تسلط به Spring AI با Java: راهنمای کاربردی برای توسعهدهندگان
✅ سرفصل و جزئیات آموزش
آنچه یاد خواهید گرفت:
- ساخت اپلیکیشنهای مجهز به هوش مصنوعی با استفاده از Spring AI به همراه Java و Spring Boot
- تسلط به مهندسی پرامپت با پیامهای سیستم، کاربر، دستیار و قالبهای پرامپت
- کار با حافظه و زمینه برای ایجاد مکالمات چندمرحلهای و شبهانسانی
- پیادهسازی فراخوانی تابع و ابزارها برای تسک های دنیای واقعی مانند APIهای آبوهوا و یکپارچهسازی پایگاه داده
- بهکارگیری تکنیکهای RAG برای کوئری از فایلهای PDF و اسناد متعدد با استفاده از Vector Storeها
- یادگیری بهترین شیوه ها برای یکپارچهسازیهای هوش مصنوعی مقیاسپذیر و آماده تولید
- کار با تصاویر - کپشننویسی، تولید تصویر و استایلدهی به تصاویر
پیشنیازهای دوره
- دانش اولیه برنامهنویسی Java
- آشنایی با Spring Boot (کنترلرها، سرویسها، پیکربندیها)
- نصب بودن یک محیط توسعه (IDE) مانند IntelliJ IDEA یا VS Code
- یک کلید API از OpenAI (رایگان/پولی) برای دنبال کردن مثالهای عملی
- کنجکاوی برای بررسی در چگونگی ادغام هوش مصنوعی با اپلیکیشنهای واقعی
توضیحات دوره
دوره «تسلط به Spring AI با Java» به توسعهدهندگان Java و Spring Boot کمک میکند تا اپلیکیشنهای هوشمند و مجهز به هوش مصنوعی بسازند. این دوره عملی، دانشجویان را گامبهگام از راهاندازی اولین پروژه Spring AI تا پیادهسازی ویژگیهای پیشرفتهای مانند مهندسی پرامپت، حافظه، فراخوانی تابع، تولید افزوده به بازیابی (RAG) و هوش مصنوعی چندوجهی هدایت میکند.
فریمورک Spring AI توسعهدهندگان را قادر میسازد تا اپلیکیشنهای آگاه به زمینه ایجاد کنند که میتوانند تسک های پیچیده را مدیریت کرده، تاریخچه مکالمه را حفظ کنند، با دادههای دنیای واقعی تعامل داشته باشند و حتی تصاویر را پردازش کنند. با مثالهای کاربردی و دموهای واقعی، این دوره ابزارها و تکنیکهای ضروری مورد نیاز برای آوردن هوش مصنوعی به پروژههای Spring Boot را آموزش میدهد.
آنچه خواهید آموخت:
- مهندسی پرامپت: ساخت پرامپتهای موثر، استفاده از قالبها و تولید خروجیهای ساختاریافته
- حافظه و زمینه: ساخت مکالمات چندمرحلهای که ورودی کاربر را به خاطر میسپارند و پیوستگی را حفظ میکنند.
- فراخوانی تابع: ادغام هوش مصنوعی با دادهها و سرویسهای دنیای واقعی، مدیریت نتایج ساختاریافته و مدیریت خطاها
- تولید افزوده به بازیابی (RAG): کوئری از اسناد، کار با Vector Storeهای پایدار و مدیریت دانش چندسندی
- مدیریت تصویر: کپشننویسی، تولید و استایلدهی تصاویر برای ساخت اپلیکیشنهای هوش مصنوعی چندوجهی
- روشهای آماده برای تولید: یادگیری بهترین شیوه ها برای ساخت اپلیکیشنهای مجهز به هوش مصنوعی مقیاسپذیر و قابل نگهداری
در پایان این دوره، دانشجویان مهارتهای عملی لازم برای ادغام با اعتمادبهنفس ویژگیهای هوش مصنوعی در اپلیکیشنهای Java و Spring Boot خود را خواهند داشت. چه بخواهید چتباتها، دستیاران دانش، یا اپلیکیشنهای پیشرفته مجهز به هوش مصنوعی بسازید، این دوره ابزارها و راهنماییهای لازم برای شروع ساخت اپلیکیشنهای هوش مصنوعی دنیای واقعی را همین امروز در اختیار شما قرار میدهد.
