هوش مصنوعی از صفر تا صد 2024 - ساخت 7 هوش مصنوعی + LLM و ChatGPT
✅ سرفصل و جزئیات آموزش
در این دوره قدرت علم داده، یادگیری ماشین و یادگیری عمیق را برای ایجاد هوش مصنوعی قدرتمند برای اپلیکیشن های واقعی ترکیب می کنید.
آنچه یاد خواهید گرفت
- 7 هوش مصنوعی مختلف برای 7 اپلیکیشن مختلف می سازید.
- با تئوری هوش مصنوعی آشنا می شوید.
- به مدل های پیشرفته هوش مصنوعی مسلط می شوید.
- مشکلات واقعی را با هوش مصنوعی حل می کنید.
- Q-Learning
- Q-Learning عمیق
- Q-Learning کانولوشن عمیق
- A3C (منتقد-بازیگر مزیت غیرهمزمان)
- PPO (بهینه سازی سیاست پروگزیمال)
- SAC (منتقد-بازیگر نرم)
- LLMs
- ترنسفرمرها
- سازگاری با رتبه پایین (LoRA) و کوانتیزاسیون (QLoRA)
- تکنیک های NLP برای چت بات ها - توکن سازی و Padding
- تیونینگ دقیق یک LLM با افزایش دانش
- موارد اضافی - DDPG، مدل کامل جهان، استراتژی های تکامل و الگوریتم های ژنتیک
پیش نیازهای دوره
- ریاضیات دبیرستان
- دانش اولیه پایتون
توضیحات دوره
به هوش مصنوعی از صفر تا صد خوش آمدید.
شما مفاهیم کلیدی هوش مصنوعی را با دروس شهودی می آموزید تا سریعا با همه موارد هوش مصنوعی آشنا شوید و آن ها را با ساخت 7 هوش مصنوعی مختلف تمرین کنید:
- یک هوش مصنوعی با مدل Q-Learning می سازید و آن را برای بهینه سازی جریان های انبار در یک مطالعه موردی بهینه سازی فرآیند آموزش می دهید.
- با مدل Q-Learning عمیق یک هوش مصنوعی می سازید و آن را برای فرود روی ماه آموزش می دهید.
- با مدل Q-Learning کانولوشن عمیق یک هوش مصنوعی می سازید و آن را برای انجام بازی Pac-Man آموزش می دهید.
- با مدل A3C (منتقد-بازیگر مزایای غیرهمزمان) یک هوش مصنوعی می سازید و آن را برای مبارزه با کونگ فو آموزش می دهید.
- با مدل PPO (بهینه سازی سیاست پروگسیمال) یک هوش مصنوعی می سازید و آن را برای یک خودروی خودران آموزش می دهید.
- با مدل SAC (منتقد-بازیگر نرم) یک هوش مصنوعی می سازید و آن را برای یک ماشین خودران آموزش می دهید.
- با تیونینگ دقیق یک LLM از پیش آموزش دیده قدرتمند (Llama 2 توسط متا) با Hugging Face، یک هوش مصنوعی می سازید و دوباره آن را آموزش می دهید تا با شما در مورد اصطلاحات پزشکی چت کند. به زبان ساده، ما در اینجا یک چت بات پزشک هوش مصنوعی می سازیم.
اما این همه ماجرا نیست. پس از تکمیل دوره، 3 هوش مصنوعی اضافی: DDPG، مدل کامل جهان، استراتژی های تکامل و الگوریتم های ژنتیک دریافت خواهید کرد. ما این هوش مصنوعی ها را با ChatGPT برای یک ماشین خودران و یک اپلیکیشن Humanoid می سازیم. برای هر یک از این هوش مصنوعی های اضافی، یک درس ویدئویی طولانی با توضیح پیاده سازی، یک PDF کوچک و کد پایتون دریافت خواهید کرد.
و در آخر، آنچه را که با این دوره به دست خواهید آورد:
- مهارت های کامل هوش مصنوعی از مبتدی تا خبره - یاد می گیرید که برای اهداف مختلف، هوش مصنوعی خودبهبود یافته را کدنویسی کنید. در واقع ما با شما کدنویسی می کنیم. هر آموزش با یک صفحه خالی شروع می شود و ما کد را از ابتدا می نویسیم. به این ترتیب می توانید ما را دنبال کنید و بفهمید که دقیقا چگونه کدها با هم ترکیب می شوند و هر خط به چه معناست.
- کدنویسی بدون دردسر و قالب های کد - ما کل هوش مصنوعی های خود را در Google Colab می سازیم، به این معنا که هیچ مشکلی برای نصب کتابخانه ها یا پکیج ها نخواهیم داشت زیرا همه موارد از قبل در نوت بوک های Google Colab نصب شده است. بعلاوه، برای هر هوش مصنوعی که در این دوره می سازید، قالب های قابل دانلود کد پایتون (در py. و ipynb.) دریافت خواهید کرد. این امر باعث می شود ساخت هوش مصنوعی واقعا منحصر به فرد به سادگی تغییر چند خط کد باشد. اگر تخیل خود را آزاد کنید، پتانسیل شما نامحدود است.
