×
ribbon

دوره جامع مهندسی هوش مصنوعی: LLM و RAG و QLoRA و ایجنت‌ها

در ۸ هفته به یک مهندس مدل های زبانی بزرگ (LLM) تبدیل شوید: ساخت و استقرار ۸ اپلیکیشن... بیشتر
0دانشجو
مقدماتی تا پیشرفته
Udemy

آکادمی گرولی

+ 1 مدرس دیگر

به‌روزرسانی: ۱۴۰۵/۰۳/۱۰

مشخصات دوره
محتوای دوره
پیش‌نیاز‌ها
توضیحات دوره
دیدگاه کاربران
درباره مدرس

آنچه در این دوره می‌آموزید

پروژه 1: ساخت یک تولیدکننده بروشور مبتنی بر هوش مصنوعی که وب‌سایت شرکت‌ها را به‌صورت هوشمند کراول کرده و آن‌ها را هدایت کند.

پروژه 2: ساخت یک عامل پشتیبانی مشتری چندحالته برای یک شرکت هواپیمایی با رابط کاربری و قابلیت فراخوانی توابع.

پروژه 3: توسعه ابزاری که با استفاده از مدل‌های متن‌باز و متن‌بسته، صورت‌جلسه و اقدامات عملی را از فایل‌های صوتی جلسات استخراج کند.

پروژه 4: ساخت هوش مصنوعی که کد پایتون را به ++C بهینه تبدیل کرده و عملکرد را تا 60٬000 برابر افزایش دهد!

پروژه ۵: ساخت یک «کارمند دانشی» مبتنی بر هوش مصنوعی با استفاده از RAG که در تمام امور مرتبط با شرکت به یک متخصص تبدیل شود.

پروژه ۶: پروژه نهایی بخش A – پیش‌بینی قیمت محصولات از توضیحات کوتاه با استفاده از مدل‌های Frontier.