این دوره برای چه کسانی مناسب است؟
- توسعهدهندگان Java که میخواهند اپلیکیشنهای مجهز به هوش مصنوعی بسازند.
- مهندسان Spring Boot که در حال بررسی در Generative AI و مدلهای زبانی بزرگ (LLMs) هستند.
- توسعهدهندگان Backend علاقهمند به RAG، فراخوانی تابع و چندوجهی بودن
- توسعهدهندگان نرمافزار کنجکاو درباره چتباتها و دستیاران مجهز به هوش مصنوعی
- رهبران فنی یا معماران نرمافزار که قصد دارند ویژگیهای هوش مصنوعی مقیاسپذیر را در Spring Boot بسازند.
- هر کسی که علاقهمند به ترکیب Java سازمانی با گردش های کاری مدرن هوش مصنوعی است.
تسلط به Spring AI با Java: راهنمای کاربردی برای توسعهدهندگان
-
مقدمهای بر Spring AI 04:18
-
راهاندازی محیط توسعه 04:38
-
ساخت اولین پروژه Spring AI 06:44
-
سنجش مهارتها - شروع کار با Spring AI None
-
اصول مهندسی پرامپت 05:17
-
تنوعهای پرامپت ChatClient + پیام دستیار 04:57
-
کار با قالبهای پرامپت در Spring AI 05:37
-
خارجسازی قالبهای پرامپت 03:01
-
خروجی ساختاریافته با Spring AI 03:01
-
زنجیر کردن پرامپتها برای تسک های چندمرحلهای 04:36
-
سنجش مهارتها - مهندسی پرامپت با Spring AI None
-
مقدمهای بر حافظه در هوش مصنوعی 02:19
-
افزودن حافظه چت پیشفرض 04:34
-
مدیریت شناسه IDs مکالمه 05:29
-
ذخیرهسازی پایدار حافظه با JDBC Store 03:51
-
سنجش مهارتها - حافظه و زمینه در Spring AI None
-
مقدمهای بر فراخوانی تابع 02:16
-
پیادهسازی اولین فراخوانی تابع 04:04
-
API آبوهوای بلادرنگ و ارسال پارامترها 07:51
-
بازگرداندن خروجی ساختاریافته 02:29
-
کار با ابزارهای متعدد: API + پایگاه داده 06:53
-
زنجیر کردن فراخوانیهای تابع 03:28
-
مدیریت خطاها و موارد خاص 02:29
-
فراخوانی تابع در Spring AI None
-
مقدمهای بر RAG 02:26
-
بارگذاری و ایندکسگذاری PDF 08:12
-
دموی RAG: کوئری از PDF 07:23
-
ذخیرهسازی و مدیریت Vector Storeها 06:17
-
پشتیبانی از اسناد متعدد 04:44
-
سنجش مهارتها: RAG None
-
مقدمهای بر مدیریت تصویر 01:15
-
خواندن تصویر و کپشننویسی 08:23
-
تولید تصویر با OpenAI (DALL·E) 08:14
-
تولید تصویر با Stability.AI 09:02
-
سنجش مهارتها: مدیریت تصویر در Spring AI None
مشخصات آموزش
تسلط به Spring AI با Java: راهنمای کاربردی برای توسعهدهندگان
- تاریخ به روز رسانی: 1404/10/04
- سطح دوره:مقدماتی
- تعداد درس:35
- مدت زمان :02:33:46
- حجم :1.25GB
- زبان:دوبله زبان فارسی
- دوره آموزشی:AI Academy