Interpolation for More Advanced Use Cases
استفاده از هوش مصنوعی Jupyter با سایر ارائه دهندگان و مدل ها
Using Jupyter AI with Other Providers and Models
پروژه: صحبت کردن با یک تصویر
Project: Talking With an Image
الزامات پروژه
Project Requirements
ساخت اپلیکیشن
Building the Application
تست اپلیکیشن
Testing the Application
Streamlit: نوت بوک های Jupyter خود را به برنامه های وب تعاملی تبدیل کنید
Streamlit: Transform Your Jupyter Notebooks into Interactive Web Apps
ایجاد طرحبندی برنامه وب با Streamlit
Creating the Web App Layout With Streamlit
ذخیره و نمایش تاریخچه با استفاده از حالت Streamlit Session
Saving and Displaying the History Using the Streamlit Session State
مهندسی سریع برای Gemini API
Prompt Engineering for Gemini API
مقدمه ای بر مهندسی سریع
Intro to Prompt Engineering
تاکتیک شماره 1 - دستورالعمل ها را به وضوح با جداکننده ها قرار دهید
Tactic #1 - Position Instructions Clearly With Delimiters
تاکتیک شماره 2 - دستورالعمل های مفصلی را برای زمینه، نتیجه یا طول ارائه دهید
Tactic #2 - Provide Detailed Instructions for the Context, Outcome, or Length
تاکتیک شماره 3 - فرمت پاسخ را مشخص کنید
Tactic #3 - Specify the Response Format
نمایش نظرات