اپلیکیشن های هوش مصنوعی بدون کد با ChatGPT ،OpenAI ،Flowise و LLMs
✅ سرفصل و جزئیات آموزش
آنچه یاد خواهید گرفت:
- مقدمهای بر مدلهای زبان
- ابزارهایی برای کار با LLMها و NLPها
- توسعه اپلیکیشن هوش مصنوعی با ChatGPT به همراه LangChain
- توسعه اپلیکیشن با ChatGPT و LLMهای بدون کد
- مقدمهای بر Flowise و اجزای آن
- توسعه LLMهای پیشرفته
- آموزش مدل LLM
- آموزش LLM با اسناد شخصی شما
- استدلال چند مرحلهای با ماژول رشته
- مدلهای زبان بزرگ (LLMs) متنباز
- مدیریت اعتبارنامهها در Flowise
- Auto-GPT: هوش مصنوعی که از ChatGPT پیشی گرفت.
پیش نیازهای دوره
دانش برنامهنویسی قبلی لازم نیست.
توضیحات دوره
در دنیایی دیجیتال که دائماً در حال تحول است، هوش مصنوعی دیگر یک مفهوم آیندهنگرانه نیست، بلکه به ابزاری ضروری در زمینههای مختلف زندگی روزمره ما تبدیل شده است. با این حال، چالش همیشه این بوده است که چگونه این فناوری را برای کسانی که تجربه برنامهنویسی ندارند، در دسترس قرار دهیم. اینجاست که این دوره معنا پیدا میکند.
آیا تا به حال به این فکر کردهاید که چگونه راهحلهای هوشمند و خودکار بدون نیاز به یادگیری برنامهنویسی از ابتدا ایجاد کنید؟ این دوره پاسخ شماست. این دوره فرصتی منحصربهفرد برای یادگیری چگونگی توسعه اپلیکیشن های مجهز به ChatGPT و LLMها بدون نوشتن حتی یک خط کد را ارائه میدهد. این دوره نه تنها دسترسی به یکی از انقلابیترین فناوریهای حال حاضر را فراهم میکند، بلکه توانایی طراحی، نمونهسازی اولیه و راهاندازی راهحلهای مبتنی بر هوش مصنوعی خودتان را به شما میدهد.
توضیحات محتوا:
- اصول مستحکم: با درک روشنی از مدلهای زبان (Language Models) شروع کنید و قدرت پشت ChatGPT را کشف نمایید.
- ابزارهایی در دسترس شما: با ابزارهای پیشرفتهای مانند LangChain و Flowise آشنا شوید که به شما امکان میدهند ایدههای خود را به واقعیت تبدیل کنید.
- پروژههای عملی: دانش خود را از طریق پروژههای عملی و چالشهایی به کار ببرید که تجربه یادگیری همهجانبهای را تضمین میکنند.
- آینده هوش مصنوعی و ChatGPT: Auto-GPT و سایر مدلهای پیشرفتهای را که افق بعدی هوش مصنوعی را تعریف میکنند، کشف کنید.
دیگر هیچ مانعی بین شما و اپلیکیشن های هوش مصنوعی نسل بعدی وجود ندارد. از این فرصت برای تسلط به ChatGPT و سایر ابزارهای هوش مصنوعی استفاده کنید، همگی بدون نیاز به فرورفتن در خطوط پیچیده کد. آیا آمادهاید تا آینده را با راهحلهای هوشمند خود متحول کنید؟ سفر خود را از همین امروز آغاز کنید!
این دوره برای چه کسانی مناسب است؟
- هر متخصصی که میخواهد اپلیکیشن های مبتنی بر ChatGPT را بدون برنامهنویسی ایجاد کند.
- اگر مجذوب دنیای هوش مصنوعی هستید و میخواهید اپلیکیشن های هوشمند بدون تسلط به برنامهنویسی ایجاد کنید
- اگر کارآفرینی هستید که به دنبال استفاده از هوش مصنوعی است.
- اگر در محیطی دائماً در حال تحول کار میکنید و میخواهید راهحلهای ChatGPT را بدون یادگیری برنامهنویسی در جریان کاری خود بگنجانید.