محتوای دوره

8 فصل0 جلسه33 ساعت ویدیو
هفتهٔ اول: ساخت اولین محصول LLM شما و بررسی مدل‌های برتر
  روز اول – اجرای اولین مدل زبانی بزرگ (LLM) به‌صورت محلی با Ollama و مدل‌های متن‌باز
مشاهده
"10:44
  روز اول – نمایش یک معلم اسپانیایی با مدل‌های متن‌باز و مرور دوره
مشاهده
"10:53
  روز اول – راه‌اندازی محیط توسعهٔ LLM شما با استفاده از Cursor و UV
مشاهده
"05:54
  روز اول – راه‌اندازی محیط توسعهٔ رایانهٔ خود با Git و Cursor
مشاهده
"09:50
  روز اول – راه‌اندازی مک: نصب Git، کلون کردن مخزن و نصب محیط توسعهٔ Cursor IDE
مشاهده
"09:47
  روز اول – نصب UV و راه‌اندازی محیط توسعهٔ Cursor شما
مشاهده
"07:52
  روز اول – راه‌اندازی کلید API در open AI و متغیرهای محیطی
مشاهده
"12:28
  روز اول – نصب افزونه‌های Cursor و راه‌اندازی Jupyter Notebook شما
مشاهده
"09:04
  روز اول – اجرای اولین فراخوانی API در open AI و بررسی تفاوت میان System و User Prompts
مشاهده
"11:41
  روز اول – ساخت یک خلاصه‌ساز وب‌سایت با استفاده از OpenAI Chat Completions API
مشاهده
"10:14
  روز اول – تمرین عملی: ساخت اولین فراخوانی API در Open AI خود از صفر
مشاهده
"05:34
  روز دوم – مهندسی LLM: اجزای پایه، مدل‌ها، ابزارها و تکنیک‌ها
"09:22
  روز دوم – مسیر هشت‌هفته‌ای شما از Chat Completions API تا مهندس LLM
"02:51
  روز دوم – مدل‌های پیشرفته: مقایسهٔ OpenAI GPT، Claude، Gemini و Grok
"06:14
  روز دوم – مدل‌های زبانی بزرگ متن‌باز: LLaMA، Mistral، DeepSeek و Ollama
"12:03
  روز دوم – API تکمیل چت: مقایسهٔ نقاط پایانی HTTP و کلاینت پایتون Open AI
"10:11
  روز دوم – استفاده از کلاینت پایتون OpenAI با چند ارائه‌دهندهٔ LLM
"07:41
  روز دوم – اجرای Ollama به‌صورت محلی با نقاط پایانی سازگار با OpenAI
"10:27
  روز سوم – مدل‌های پایه، چت و استدلال: درک انواع LLM‌ها
"10:44
  روز سوم – مدل‌های پیشرفته: GPT، Claude، Gemini و نقاط قوت و ضعف آن‌ها
"12:56
  روز سوم – آزمایش ChatGPT-5 و مدل‌های پیشرفتهٔ LLM از طریق رابط کاربری وب
"09:43
  روز سوم – آزمایش Claude، Gemini، Grok و DeepSeek با استفاده از پژوهش عمیق ChatGPT
"11:33
  روز سوم – هوش مصنوعی عاملی (Agentic AI) در عمل: پژوهش عمیق (Deep Research)، کد کلود (Claude Code) و حالت عامل (Agent Mode)
"11:22
  روز سوم – مسابقه مدل‌های Frontier: ساخت یک بازی رقابتی LLM
"10:14
  روز چهارم – آشنایی با ترنسفورمرها: معماری پشت GPT و مدل‌های زبانی بزرگ (LLMs)
"12:46
  روز چهارم – از LSTMها تا ترنسفورمرها: توجه (Attention)، هوش نوظهور و هوش عاملی (Agentic AI)
"09:08
  روز چهارم– پارامترها: از میلیون‌ها تا تریلیون‌ها در GPT، LLaMA و DeepSeek
"08:26
  روز چهارم – توکن‌ها چیستند: از کاراکترها تا توکنایزر GPT
"04:02
  روز چهارم – درک توکنیزیشن: چگونه GPT متن را به توکن‌ها تقسیم می‌کند
"08:13
  روز چهارم – توکنیز کردن با tiktoken و درک «توهم حافظه»
"10:56
  روز چهارم – پنجره‌های متنی (Context Windows)، هزینه‌های API و محدودیت‌های توکن در مدل‌های زبانی بزرگ (LLMs)
"10:49
  روز پنجم – ساخت یک تولیدکننده بروشور فروش با استفاده از OpenAI Chat Completions API
"09:03
  روزپنجم– ساخت پرامپت‌های JSON و استفاده از OpenAI Chat Completions API
"10:43
  روز پنجم – زنجیره‌سازی فراخوانی‌های GPT: ساخت یک تولیدکننده بروشور شرکتی هوش مصنوعی
"09:07
  روز پنجم– ساخت یک تولیدکننده بروشور با GPT-4 و نمایش نتایج به‌صورت Streaming
"11:17
  روز پنجم– کاربردهای تجاری، چالش‌ها و ساخت مدرس هوش مصنوعی (AI Tutor) شخصی شما
"09:56
هفته دوم – ساخت یک چت‌بات چندحالته با LLMها، رابط کاربری Gradio و عامل‌ها (Agents)
هفته سوم – راه‌حل‌های خودکار هوش مصنوعی تولیدی متن‌باز با HuggingFace
هفته چهارم – رقابت مدل‌های زبانی بزرگ: ارزیابی مدل‌ها برای تولید کد و وظایف کسب‌وکار
هفتهٔ پنجم – تسلط بر RAG و ساخت راهکارهای پیشرفته با امبدینگ‌های برداری
هفتهٔ ششم – مرزهای فاین‌تیون مدل‌های زبان بزرگ با LoRA/QLoRA
هفته هفتم - مدل متن‌باز ریزتنظیم‌شده برای رقابت با مدل Frontier
هفتهٔ هشتم – ساخت سیستم چندعاملهٔ خودمختار

پیش‌نیاز‌ها

- آشنایی با زبان برنامه‌نویسی پایتون (Python): این دوره اصول اولیه پایتون را آموزش نمی‌دهد و تمام تمرینات آن با استفاده از پایتون انجام می‌شود.
- سیستم کامپیوتری: یک رایانه شخصی (PC) با اتصال به اینترنت لازم است (سیستم‌عامل مک، لینوکس یا ویندوز فرقی ندارد).
- هزینه‌های احتمالی: توصیه می‌کنیم مبلغی حدود ۵ دلار برای هزینه‌های API جهت کار با مدل‌های تراز اول (Frontier Models) در نظر بگیرید. با این حال، اگر ترجیح می‌دهید هزینه‌ای نکنید، می‌توانید کل دوره را تنها با استفاده از مدل‌های متن‌باز (Open-Source) نیز تکمیل کنید.

توضیحات دوره

 در ۸ هفته به یک مهندس مدل‌های زبانی بزرگ (LLM) تبدیل شوید: ساخت و استقرار ۸ اپلیکیشن هوش مصنوعی، تسلط بر هوش مصنوعی مولد (Generative AI)، RAG، LoRA و ایجنت‌های هوش مصنوعی.

تسلط بر هوش مصنوعی مولد و مدل‌های زبانی بزرگ (LLM): سفری ۸ هفته‌ای و عملی

با انجام پروژه‌های عملی و واقعی تحت هدایت «اد دانر» (Ed Donner)، متخصص کهنه‌کار این صنعت، مسیر شغلی خود را در حوزه هوش مصنوعی شتاب ببخشید. محصولات پیشرفته هوش مصنوعی مولد بسازید، با بیش از ۲۰ مدل پیشگامانه آزمایش کنید و بر تکنیک‌های به‌روز دنیا مانند RAG، QLoRA و ایجنت‌های هوش مصنوعی (Agents) مسلط شوید.

