آموزش تسلط بر هوش مصنوعی: از ChatGPT تا LangChain در پایتون

دانلود Generative AI Mastery: From ChatGPT to LangChain in Python

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره: هوش مصنوعی، ChatGPT، LangChain، مهندسی سریع را کاوش کنید. ساخت، استقرار، بهینه‌سازی برنامه‌های مدل‌های GenAI با تسلط عملی پایتون به نسل AI. کار با چندین ابزار هوش مصنوعی مولد - ChatGPT، Stable Diffusion، Llama و مهندسی سریع پیشرفته پیشرفته برای موتورهای چند وجهی برای دستیابی به کارهای دقیق و مفید از GenAI. استراتژی های مختلف استقرار را کاوش کنید، از مقیاس پذیری و قابلیت اطمینان برنامه های کاربردی هوش مصنوعی اطمینان حاصل کنید. آماده سازی مصاحبه برای ایمن سازی مشاغل برتر در حوزه هوش مصنوعی با ChatGPT مانند یک حرفه ای با جدیدترین مدل ها-GPT 4o، DALL-E 3 و موارد دیگر برای ایجاد محتوا، تجزیه و تحلیل داده ها، ایده پردازی، پست های رسانه های اجتماعی، بهره وری کار کنید. ساخت برنامه های مجهز به Gen AI - با API و همچنین با مدل های AI در حال اجرا بر روی کامپیوتر شما پیش نیازها: آشنایی با زبان برنامه نویسی Python، از جمله نحو اولیه، ساختارهای داده، و توابع. درک API ها و نحوه تعامل با آنها، زیرا این دوره شامل یکپارچه سازی API های مختلف برای استقرار و استفاده از مدل است. امکان پیمایش و اجرای دستورات در رابط خط فرمان (CLI) یا ترمینال.

آینده هوش مصنوعی را با "تسلط AI مولد: از ChatGPT تا LangChain در پایتون" باز کنید! این دوره جامع طراحی شده است تا شما را از سطح مبتدی به سطح پیشرفته در هوش مصنوعی مولد با تمرکز بر ChatGPT، LangChain، مهندسی سریع و آخرین مدل‌های زبان بزرگ (LLM) برساند. خواه دانشمند داده، علاقه‌مند به هوش مصنوعی یا توسعه‌دهنده نرم‌افزار باشید، این دوره شما را با مهارت‌های لازم برای ساخت، استقرار و بهینه‌سازی مدل‌ها و برنامه‌های هوش مصنوعی تولیدی با استفاده از Python مجهز می‌کند.

آنچه خواهید آموخت:

  • مبانی هوش مصنوعی مولد: مفاهیم اصلی، معماری ها و کاربردهای هوش مصنوعی تولیدی، از جمله ChatGPT و سایر مدل های پیشرفته را درک کنید.

  • مهندسی سریع برای ChatGPT: تکنیک‌های طراحی سریع و بهینه‌سازی را برای دریافت دقیق‌ترین و کارآمدترین خروجی‌ها از ChatGPT مسلط کنید.

  • مدل‌های زبان بزرگ (LLM): در LLMها غوطه ور شوید و یاد بگیرید که چگونه آنها را برای موارد استفاده در دنیای واقعی تنظیم و به کار ببرید.

  • ادغام LangChain: بیاموزید که چگونه از LangChain برای ایجاد برنامه های کاربردی پیشرفته مبتنی بر هوش مصنوعی که از پردازش و درک زبان طبیعی استفاده می کنند، استفاده کنید.

  • Python for Generative AI: مدل های هوش مصنوعی را با پایتون توسعه و پیاده سازی کنید. از کتابخانه ها و چارچوب های قدرتمند برای ایجاد راه حل های هوش مصنوعی مقیاس پذیر استفاده کنید.

  • ساخت برنامه‌های مبتنی بر هوش مصنوعی: توسعه سرتاسری، از پیش پردازش داده‌ها و آموزش مدل گرفته تا استقرار و نظارت بر مدل‌های هوش مصنوعی در محیط‌های تولیدی را بیاموزید.

  • تکنیک‌های بهینه‌سازی: استراتژی‌هایی را برای بهینه‌سازی عملکرد مدل، کاهش تأخیر و افزایش کیفیت خروجی‌های هوش مصنوعی برای برنامه‌های مختلف کشف کنید.

چرا در این دوره ثبت نام کنید؟

  • پروژه‌های عملی: با کار بر روی پروژه‌های دنیای واقعی که مجموعه شما را تقویت می‌کند و تخصص شما را در هوش مصنوعی تولیدی نشان می‌دهد، تجربه عملی به دست آورید.

  • راهنمای تخصصی: از کارشناسان صنعت با سالها تجربه در زمینه هوش مصنوعی، یادگیری ماشین و توسعه پایتون بیاموزید.