- آموزش های شهودی - جایی که اکثر دوره ها به سادگی شما را با تئوری متراکم بمباران می کنند و شما را در مسیر خود قرار می دهند، ما به ایجاد درک عمیق نه تنها از آنچه انجام می دهید، بلکه چرایی انجام آن، باور داریم. به همین دلیل است که ما ریاضیات پیچیده را متوجه شما نمی کنیم، بلکه روی ایجاد شهود خود در هوش مصنوعی تمرکز می کنید تا نتایج بسیار بهتری در آینده داشته باشید.
- راه حل های واقعی - شما نه تنها در مدل هوش مصنوعی بلکه در 5 مدل به هدف خود خواهید رسید. هر ماژول از ساختارها و مشکلات مختلفی تشکیل شده است، به این معنا که به اندازه کافی مهارت خواهید داشت تا هوش مصنوعی سازگار با هر محیط واقعی را بسازید. به جای استفاده از حافظه به عنوان وسیله ای برای «تست و سپس فراموش کردن» مانند اکثر دوره های دیگر، در این دوره تمرین کردن واقعا درک شما را عالی می کند.
این دوره برای چه کسانی مناسب است؟
- کسی که به هوش مصنوعی، یادگیری ماشین یا یادگیری عمیق علاقه دارد.
هوش مصنوعی از صفر تا صد 2024 - ساخت 7 هوش مصنوعی + LLM و ChatGPT
-
دلیل استفاده از هوش مصنوعی؟ 05:10
-
سلام از هادلین 01:41
-
پیروزی سریع - یک اپلیکیشن چت بات بسازید که مانند استاد یودا صحبت کند 05:55
-
برنامه عملیاتی 04:03
-
یادگیری تقویتی چیست؟ 11:26
-
معادله بلمن 18:25
-
برنامه 02:12
-
فرآیند تصمیم گیری مارکوف 16:26
-
سیاست در مقابل برنامه 12:55
-
افزودن "Living Penalty" 09:47
-
شهود Q-Learning 14:45
-
تفاوت زمانی 19:26
-
آزمون 1 None
-
برنامه عملیاتی 02:17
-
شهود Q-Learning عمیق - یادگیری 15:15
-
شهود Q-Learning عمیق - بخش عملی 06:06
-
بازپخش تجربه 15:45
-
سیاست های انتخاب عمل 16:23
-
به فعالیت عملی بخش 1 خوش آمدید 01:44
-
پیاده سازی Q-Learning عمیق - مرحله 1 06:59
-
پیاده سازی Q-Learning عمیق - مرحله 2 06:24
-
پیاده سازی Q-Learning عمیق - مرحله 3 08:23
-
پیاده سازی Q-Learning عمیق - مرحله 4 03:58
-
پیاده سازی Q-Learning عمیق - مرحله 5 05:45
-
پیاده سازی Q-Learning عمیق - مرحله 6 03:55
-
پیاده سازی Q-Learning عمیق - مرحله 7 02:44
-
پیاده سازی Q-Learning عمیق - مرحله 8 03:07
-
پیاده سازی Q-Learning عمیق - مرحله 9 08:17
-
پیاده سازی Q-Learning عمیق - مرحله 10 07:39
-
پیاده سازی Q-Learning عمیق - مرحله 11 07:35
-
پیاده سازی Q-Learning عمیق - مرحله 12 08:59
-
پیاده سازی Q-Learning عمیق - مرحله 13 08:55
-
پیاده سازی Q-Learning عمیق - مرحله 14 06:47
-
پیاده سازی Q-Learning عمیق - مرحله 15 02:09
-
پیاده سازی Q-Learning عمیق - مرحله 16 05:38
-
پیاده سازی Q-Learning عمیق - مرحله 17 09:39
-
پیاده سازی Q-Learning عمیق - مرحله 18 20:26
-
پیاده سازی Q-Learning عمیق - مرحله 19 05:19
-
پیاده سازی Q-Learning عمیق - مرحله 20 05:44
-
برنامه عملیاتی 03:26
-
شهود Q-Learning کانولوشن عمیق 07:12
-
ردیابی واجد شرایط بودن 08:38
-
به فعالیت عملی بخش 2 خوش آمدید 01:37
-
پیاده سازی Q-Learning کانولوشن عمیق - مرحله 1 05:17
-
پیاده سازی Q-Learning کانولوشن عمیق - مرحله 2 05:30
-
