آموزش Generative AI فول‌استک - یادگیری عمیق، شبکه عصبی کانولوشن، مدل زبانی بزرگ و هوش مصنوعی عاملی

آنچه یاد خواهید گرفت:

• طراحی و پیاده‌سازی مدل‌های Generative AI مانند GANها، VAEها، مدل‌های دیفیوژن و مدل‌های زبان بزرگ (LLM)، از جمله Retrieval-Augmented Generation (RAG)
• ایجاد عامل‌های هوش مصنوعی خودمختار با فریم‌ورک‌های هوش مصنوعی عاملی مانند LangChain و به‌کارگیری پروتکل‌هایی مانند MCP ،ACP و A2A
• درک و آموزش مدل‌های یادگیری عمیق، ساخت پایه‌ای قوی برای مفاهیم پیشرفته هوش مصنوعی
• نوشتن برنامه‌های پایتون، انجام دستکاری و مصورسازی داده با NumPy، پانداس و Matplotlib

پیش‌نیازهای دوره

• هیچ تجربه‌ای در برنامه‌نویسی یا هوش مصنوعی لازم نیست؛ این دوره از مبانی آغاز می‌شود.
• داشتن درک پایه‌ای از ریاضیات دبیرستان (جبر، احتمال و توابع) مفید است.
• دسترسی به کامپیوتری با اتصال به اینترنت
• کنجکاوی، پشتکار و تمایل به یادگیری از طریق انجام پروژه‌های عملی

توضیحات دوره

این دوره جامع راهنمایی کامل برای یادگیری مبانی پایتون، کتابخانه‌های محبوب دستکاری داده، اصول یادگیری عمیق، مدل‌های Generative AI محبوب، مدل‌های زبانی بزرگ و فریم‌ورک‌های هوش مصنوعی عاملی در یک مکان است. چه مبتدی باشید و بخواهید دنیای هوش مصنوعی را بررسی کنید یا توسعه‌دهنده‌ای که می‌خواهد سطح خود را ارتقا دهد، این دوره شما را از ابتدا تا فراتر هدایت می‌کند.

ما با اصول پایتون آغاز می‌کنیم و به کتابخانه‌های داده ضروری مانند NumPy، پانداس و Matplotlib برای مدیریت و مصورسازی داده می‌پردازیم. سپس وارد یادگیری عمیق می‌شویم و شبکه‌های عصبی را می‌سازیم و آموزش می‌دهیم تا مکانیزم اصلی پشت هوش مصنوعی را درک کنید.

Generative AI یکی از شاخه‌های یادگیری عمیق است. بدون درک قوی از اصول یادگیری عمیق، یادگیری Generative AI دشوار و اغلب گیج‌کننده می‌شود. به همین دلیل، ضروری‌ترین بخش‌های یادگیری عمیق خود را در این دوره گنجانده‌ایم تا قبل از ورود به مباحث پیشرفته Generative AI، پایهٔ قدرتمندی بسازید.

پس از اتمام اصول یادگیری عمیق، به حوزهٔ به سرعت در حال تحول Generative AI می‌روید، از آموزش GANها و VAEهای خودتان تا کار با مدل‌های زبان بزرگ (LLM)، Retrieval-Augmented Generation (RAG) و مدل‌های دیفیوژن را بررسی می‌کنید. این دوره پروژه‌های عملی و توضیحات شهودی ارائه می‌دهد.

در نهایت، با خط مقدم، هوش مصنوعی عاملی، روبه‌رو می‌شوید. با معماری‌های هوش مصنوعیِ مانند MCP ،ACP و A2A آشنا می‌شوید و از فریم‌ورک‌های پیشرفته‌ای مانند LangChain برای ساخت عامل‌های هوش مصنوعی خودمختار و هدف‌محور بهره می‌برید.

کد و فایل‌های Jupyter notebook مورد استفاده در این دوره در یک فولدر آپلود و به اشتراک گذاشته شده است. در جلسه آخر یا بخش منابع، لینک دانلود آن‌ها را اضافه خواهیم کرد. شما می‌توانید از کد در پروژه‌های خود به راحتی استفاده کنید.

این دوره برای چه کسانی مناسب است؟

• افراد مبتدی که می‌خواهند سفر خود را در برنامه‌نویسی پایتون، هوش مصنوعی و Generative AI آغاز کنند. دانشجویان و متخصصانی که می‌خواهند پیش از پرداختن به مدل‌های پیشرفته هوش مصنوعی، پایه‌ای قوی در یادگیری عمیق بسازند. توسعه‌دهندگان و علاقه‌مندان به داده که می‌خواهند مهارت‌های خود را در Generative AI، مدل‌های زبانی بزرگ و فریم‌ورک‌های هوش مصنوعی عاملی تقویت کنند. پژوهشگران، علاقه‌مندان و نوآورانی که به ساخت پروژه‌های هوش مصنوعی واقعی و عامل‌های هوش مصنوعی خودمختار علاقه دارند.