ساخت با هوش مصنوعی - عامل‌های اس کیوال با مدل‌های زبانی بزرگ

معرفی
سرفصل

✅ سرفصل و جزئیات آموزش

در این دوره، یاد می‌گیرید عامل‌های هوش مصنوعی اس کیوال چگونه کار می‌کنند و چگونه یک عامل را از ابتدا بسازید. با معماری کلی یک عامل اس کیوال شروع کنید و سپس به کمپوننت‌های مختلف آن بپردازید. مدرس، رامی کریس‌پین، به شما نشان می‌دهد چگونه یک موتور پرامپت طراحی کنید و با فریم‌ورک‌های مختلف مدل زبانی بزرگ، مانند OpenAI GPT 4.1 ،Google Gemini Flash 2.0 و Anthropic Cloud 4، به کمک کلاینت پایتون کار کنید. در نهایت، او شما را در الزامات ساخت کامپوونت عامل هوش مصنوعی خودتان با پایتون از ابتدا راهنمایی می‌کند.

این دوره با GitHub Codespaces یکپارچه شده است؛ محیط توسعه‌ی ابری فوری که تمام امکانات محیط توسعه یکپارچه مورد علاقه‌تان را بدون نیاز به راه‌اندازی ماشین محلی فراهم می‌کند. با GitHub Codespaces می‌توانید در هر دستگاهی و در هر زمان، تمرین عملی داشته باشید، در حالی که ابزاری کار می‌کنید که احتمالاً در محل کارتان با آن روبرو خواهید شد. برای یادگیری چگونگی شروع کار، ویدئوی "استفاده از GitHub Codespaces با این دوره" را مشاهده کنید.

ساخت با هوش مصنوعی - عامل‌های اس کیوال با مدل‌های زبانی بزرگ

فصل 1: مقدمه: اصول و معماری عامل هوش مصنوعی اس کیوال

ساخت عامل‌های هوش مصنوعی اس کیوال با مدل‌های زبانی بزرگ (LLM) 0:00:53

فصل 2: راه‌اندازی محیط پایتون و پایگاه داده برای عامل‌های اس کیوال

معماری عامل اس کیوال: الگوهای طراحی یکپارچه‌سازی پایگاه داده مدل زبانی بزرگ 0:04:30
مجموعه داده فروش Red30 0:02:35

فصل 3: یکپارچه‌سازی LLM API

ذخیره کلیدهای API به عنوان متغیرهای محیطی 0:03:37
مدل‌های تکمیل چت 0:03:18
کار با LLM APIها 0:04:47
کار با مدل‌های زبانی بزرگ به صورت محلی 0:04:40

فصل 4: مهندسی پرامپت برای تولید اس کیوال و بهینه‌سازی کوئری

بهینه‌سازی پرامپت‌های اس کیوال از طریق مهندسی زمینه برای نتایج بهتر کوئری 0:04:27
بهبود نتایج مدل زبانی بزرگ با مهندسی زمینه 0:03:30
ساخت قالب‌های پرامپت اس کیوال با الگوهای کوئری قابل استفاده مجدد مدل زبانی بزرگ 0:05:23
کاری کنید پرامپت‌ها در انواع مختلف مدل‌های زبانی بزرگ کار کنند 0:03:32