×
ribbon

کارگاه عملی هوش مصنوعی در 7 روز: ساخت برنامه های هوش مصنوعی، RAG و عوامل

مدرس:Udemy

Arjun VaidSchool of AI

ساخت اپ‌های هوش مصنوعی با پایتون، RAG و عامل‌های هوش مصنوعی

جدید
زیرنویس
28دانشجو
9ساعت
سرفصل‌ها
پیشرفته سطح دوره
بروزرسانیشهریور ۱۴۰۵
محتوای دوره
سرفصل‌ها
توضیحات دوره
دیدگاه کاربران
درباره مدرس

آنچه در این دوره می‌آموزید

پیاده‌سازی برنامه‌های هوش مصنوعی عملی با استفاده از پایتون、 Streamlit و مدل‌های زبان بزرگ

درک مفاهیم به‌روز هوش مصنوعی از جمله هوش مصنوعی مولد、 مدل‌های زبان بزرگ、 نشانه‌ها、 پرامپت‌ها、 پنجره‌های بافتی و توهم‌ها

نوشتن پرامپت‌های مؤثر با استفاده از نقش‌ها、 دستورها، محدودیت‌ها、 نمونه‌ها و فرمت‌های خروجی ساخت‌یافته

ایجاد فضای پرامپت‌نویسی برای آزمایش、 مقایسه و ذخیره پرامپت‌های قابل استفاده مجدد

این دوره شامل:

9 ساعت ویدئو

گواهینامه مکتب‌خونه

دسترسی مادام‌العمر به محتوای دوره

زیرنویس اختصاصی مکتب‌خونه

سرفصل‌های دوره

9 فصل55 جلسه9 ساعت ویدیو
معرفی دوره و راه‌اندازی
  پروژه تیزر - دانش کامل از ابتدا تا انتها و دستیار پژوهش
39:07
  در این دوره چه چیزی خواهید ساخت
09:25
  نمای کلی فناوری‌های به‌کاررفته در دوره
05:07
  نصب پایتون، وی‌اس کد، و گیت
07:44
  راه‌اندازی اوپن‌ای‌آی یا اولاما
10:32
  ایجاد پوشه پروژه بوت‌کمپ
06:38
روز اول: ساخت اولین دستیار هوش مصنوعی شما
  هوش مصنوعی چیست، هوش مصنوعی مولد چیست و یک مدل زبان بزرگ چیست؟
07:50
  درک دستورات ورودی، توکن‌ها و پاسخ‌ها
05:10
  بررسی کلی آزمایشگاه روز اول
01:20
  ساخت لایه سرویس مدل زبان بزرگ
15:06
  ساخت چت‌ربات هوش مصنوعی برای ترمینال
11:56
  ساخت چت‌ربات هوش مصنوعی با استفاده از استریم‌لیت
11:46
  خلاصه روز اول و چالش دانش‌آموزان
02:57
زمین بازی مهندسی پرامپت روز دوم
  چرا مهندسی پرامپت اهمیت دارد
03:57
  پرامپت ضعیف در مقابل پرامپت قدرتمند
03:32
  فرمول پرامپت: نقش، کار، زمینه، قوانین، فرمت خروجی
03:42
  نمای کلی آزمایشگاه روز دوم
01:40
  ایجاد الگوهای پرامپت
12:58
  ایجاد آزمایشگاه پرامپت با استریم‌لیت
13:57
  نمایش آزمایشگاه پرامپت: ذخیره، انتخاب و اجرای پرامپت‌ها
08:26
  خلاصه روز دوم و چالش دانش‌آموزان
02:44
روز سوم: تحلیل‌گر رزومه با هوش مصنوعی
  تبدیل فراخوانی‌های مدل‌های زبانی بزرگ به برنامه‌های هوش مصنوعی
02:39
  معماری تحلیل‌گر رزومه با هوش مصنوعی
02:52
  نمای کلی آزمایشگاه روز سوم
02:30
  بارگذاری و استخراج متن رزومه
08:42
  ایجاد پرومپ تحلیل رزومه
06:17
  ساخت اپلیکیشن تحلیل‌گر رزومه با استریم‌لیت
09:10
  دموی تحلیل رزومه از بارگذاری تا گزارش
05:45
  خلاصه روز سوم و چالش دانش‌آموزان
03:30
روز چهارم: دستیار چت پی‌دی‌اف با مبحث 'RAG'
  مبحث 'RAG' چیست؟
05:22
  برد‌ها، قطعات و جستجوی معنایی
04:15
  معرفی مقدماتی 'ChromaDB'
02:50
  ساخت دستیار چت برای پی‌دی‌اف با مبحث 'RAG' و 'ChromaDB'
42:16
  گفت‌وگوی پی‌دی‌اف‌های شما: ساخت برنامه 'RAG' با 'ChromaDB' و مدل زبان بزرگ
07:04
  جمع‌بندی روز چهارم و چالش دانشجویان
03:51
روز پنجم: عامل پژوهش خودمختار
  عامل هوش مصنوعی چیست؟
03:49
  عامل = مدل زبان بزرگ + ابزارها + جریان کار + وضعیت
02:45
  ساخت عامل پژوهش خودمختار
44:37
  نمایش عملی: اجرای عامل پژوهش از موضوع تا گزارش
08:41
  جمع‌بندی روز پنجم و چالش دانشجویان
02:08
روز ششم تیم محتوای چند عامل
  سیستم‌های تک‌عاملی در برابر سیستم‌های چند‌عاملی
03:26
  درک نقش‌های عامل و ارکستراسیون
05:01
  ساخت تیم محتوای چند‌عاملی
66:19
  اجرای تیم محتوای چند‌عاملی از ابتدا تا انتها
10:16
  جمع‌بندی روز ششم و چالش دانشجویی
02:31
روز هفتم پروژه پایانی و استقرار
  بررسی پروژه پایانی
02:49
  معماری دستیار پایگاه دانش هوش مصنوعی
02:40
  ساخت دستیار پایگاه دانش هوش مصنوعی
49:03
  کانتینر‌سازی اپلیکیشن با 'Dockerfile'
03:00
  نمایش نهایی پروژه پایانی
14:12
  آماده‌سازی راهنمای مخزن گیت‌هاب و ارسال پُرتفولیوی
02:38
هوش مصنوعی مسئولانه، جمع‌بندی و گام‌های بعدی
  مبانی هوش مصنوعی مسئولانه برای سازندگان
03:57
  اشتباهات رایج در برنامه‌های هوش مصنوعی که باید از آنها پرهیز کرد
03:51
  نکات پرتفولیو و رزومه
03:40
  تبریک‌ها و جمع‌بندی نهایی
03:37