پیاده سازی Q-Learning کانولوشن عمیق - مرحله 3 11:06
-
پیاده سازی Q-Learning کانولوشن عمیق - مرحله 4 04:33
-
پیاده سازی Q-Learning کانولوشن عمیق - مرحله 5 07:14
-
پیاده سازی Q-Learning کانولوشن عمیق - مرحله 6 04:05
-
پیاده سازی Q-Learning کانولوشن عمیق - مرحله 7 02:03
-
پیاده سازی Q-Learning کانولوشن عمیق - مرحله 8 08:20
-
پیاده سازی Q-Learning کانولوشن عمیق - مرحله 9 09:48
-
پیاده سازی Q-Learning کانولوشن عمیق - مرحله 10 07:37
-
پیاده سازی Q-Learning کانولوشن عمیق - مرحله 11 14:13
-
پیاده سازی Q-Learning کانولوشن عمیق - مرحله 12 03:54
-
پیاده سازی Q-Learning کانولوشن عمیق - مرحله 13 05:24
-
برنامه عملیاتی 03:39
-
سه A در A3C 04:44
-
منتقد-بازیگر 06:36
-
غیرهمزمان 11:42
-
مزایا 15:21
-
لایه LSTM 15:36
-
به فعالیت عملی بخش 3 خوش آمدید 01:45
-
پیاده سازی A3C - مرحله 1 06:06
-
پیاده سازی A3C - مرحله 2 05:53
-
پیاده سازی A3C - مرحله 3 11:46
-
پیاده سازی A3C - مرحله 4 08:26
-
پیاده سازی A3C - مرحله 5 05:48
-
پیاده سازی A3C - مرحله 6 07:14
-
پیاده سازی A3C - مرحله 7 11:51
-
پیاده سازی A3C - مرحله 8 18:28
-
پیاده سازی A3C - مرحله 9 02:06
-
پیاده سازی A3C - مرحله 10 09:59
-
پیاده سازی A3C - مرحله 11 07:22
-
پیاده سازی A3C - مرحله 12 09:59
-
پیاده سازی A3C - مرحله 13 03:46
-
پیاده سازی A3C - مرحله 14 20:21
-
پیاده سازی A3C - مرحله 15 13:16
-
به فعالیت عملی بخش 4 خوش آمدید 02:08
-
آشنایی با LLMs 01:40
-
اجزای اولیه یک LLM 02:50
-
چه کسی LLMs را اختراع کرد؟ 01:24
-
چگونه LLMs متن تولید می کنند؟ 02:56
-
درون یک LLM - عملکرد درونی 04:43
-
پارامترهای LLM 02:04
-
پنجره کانتکس LLM 02:07
-
تیونینگ دقیق LLMs 02:58
-
به فعالیت عملی بخش 5 خوش آمدید 02:08
-
تیونینگ دقیق LLMs با Hugging Face - مرحله 1 09:59
-
تیونینگ دقیق LLMs با Hugging Face - مرحله 2 12:13
-
تیونینگ دقیق LLMs با Hugging Face - مرحله 3 07:43
-
تیونینگ دقیق LLMs با Hugging Face - مرحله 4 05:11
-
تیونینگ دقیق LLMs با Hugging Face - مرحله 5 12:59
-
تیونینگ دقیق LLMs با Hugging Face - مرحله 6 06:42
-
تیونینگ دقیق LLMs با Hugging Face - مرحله 7 10:37
-
ویدئوی تشکر از شما 02:40
-
یادگیری عمیق چیست؟ 12:34
-
برنامه عملیاتی 02:51
-
نورون 16:15
-
تابع فعال سازی 08:29
-
شبکه های عصبی چگونه کار می کند؟ 12:47
-
شبکه های عصبی چگونه یاد می گیرند؟ 12:58
-
گرادیان کاهشی 10:12
-
گرادیان کاهشی تصادفی 08:44
-
پس انتشار 05:21
-
برنامه عملیاتی 03:31
-
شبکه های عصبی کانولوشن چه هستند؟ 15:49
-
مرحله 1 - عملیات کانولوشن 16:38
-
مرحله 1(b) - لایه ReLU 06:41
-
مرحله 2 - Pooling 14:13
-
مرحله 3 - صاف کردن 01:52
-
مرحله 4 - اتصال کامل 19:24
-
خلاصه 04:19
-
بیشینه هموار و آنتروپی متقاطع 18:20
مشخصات آموزش
هوش مصنوعی از صفر تا صد 2024 - ساخت 7 هوش مصنوعی + LLM و ChatGPT
- تاریخ به روز رسانی: 1404/06/14
- سطح دوره:همه سطوح
- تعداد درس:114
- مدت زمان :15:26:01
- حجم :5.79GB
- زبان:دوبله زبان فارسی
- دوره آموزشی:AI Academy