لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش مدلهای زبانی بزرگ (LLM) با Hugging Face
- آخرین آپدیت
دانلود Large Language Models with Hugging Face
نکته:
ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره:
در این دوره، مهارتهای ضروری برای ساخت اپلیکیشنهای آماده بهرهبرداری (Production-ready) با استفاده از مدلهای زبانی بزرگ را بیاموزید. شما یاد خواهید گرفت که چگونه تولید متن را با دقت بالا و با استفاده از پارامترهای نمونهبرداری و معیارهای توقف کنترل کنید، پرامپتهای موثری را با قالبهای چت برای مدلهای Instruction-tuned طراحی کنید، خط لولههای تولید تقویتشده با بازیابی (RAG) بسازید تا LLMها به دانش خارجی دسترسی داشته باشند و دادههای ساختاریافته را از طریق تولید محدودشده و فراخوانی توابع (Function Calling) استخراج کنید.
آنچه این دوره را منحصربهفرد میکند، رویکرد عملی آن در توسعه کاربردهای واقعی LLM است. شما مستقیماً با مدلهای متنباز محبوب مانند Llama، Mistral و Phi کار خواهید کرد و از تولید متن ساده به سیستمهای پیشرفته ایجنتیک (Agent Systems) پیش خواهید رفت. برخلاف دورههای تئوری، شما سیستمهای واقعی خواهید ساخت: یک موتور جستجوی معنایی با sentence-transformers، یک خط لوله کامل پاسخگویی به سوالات مبتنی بر RAG و ایجنتهای ابزار-محوری که میتوانند توابع را بر اساس استدلال LLM اجرا کنند.
چه در حال توسعه چتباتها باشید، چه اتوماسیون استخراج اطلاعات و یا ساخت دستیارهای هوش مصنوعی، این دوره شما را با الگوها و تکنیکهای تستشده در سیستمهای عملیاتی LLM تجهیز میکند. شما اعتمادبهنفس لازم برای انتخاب رویکرد درست برای هر مورد کاربردی و مهارتهای پیادهسازی مطمئن آن را با استفاده از اکوسیستم Hugging Face به دست خواهید آورد.
سرفصل ها و درس ها
مقدمهای بر تعاملات مدلهای زبانی بزرگ
Introduction to LLM Interactions
معرفی دوره
Course Introduction
مقدمه
Introduction
بهای فرصت در یادگیری ماشین
Machine Learning trade offs
مدلهای Hugging Face
Hugging Face models
گزینههای API محلی و راه دور
Local and remote API options
اجرای محلی LLM با Transformers
Running an LLM Locally with Transformers
اجرای محلی LLM با Ollama
Running an LLM locally with Ollama
خلاصه
Summary
مقدمه
Introduction
الگوهای مهندسی پرامپت
Prompt Engineering patterns
پرامپتهای سیستمی و نقشها
System prompts and roles
ساخت یک چت ساده
Building a simple chat
ساخت یک چت ناهمگام (Async)
Building an async chat
خلاصه
Summary
مقدمه
Introduction
کنترل دما (Temperature) و توکنها
Controlling temperature and tokens
استفاده از خروجی ساختاریافته
Using structured output
پاسخهای ساختاریافته با GBNF
Structured responses with GBNF
خلاصه
Summary
ساخت سیستمهای تقویتشده با دانش و ابزار-محور
Building knowledge-augmented and tool-enabled systems
چرا LLMهای تقویتشده با دانش و ابزار اهمیت دارند
Why Knowledge-Augmented and Tool-Enabled LLMs Matter
جایگذاریها (Embeddings) با Sentence Transformers
Embeddings with Sentence Transformers
تولید Embeddings
Generating Embeddings
ساخت و پرسوجو از دیتابیس برداری
Building and querying a vector database
خلاصه
Summary
مقدمه
Introduction
رابطهای برنامهنویسی پایتون با FastAPI
Python APIs with FastAPI
مروری بر اپلیکیشن FastAPI
FastAPI application overview
تعامل با API
Interacting with the API
تعامل با رابط کاربری وب
Interacting with the web interface
خلاصه
Summary
مقدمه
Introduction
توسعه LLMها با استفاده از ابزارها
Extending LLMs with tools
پیادهسازی فراخوانی توابع (Function Calling)
Implementing function calling
تعامل با فراخوانی توابع محلی
Interacting with local function calling
خلاصه
Summary
خلق سیستمهای ایجنتیک و استراتژیهای استقرار
Creating Agentic Systems and Deployment Strategies
مقدمه
Introduction
مروری بر سیستمهای ایجنتیک با مدلهای محلی
Agentic overview with local models
تعامل با یک مدل ایجنتیک
Interacting with an agentic model
چالشهای فراخوانی ابزارها
Challenges with tool calling
خلاصه
Summary
مقدمه
Introduction
مروری بر قیمتگذاری و صورتحساب
Pricing and billing overview
مروری بر LangChain و Hugging Face
Overview of langchain and Hugging Face
استفاده از مدلهای پریمیوم Hugging Face
Using Hugging Face premium models
توصیهها و گامهای بعدی
Recommendations and next steps
خلاصه
Summary
پروژه نهایی و آزمون پایانی
Capstone and Final Exam
نمایش نظرات