آنچه در این دوره می‌آموزید:

  • ساخت محصولات پیشرفته هوش مصنوعی مولد با استفاده از مدل‌ها و چارچوب‌های (Frameworks) مدرن.
  • تجربه کار با بیش از ۲۰ مدل هوش مصنوعی تحول‌آفرین، شامل مدل‌های Frontier (تراز اول) و متن‌باز (Open-Source).
  • کسب مهارت در پلتفرم‌های کلیدی مثل HuggingFace، LangChain و Gradio.
  • پیاده‌سازی تکنیک‌های پیشرفته نظیر RAG (تولید با بازیابیِ تقویت‌شده)، QLoRA (تنظیم دقیق مدل) و ایجنت‌های هوش مصنوعی.

ساخت کاربردهای واقعی هوش مصنوعی از جمله:

  • دستیار پشتیبانی مشتری چندرسانه‌ای (Multi-modal) با قابلیت تعامل با متن، صوت و تصویر.
  • کارمند دانش‌آموز (AI Knowledge Worker) با قابلیت پاسخ‌گویی به هر سوالی درباره شرکت بر اساس داده‌های مشترک.
  • برنامه‌نویس هوش مصنوعی با قابلیت بهینه‌سازی نرم‌افزار و افزایش عملکرد تا ۶۰ هزار برابر!
  • اپلیکیشن تجارت الکترونیک با قابلیت پیش‌بینی دقیق قیمت محصولات جدید.
  • گذر از مرحله استنتاج (Inference) به مرحله آموزش و تنظیم دقیق مدل‌های تراز اول و متن‌باز.
  • استقرار محصولات هوش مصنوعی در محیط واقعی (Production) با رابط کاربری حرفه‌ای و قابلیت‌های پیشرفته. 

درباره مدرس

من «اد دانر» هستم؛ کارآفرین و رهبر حوزه هوش مصنوعی و فناوری با بیش از ۲۰ سال تجربه. من هم‌بنیان‌گذار و فروشنده استارتاپ هوش مصنوعی خودم بوده‌ام، استارتاپ دومم را راه‌اندازی کرده‌ام و تیم‌های متعددی را در موسسات مالی سطح بالا و استارتاپ‌های جهانی رهبری کرده‌ام. اشتیاق من، وارد کردن دیگران به این حوزه هیجان‌انگیز و کمک به آن‌ها برای تبدیل شدن به متخصصانی پیشرو در صنعت است.

پروژه‌ها:

- تولیدکننده بروشور هوشمند: که وب‌سایت‌های شرکت‌ها را اسکرپ (Scrape) و تحلیل می‌کند.
- ایجنت پشتیبانی مشتری چندرسانه‌ای: برای یک شرکت هواپیمایی با رابط کاربری و قابلیت فراخوانی توابع (Function-calling).
- ابزار صورت‌جلسه: تبدیل صوت به صورت‌جلسه و تعیین وظایف با استفاده از مدل‌های متن‌باز و بسته.
- مترجم کد: تبدیل کد پایتون به C++ بهینه‌شده با افزایش عملکرد ۶۰ هزار برابری!
- کارمند دانش‌آموز با RAG: تبدیل شدن به متخصص تمام امور شرکت.
- پروژه نهایی (بخش A): پیش‌بینی قیمت محصولات از روی توضیحات کوتاه با استفاده از مدل‌های تراز اول (Frontier).
- پروژه نهایی (بخش B): تنظیم دقیق یک مدل متن‌باز برای رقابت با مدل‌های تراز اول در پیش‌بینی قیمت.
- پروژه نهایی (بخش C): سیستم ایجنت خودکار برای شناسایی تخفیف‌ها و اطلاع‌رسانی خریدهای ویژه.
 
چرا این دوره؟

یادگیری عملی: بهترین راه یادگیری، “انجام دادن” است. شما با ساخت برنامه‌های کاربردی، نتایج خیره‌کننده‌ای رقم می‌زنید.
تکنیک‌های پیشرفته: با یادگیری آخرین ابزارها از رقبا پیشی بگیرید.
محتوای در دسترس: طراحی‌شده برای همه سطوح با دستورالعمل‌های گام‌به‌گام و منابع فراوان.
بدون نیاز به ریاضیات پیشرفته: تمرکز دوره بر کاربرد است؛ برای مهندسی LLM نیازی به جبر خطی یا دیفرانسیل ندارید.
 