  • پشتیبانی انجمن: به یک جامعه پر جنب و جوش از یادگیرندگان و متخصصان هوش مصنوعی بپیوندید تا با هم همکاری کنید، دانش را به اشتراک بگذارید و با هم رشد کنید.

  • در هوش مصنوعی پیشرو بمانید: از آنجایی که زمینه هوش مصنوعی مولد به سرعت در حال پیشرفت است، این دوره به شما اطمینان می دهد که با آخرین روندها، ابزارها و تکنیک ها پیشروی کنید.

چه کسی باید این دوره را بگذراند؟

  • دانشمندان داده و مهندسان یادگیری ماشین که به دنبال تخصص در هوش مصنوعی هستند.

  • توسعه دهندگان نرم افزار مشتاق ساخت برنامه های مبتنی بر هوش مصنوعی با استفاده از پایتون هستند.

  • علاقه‌مندان و افراد مبتدی که می‌خواهند با پایه‌ای قوی در فناوری‌های هوش مصنوعی مولد وارد حوزه هوش مصنوعی شوند.

  • حرفه‌ها و دانش‌آموزانی که قصد تسلط بر ChatGPT، LLMs، Prompt Engineering و LangChain را دارند.

حرفه خود را متحول کنید و به یک متخصص مورد تقاضا در هوش مصنوعی Generative تبدیل شوید. اکنون ثبت نام کنید و سفر خود را به دنیای هیجان انگیز نوآوری هوش مصنوعی آغاز کنید!


سرفصل ها و درس ها

مقدمه ای بر هوش مصنوعی مولد Introduction to Generative AI

  • مقدمه - آنچه خواهید آموخت Introduction - What you will Learn

  • ایجاد محیط پایتون | راه بومی پایتون Create Python Environment | Native Python Way

  • ایجاد محیط پایتون | توزیع پایتون آناکوندا Create Python Environment | Python distribution Anaconda

  • نوت بوک Jupyter در VS Code Jupyter Notebook in VS Code

اصول اولیه پایتون Python Basic Fundamentals

  • مقدمه ای بر Python - Essential Syntax and Semantics I Introduction to Python - Essential Syntax and Semantics I

  • مقدمه ای بر Python - Essential Syntax and Semantics II Introduction to Python - Essential Syntax and Semantics II

  • متغیرهای پایتون Python Variables

  • اپراتورها در پایتون Operators in Python

  • مبانی پایتون: متغیرها، اپراتورها و اپراتورهای عضویت Python Basics: Variables, Operators, and Membership Operators

  • مبانی پایتون - متغیرها، اپراتورها و عضویت Python Basics - Variables, Operators, and Membership

پایتون: درک جریان کنترل Python: Understanding Control Flow

  • اظهارات مشروط Conditional Statements

  • حلقه ها در پایتون Loops in Python

  • جریان های کنترل پایتون Python Control Flows

آشنایی با ساختارهای داده در پایتون Understanding Data Structures in Python

  • فهرست‌های پایتون و درک فهرست: هر آنچه که باید بدانید Python Lists and List Comprehension: Everything You Need to Know I

  • فهرست‌های پایتون و درک فهرست: هر آنچه که باید بدانید II Python Lists and List Comprehension: Everything You Need to Know II

  • تاپل ها در پایتون: مجموعه های غیرقابل تغییر Tuples in Python: Immutable Collections

  • دیکشنری های پایتون: مدیریت کارآمد جفت کلید-مقدار Python Dictionaries: Efficient Key-Value Pair Management

  • دیکشنری های پایتون: مدیریت جفت کلید-مقدار کارآمد II Python Dictionaries: Efficient Key-Value Pair Management II

  • ساختن یک مدیر تماس ساده Building a Simple Contact Manager

توابع در پایتون Functions in Python

  • کاوش توابع در پایتون Exploring Functions in Python

  • کاوش توابع در پایتون II Exploring Functions in Python II

  • جستجوگر قدرت رمز عبور Password Strength Checker

  • برنامه فهرست کارها To-Do List Application

مبانی ماژول: واردات، ایجاد و بسته بندی Module Fundamentals: Importing, Creation, and Packaging

  • مقدمه ای بر ماژول ها Introduction to Modules

  • وارد کردن ماژول ها Importing Modules

  • ایجاد ماژول های سفارشی Creating Custom Modules

  • ماژول های بسته بندی Packaging Modules

  • استفاده از ماژول های شخص ثالث Using Third-Party Modules

  • پروژه 1: ایجاد یک ماژول ماشین حساب ساده Project 1: Creating a Simple Calculator Module