توضیحات دوره

یادگیری هوش مصنوعی از طریق ساخت پروژه‌های عملی با پایتون、 مدل‌های زبانی بزرگ (LLMs)、 Streamlit、 مهندسی پرامپت、 Retrieval-Augmented Generation یا RAG、 عامل‌های هوش مصنوعی و گردش کار چند عامل. آنچه می‌آموزید: - ساخت برنامه‌های کاربردی هوش مصنوعی با استفاده از پایتون、 Streamlit و مدل‌های زبانی بزرگ. - درک مفاهیم مدرن هوش مصنوعی از جمله هوش مصنوعی مولد、 مدل‌های زبان بزرگ、 نشانه‌ها、 پرامپت‌ها、 پنجره‌های بافتی و توهم‌ها. - نوشتن پرامپت‌های مؤثر با استفاده از نقش‌ها、 دستورها、 محدودیت‌ها、 نمونه‌ها و فرمت‌های خروجی ساخت‌یافته. - ایجاد فضای پرامپت‌نویسی برای آزمایش、 مقایسه و ذخیره پرامپت‌های قابل استفاده مجدد. - ساخت تحلیل‌گر رزومه هوش مصنوعی که رزومه‌ها را ارزیابی、 امتیازدهی و بهبودهای پیشنهادی ارائه می‌کند. - استخراج متن از فایل‌های PDF و سایر اسناد برای استفاده در برنامه‌های هوش مصنوعی. - ساخت دستیار چت با PDF با استفاده از تولید بازیابی‌شده-افزوده یا RAG. - درک نگاشت‌ها、 جستجوی معنایی、 تقسیم اسناد و پایگاه‌های داده برداری. - استفاده از ChromaDB به عنوان یک پایگاه داده برداری محلی برای جستجو و بازیابی اسناد. - ساخت یک عامل پژوهشی هوش مصنوعی خودمختار که بتواند طرح‌ریزی کند、 جستجو کند、 تحلیل کند、 بنویسد、 بازبینی کند و گزارش‌ها را ذخیره نماید. - ایجاد گردش کار چندعامله با Planner、 Researcher、 Writer、 Editor و QA. - بسته‌بندی یک برنامه هوش مصنوعی با Docker و آماده‌سازی آن برای پرتفولیو یا استقرار. - اجرای شیوه‌های هوش مصنوعی مسئولانه از جمله حریم خصوصی、 دقت、 حفاظ‌ها و نظارت انسانی. - ایجاد پروژه‌های هوش مصنوعی مناسب برای پرتفولیوی قابل ارائه برای گیت‌هاب、 رزومه‌ها、 مصاحبه‌ها و سایر موارد.