ساختار دوره (خلاصه هفته‌ها):

- هفته ۱: مبانی ترنسفورمرها و اولین پروژه (تولید بروشور هوشمند).
- هفته ۲: کار با APIهای تراز اول و ساخت چت‌بات‌های چندرسانه‌ای خدمات مشتری.
- هفته ۳: ورود به دنیای مدل‌های متن‌باز با HuggingFace.
- هفته ۴: انتخاب مدل مناسب و تولید کد (تبدیل پایتون به C++).
- هفته ۵: تسلط بر RAG و پایگاه‌های داده برداری (Vector Datastores).
- هفته ۶: گذار از استنتاج به آموزش (Fine-tuning یک مدل تجاری).
- هفته ۷: تکنیک‌های پیشرفته آموزشی مانند QLoRA.
- هفته ۸: استقرار نهایی، ارتقای قابلیت‌ها با ایجنت‌ها و ورود به بازار کار.

این دوره برای چه کسانی مناسب است؟

- مهندسان هوش مصنوعی و متخصصان داده که مشتاق ورود به دنیای هوش مصنوعی مولد هستند.
- متخصصانی که قصد به‌روزرسانی مهارت‌ها و حفظ رقابت‌پذیری در فضای سریع تغییرات هوش مصنوعی را دارند.
- توسعه‌دهندگانی که علاقه‌مند به ساخت اپلیکیشن‌های پیشرفته با تجربه عملی هستند.
- افرادی که به دنبال تغییر مسیر شغلی یا افزایش بهره‌وری از طریق چارچوب‌های مبتنی بر LLM هستند.

اطلاعات بیشتر

گواهی‌نامه

دوره جامع مهندسی هوش مصنوعی: LLM و RAG و QLoRA و ایجنت‌ها

پس از گذراندن محتوای دوره به صورت آنلاین (بدون دانلود) در سایت مکتب‌خونه، در صورتی‌ که حد نصاب قبولی در دوره را کسب و تمرین ها و پروژه های الزامی را ارسال کنید، گواهی‌نامه رسمی پایان دوره توسط مکتب‌خونه به اسم شما صادر شده و در اختیار شما قرار می‌گیرد.

قابل اشتراک‌گذاری در

linkdin

درباره استاد

آکادمی گرولی
99دوره
45,796دانشجو

• آکادمی گرولی با هدف توانمندسازی و توسعه‌ی حرفه‌ای افراد فعالیت می‌کند.

دوره‌های این آکادمی در حوزه‌های شغلی متنوعی مانند هوش مصنوعی، برنامه‌نویسی، نرم‌افزارهای کاربردی، مدیریت محصول، بازاریابی دیجیتال، مهارت‌های نرم و توسعه کسب‌وکار دسته‌بندی می‌شوند.

این دوره‌ها اکثرا از پرفروش‌ترین آموزش‌های برترین پلتفرم‌های یادگیری دنیا مانند یودمی، لینکدین‌لرنینگ، کورسرا و ریفورج هستند که همگی با زیرنویس فارسی منتشر شده‌اند. همچنین چندی از دوره‌های این آکادمی نیز، به صورت اختصاصی توسط مدرسان معتبر ایرانی تهیه گردیده‌اند.

اطلاعات بیشتر

دیگر دوره‌های آکادمی گرولی

Ed Donner
3دوره
2,630دانشجو

اد دانر یک رهبر فناوری و کارآفرین سریالی در حوزه استارتاپ‌های هوش مصنوعی است. او هم‌بنیان‌گذار و مدیر ارشد فناوری شرکت Nebula است؛ پلتفرمی که با استفاده از هوش مصنوعی مولد و سایر روش‌های یادگیری ماشین، به شناسایی، تحلیل، تعامل و مدیریت استعدادها می‌پردازد. هدف بلندمدت Nebula کمک به افراد برای کشف ظرفیت‌های خود و یافتن مسیر و معنای زندگی‌شان است.

 

پیش از آن، اد بنیان‌گذار و مدیرعامل استارتاپ untapt بود؛ شرکتی فعال در حوزه هوش مصنوعی که به‌عنوان یکی از شرکت‌های منتخب آزمایشگاه نوآوری فین‌تک Accenture معرفی شد و در سال 2021 مورد تملک قرار گرفت. او همچنین سابقه فعالیت به‌عنوان مدیر ارشد در JPMorgan Chase را دارد، جایی که تیمی متشکل از 300 مهندس نرم‌افزار در حوزه فناوری ریسک را در سه قاره رهبری می‌کرد.

 

اد دانر دارای یک پتنت برای موتور تطبیق مبتنی بر یادگیری عمیق است که در سال 2023 ثبت شده و مدرک کارشناسی ارشد فیزیک را از دانشگاه آکسفورد دریافت کرده است.

اطلاعات بیشتر

دیگر دوره‌های Ed Donner

مهارت‌هایی که می‌آموزید