مدیریت فایل در پایتون File Handling in Python

  • عملیات فایل با پایتون File Operations with Python

  • کار با مسیرهای فایل در پایتون Working with File Paths in Python

  • برنامه شمارش کلمات Word Count Program

مدیریت استثنا در پایتون Exception Handling in Python

  • مدیریت استثنا در پایتون I Exception Handling in Python I

  • مدیریت استثنا در پایتون II Exception Handling in Python II

مفاهیم OOPs پایتون Python OOPs Concepts

  • کلاس ها و اشیاء پایتون Python Classes and Objects

  • استفاده از "خود" در پایتون Use of "self" in Python

  • کپسوله سازی در پایتون Encapsulation in Python

  • وراثت در پایتون Inheritance in Python

  • وراثت چند سطحی و چند سطحی Multiple and Multi-Level Inheritance

  • چند شکلی در پایتون Polymorphism in Python

  • *args و **kwargs در پایتون *args and **kwargs in Python

  • انتزاع در پایتون Abstraction in Python

ایجاد برنامه های وب برای یادگیری ماشین Create Web Apps for Machine Learning

  • ساخت برنامه های وب تعاملی برای علم داده و یادگیری ماشین Building Interactive Web Apps for Data Science and Machine Learning

  • ساخت اپلیکیشن - ماشین حساب BMI Build App - BMI Calculator

  • ساخت اپلیکیشن - ML-Powered App Build App - ML-Powered App

اصول یادگیری ماشین برای NLP (پیش نیاز) Machine Learning Fundamentals for NLP (Prerequisite)

  • نقشه راه یادگیری NLP Road Map of NLP Learning

  • موارد استفاده از NLP UseCases of the NLP

  • ملزومات توکن سازی و اصطلاحات کلیدی NLP Tokenization Essentials and Key NLP Terminologies

  • مثال عملی Tokenization Practical Example of Tokenization

  • پیش پردازش متن - ریشه Text Preprocessing - Stemming

  • پیش پردازش متن - Lemmatization Text Preprocessing - Lemmatization

  • برچسب‌گذاری بخش‌های گفتار (POS) با استفاده از NLTK Parts of Speech (POS) Tagging Using NLTK

  • پیش پردازش متن - StopWords Text Preprocessing - StopWords

  • شناسایی نهاد نامگذاری شده (NER) Named Entity Recognition (NER)

  • رمزگذاری تک داغ در NLP One-Hot Encoding in NLP

  • مثال: رمزگذاری تک داغ در NLP Example : One-Hot Encoding in NLP

  • کیسه کلمات (BoW) در NLP Bag of Words (BoW) in NLP

  • کاربرد کیسه کلمات (BoW) Application of Bag of Words (BoW)

  • N-Gram چیست؟ What is N-Gram

  • با استفاده از N-Gram کلمه بعدی را پیش بینی کنید Predict the next word using an N-Gram

  • TF-IDF در NLP و برنامه آن TF-IDF in NLP and It's Application

  • شناسایی موضوعات مقاله خبری با استفاده از TF-IDF Identifying News Article Topics Using TF-IDF

  • جاسازی کلمه در NLP Word Embedding in NLP

یادگیری عمیق برای پردازش زبان طبیعی (NLP) Deep Learning for Natural Language Processing (NLP)

  • مقدمه ای بر NLP در یادگیری عمیق Introduction to NLP in Deep Learning

  • ANN در مقابل RNN ANN vs RNN

RNN ساده: شهود عمیق Simple RNN: In-depth Intuition

  • RNN رو به جلو انتشار با زمان RNN Forward Propagation with Time

  • مشکلات شبکه های عصبی مکرر (RNN) Problems with Recurrent Neural Networks (RNNs)

اجرای پروژه ANN End-to-End End-to-End ANN Project Implementation

  • راه اندازی محیط و کتابخانه های مورد استفاده Setting Up the Environment and Libraries to be Used

  • راه اندازی محیط از پایان به پایان End to End Environment SetUp

نمایش نظرات

آموزش تسلط بر هوش مصنوعی: از ChatGPT تا LangChain در پایتون
جزییات دوره
14.5 hours
61
Udemy (یودمی) Udemy (یودمی)
(آخرین آپدیت)
2,020
4.9 از 5
ندارد
ندارد
ندارد
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

LevelUp360° DevOps LevelUp360° DevOps

دوره های حرفه ای DevOps گاهی اوقات ، دستیابی و گرفتن دست کسی آغاز یک سفر است. ما اغلب به شخصی احتیاج داریم که به ما کمک کند چند قدم اول را قبل از اینکه در آن حرکت استاد بگیریم ، برداریم. این چشم انداز ما در پشت همه دوره های ما "گام به گام" است 1. از ابتدا شروع کنید 2. موضوع را خراب کنید 3. کارها را ساده کنید 4. مرحله به مرحله پیش بروید تدریس اشتیاق ماست و ما هر دوره را طراحی می کنیم ، بنابراین شما می توانید از ابتدا شروع کنید ، هیچ چیزی در مورد یک موضوع نمی دانید و بعد از دوره متخصص می شوید و می توانید روی پروژه های سازمانی کار کنید.