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.
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

  • تاکتیک شماره 4 - تلقین چند شات Tactic #4 - Few-Shot Prompting

  • تاکتیک شماره 5 - مراحل مورد نیاز برای تکمیل یک کار را مشخص کنید Tactic #5 - Specify the Steps Required to Complete a Task

  • تاکتیک شماره 6 - به مدل ها زمان بدهید تا "فکر کنند" Tactic #6 - Give Models Time to "Think"

  • تاکتیک های دیگر برای تحریک بهتر و اجتناب از توهم Other Tactics for Better Prompting and Avoiding Hallucinations

  • خلاصه مهندسی سریع Prompt Engineering Summary

[پیوست] برنامه نویسی پایتون [Appendix] Python Programming

  • README README

  • در حالی که و ادامه بیانیه ها While and continue Statements

  • بیانیه‌های while و break While and break Statements

  • فهرست برش و تکرار List Slicing and Iteration

  • درک لیست - قسمت 1 List Comprehension - Part 1

  • درک لیست - قسمت 2 List Comprehension - Part 2

  • کار با دیکشنری ها Working with Dictionaries

  • سریال سازی داده های JSON JSON Data Serialization

  • JSON Deserialization JSON Data Deserialization

  • تکلیف: JSON و Requests/REST API Assignment: JSON and Requests/REST API

  • پاسخ تکلیف: JSON و Requests/REST API Assignment Answer: JSON and Requests/REST API

[ضمیمه] ساخت فرانت‌اند برای برنامه‌های هوش مصنوعی با Streamlit [Appendix] Building Front-ends for AI Apps With Streamlit

  • مقدمه ای بر Streamlit Introduction to Streamlit

  • مفاهیم اصلی Streamlit Streamlit Main Concepts

  • نمایش داده ها روی صفحه: st.write() و Magic Displaying Data on the Screen: st.write() and Magic

  • ابزارک ها، قسمت 1: متن_ورودی، عدد_ورودی، دکمه Widgets, Part 1: text_input, number_input, button

  • ابزارک ها، قسمت 2: چک باکس، رادیو، انتخاب کنید Widgets, Part 2: checkbox, radio, select

  • ابزارک ها، قسمت 3: نوار لغزنده، فایل_آپلودکننده، دوربین_ورودی، تصویر Widgets, Part 3: slider, file_uploader, camera_input, image

  • طرح بندی: نوار کناری Layout: Sidebar

  • چیدمان: ستون ها Layout: Columns

  • چیدمان: گسترش دهنده Layout: Expander

  • نمایش نوار پیشرفت Displaying a Progress Bar

  • وضعیت جلسه Session State

  • تماس های تلفنی Callbacks

بخش پاداش BONUS SECTION

  • تبریک می گویم Congratulations

  • جایزه: با تشکر از شما هدیه! BONUS: THANK YOU GIFT!

نمایش نظرات

نظری ارسال نشده است.

آموزش با پایتون به API Gemini گوگل مسلط شوید
خرید اشتراک و دانلود خرید تکی و دانلود | 160,000 تومان (5 روز مهلت دانلود) زمان تقریبی آماده سازی لینک دانلود این دوره آموزشی حدود 5 تا 24 ساعت می باشد.
جزییات دوره
5.5 hours
65
Udemy (یودمی) udemy-small
05 بهمن 1402 (آخرین آپدیت رو دریافت می‌کنید، حتی اگر این تاریخ بروز نباشد.)
136
4.9 از 5
ندارد
دارد
دارد

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Andrei Dumitrescu Andrei Dumitrescu

مهندس DevOps و مربی حرفه ای

Crystal Mind Academy Crystal Mind Academy

آموزش فن آوری های پیشرفته

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.