اپلیکیشن های هوش مصنوعی بدون کد با ChatGPT ،OpenAI ،Flowise و LLMs
-
مقدمهای بر مدلهای زبانی 03:21
-
مدلهای زبانی چیستند؟ 03:28
-
انواع مدلهای زبانی 03:38
-
OpenAI، شرکتی که پشت الگوریتم ChatGPT قرار دارد 03:03
-
آشنایی با ChatGPT 03:00
-
مزایای ChatGPT و تفاوت آن با چتباتهای معمولی 03:25
-
محدودیت های ChatGPT 03:14
-
ابزارهایی برای کار با LLMها و NLPها 02:19
-
API Open AI 06:00
-
آزمایشگاه عملی: API OpenAI 06:00
-
اصول Hugging Face 05:19
-
اصول LangChain 03:41
-
مدلهای LLM متن باز 04:31
-
مقدمهای بر LangChain 03:22
-
انواع مختلف مدلهای LangChain و نیازمندیها 06:41
-
مدیریت ورودی LLM با ماژول پروتهای LangChain 04:30
-
ترکیب LLM با دیگر اجزا از طریق زنجیرهها 02:51
-
فراهم کردن دسترسی به دادههای خارجی از طریق ایندکسهای LangChain 02:36
-
اجازه دادن به ChatGPT برای بهخاطر سپردن از طریق حافظه LangChain 01:57
-
فراهم کردن دسترسی به ابزارها از طریق ماژول عاملهای LangChain 02:11
-
توسعه LLMهای پیشرفته 04:29
-
ویژگیهای Flowise 02:38
-
نصب Flowise 02:47
-
شروع کار با Flowise 05:35
-
اجزای Flowise 04:27
-
جزء مدلسازی Flowise 03:22
-
جزء پروتسازی Flowise 02:35
-
فروشگاههای برداری، ایندکسها، تعبیه ها و بارگذارهای اسناد Flowise 05:12
-
جزء حافظه Flowise 03:19
-
جزء زنجیره Flowise 02:37
-
عاملها و ابزارهای Flowise 03:33
-
تمرین عملی: طراحی جادوگر سفارشی 01:43
-
راهحل: طراحی جادوگر سفارشی 01:55
-
تمرین عملی: توسعه ChatFlow اولیه 00:43
-
راهحل: توسعه ChatFlow اولیه 04:06
-
تمرین عملی: توسعه یک دستیار 01:09
-
راهحل: توسعه یک دستیار 02:24
-
انواع مختلف LLMها و چگونگی انتخاب آنها 04:05
-
حریم خصوصی دادهها در آموزش ChatGPT 04:29
-
مبانی آموزش LLM با اسناد 03:42
-
آزمایشگاه: افزودن زنجیره QA، فروشگاه برداری و بارگذار PDF 03:40
-
آزمایشگاه: افزودن تقسیمکننده متن و تعبیه های OpenAI 03:50
-
مقدمهای بر پایگاههای داده برداری و اهمیت آن برای LLMها 03:03
-
ویژگیهای پایگاههای داده برداری 03:42
-
پایگاههای داده برداری مختلف 02:01
-
مبانی Pinecone 05:07
-
افزودن فروشگاه برداری Pinecone 03:46
-
بارگذاری تعبیه ها و ایندکسها از Pinecone 03:11
-
تمرین عملی: توسعه ایندکسها و تعبیه ها برای Pinecone 00:57
-
راهحل: ایجاد بردارها و ایندکسها در Pinecone 04:54
-
تمرین عملی: توسعه یک LLM سفارشی 00:38
-
راهحل: توسعه یک LLM سفارشی 02:20
-
تمرین عملی: به تولید رساندن 00:26
-
راهحل: استقرار تولید یک LLM سفارشی 04:09
-
استدلال چندمرحلهای 02:00
-
اتصال دو مدل زبان بزرگ (LLM) 04:07
-
زنجیره کردن یک مدل زبان سوم 02:50
-
مقدمهای بر Hugging Face و اجزای آن 04:15
-
رابط Hugging Face و انتخاب مدل و مجموعه دادهها 03:30
-
توکنساز و مدلهای Hugging Face 04:59
-
مجموعه دادههای Hugging Face 03:05
-
آزمایشگاه عملی: استفاده از مدلهای Hugging Face 03:59
-
آزمایشگاه عملی: مصرف مدل Hugging Face از Python 03:35
-
آزمایشگاه عملی: استفاده از مدلهای Hugging Face از Flowise 03:40
-
مزایای مدلهای LLM متن باز 06:05
-
مدلهای مختلف LLM متن باز و تحلیل مقایسهای 06:09
-
اصول مدل Llama 03:21
-
اصول مدل Alpaca 05:14
-
اصول مدل Vicuña 04:22
-
دانلود و راهاندازی مدل با Docker ،LocalAI و GPT4All 05:34
-
استفاده از مدل متن باز LLM از Flowise 03:14
-
پروژه پیشرفته با Local AI LLama2، Faiss و تعبیه های AI محلی 03:36
-
مبانی مدل Falcon 02:33
-
آزمایشگاه عملی: استفاده از مدل Falcon 7b از Flowise 03:21
-
آزمایشگاه عملی: استفاده از مدل Falcon 40b از Flowise 03:07
-
مبانی Replicate 05:12
-
استفاده از LLM متن باز Llama، Vicuna و Falcon از طریق Replicate 02:24
-
استفاده از مدل Llama2 Replicate از طریق Flowise 02:24
-
مدیریت اعتبارنامه در Flowise 03:14
-
مقدمهای بر Auto-GPT 04:05
-
مدلهای Auto-GPT ،BabyAGI و Jarvis 05:40
-
آزمایشگاه عملی: استفاده از Auto-GPT 09:40
-
آزمایشگاه عملی: مبانی Auto-GPT در Flowise 03:52
-
آزمایشگاه عملی: استفاده از Auto-GPT از Flowise 04:31
-
Baby AGI: تحول مدل AutoGPT 04:54
-
استقرار تولید LLMها 02:30
-
به تولید رساندن از طریق APIها 06:25
-
افزودن اعتبارنامه به APIها 02:58
-
کوئری از فایلهای PDF با استفاده از APIهای Flowise 03:01
-
Scraper وب، Pinecone و زنجیره پرسش و پاسخ محیطی 03:25
-
بهبود Scraper وب و جلوگیری از توهمات مدل 01:59
-
پیکربندی پروژه جایگزین 02:34
مشخصات آموزش
اپلیکیشن های هوش مصنوعی بدون کد با ChatGPT ،OpenAI ،Flowise و LLMs
- تاریخ به روز رسانی: 1404/09/07
- سطح دوره:همه سطوح
- تعداد درس:92
- مدت زمان :05:48:32
- حجم :2.35GB
- زبان:دوبله زبان فارسی
- دوره آموزشی:AI Academy