دیدگاه کاربران

5

بر اساس امتیاز 2 دانشجو

1
2
3
4
5

گواهینامه اختصاصی دو زبانه

پس از گذراندن دوره به صورت آنلاین در سایت مکتب‌خونه، گواهی‌نامه رسمی پایان دوره به زبان فارسی و انگلیسی، توسط مکتب‌خونه به اسم شما صادر شده و در اختیار شما قرار می‌گیرد.

امکان اشتراک گذاری در لینکدین
دو زبانه

ضمانت بازگشت وجه

کیفیت این آموزش توسط مکتب‌خونه تضمین شده است. در صورت عدم رضایت، با شرایط زیر می‌توانید درخواست بازگشت وجه کنید.

مهلت درخواستتا ۱۵ روز پس از خرید دوره
میزان مشاهدهکمتر از ۲۰ درصد یا ۵ جلسه از دوره
1دوره
28دانشجو
2نظر و امتیاز
آرژُن واید — مهندس نرم‌افزار که به هوش مصنوعی، آموزش، طراحی محصول و چاپ سه‌بعدی علاقه‌مند است و اکنون این حوزه‌ها را در دوره‌هایش با هم ترکیب می‌کند. انگیزه‌ش از استفاده از نرم‌افزار Fusion 360 تنها خود نرم‌افزار نیست؛ بلکه لحظه‌ای است که یک ایده در ذهن شما به چیزی تبدیل می‌شود که می‌توانید آن را در دست بگیرید. این احساس قدرتمند است و همان دلیل است که به هوش مصنوعی و تدریس علاقه‌مندم. دوست دارم چیزی که پیچیده به نظر می‌رسد را گام به گام توضیح دهم و به دانش‌آموزان نشان دهم که «واقعاً می‌توانم این را بسازم». اکثر آموزش‌ها ابزارها را آموزش می‌دهند، اما نه نحوه تفکر پشت آنها را. در دوره‌های من، با عبور از هر منو در Fusion 360 کار نمی‌کنم؛ من با ساخت پروژه‌های واقعی — جعبه‌های مهر و موم‌شدنی، لولاهای کارکردی، پایه‌های گوشی، رک‌های دیواری، گلوگاه‌ها و جعبه‌های هدیه — یاد می‌دهم. سابقه من در مهندسی نرم‌افزار و هوش مصنوعی به من نگاهی متفاوت به طراحی می‌دهد. من به سیستم‌ها، نقاط بحرانی، اتوماسیون، تکرار و کشف نقاطی که از مسیر خارج می‌شوند فکر می‌کنم. چه در حال تدریس عوامل هوش مصنوعی، اتوماسیون یا طراحی محصول باشم، هدف من این است که ایده‌های پیچیده را قابل اجرا، عملی و مفید در دنیای واقعی کنم. تدریس چیزی است که واقعاً از آن لذت می‌برم زیرا می‌دانم ابزارهای جدید تا چه حد می‌توانند گیج‌کننده باشند. هوش مصنوعی، CAD، چاپ سه‌بعدی و نرم‌افزارها از بیرون ممکن است ترسناک به نظر برسند، اما وقتی توضیح داده شوند و به پروژه‌های واقعی پیوند داده شوند، همه چیز روشن می‌شود. چه شما مبتدی کامل باشید، چه علاقه‌مند، دانش‌آموز، توسعه‌دهنده یا کسی که تازه نخستین پرینتر سه‌بعدی را خریده، هدف من این است که به شما کمک کنم از «از کجا باید شروع کنم» به «من آن را طراحی کردم، ساختم و واقعاً کار می‌کند» برسید.
9دوره
168دانشجو
16نظر و امتیاز
School of AI به‌عنوان منبعی جامع برای تمامی نیازهای آموزشی هوش مصنوعی عمل می‌کند. از سال 2010، مدرسین مجرب ما آموزش‌های باکیفیت در فناوری‌های پیشرفته ارائه می‌کنند. دوره‌های ما از مفاهیم پایه هوش مصنوعی تا تکنیک‌های پیشرفته یادگیری ماشین و یادگیری عمیق را پوشش می‌دهد و شما را با دانش عملی و تجربهٔ کار واقعی آماده می‌کند.
poster

کارگاه عملی هوش مصنوعی در 7 روز: ساخت برنامه های هوش مصنوعی، RAG و عوامل

28دانشجو

دوره‌های مشابه

دیگر دوره‌های School of AI