دوره جامع تسلط کامل به Generative AI - بررسی LLM ،RAG و اپلیکیشن‌های بینایی کامپیوتری

آنچه یاد خواهید گرفت:

• درک مفاهیم اصلی Generative AI، از جمله ترنسفرمرها، GANs و Autoencoders و فریمورک‌های RAG
• ساخت اپلیکیشن‌های end-to-end LLM با استفاده از LangChain و Llama 3 و BGE و Faiss برای هوشمندی متن و اسناد
• پیاده‌سازی سیستم‌های بازیابی نسل افزوده (RAG) با پایگاه‌ داده‌های برداری مانند Milvus برای چت‌بات‌های هوش مصنوعی مبتنی بر کانتکس
• توسعه مدل‌های GAN سفارشی و استفاده از Stable Diffusion برای تولید تصویر واقع‌گرایانه و گردش‌کارهای خلاقانه هوش مصنوعی
• تسلط به جستجوی شباهت متن و تصویر با CLIP embeddings و ایندکس‌گذاری برداری در مقیاس بزرگ
• ساخت سیستم‌های هوش مصنوعی چندوجهی با ترکیب درک متن، تصویر و ویدئو با استفاده از VILA 2.0 و T5
• یادگیری نحوه آموزش، فاین تیونینگ و استقرار مدل‌های Generative AI برای یوزکیس‌های واقعی
• درک سازوکار داخلی ترنسفرمرها، از جمله multi-head attention، تعبیه‌های پوزیشنال و feedforward blocks
• بررسی Autoencoders و Variational Autoencoders (VAE) برای حذف نویز، بازسازی و یادگیری در فضای نهفته
• ساخت اپلیکیشن‌های مجهز به هوش مصنوعی مانند چت‌بات‌ها، سیستم‌های جستجوی ویدئو و دستیارهای هوشمند از ابتدا
• یادگیری یکپارچه‌سازی Faiss و Milvus برای جستجو و بازیابی برداری با کارایی بالا در محیط تولید
• توسعه پایپ‌لاین‌های آماده‌ تولید برای هوش مصنوعی، شامل تولید تعبیه‌ها، بهینه‌سازی inference و استقرار
• کسب تجربه عملی از طریق بیش از 12 پروژه پیشرفته که تئوری را با کدنویسی عملی ترکیب می‌کنند
• به‌ دست آوردن مهارت‌های مهندسی هوش مصنوعی آماده‌ بازار کار برای طراحی، ساخت و استقرار راهکارهای مقیاس‌پذیر Generative AI

پیش‌نیازهای دوره

• دانش پایه برنامه‌نویسی پایتون لازم است. برای همراهی با تمرین‌ها باید متغیرها، تایپ‌های داده، کنترل جریان، توابع و اسکریپت‌نویسی پایه را بدانید.
• استفاده از یک PC یا لپ‌تاپ Windows با حداقل 4GB RAM توصیه می‌شود. مطمئن شوید Windows OS نصب شده باشد، فضای کافی برای مجموعه‌ داده‌ها وجود داشته باشد و ابزارهای ضروری توسعه آماده باشند.
• GPU اختیاری است، اما برای آموزش سریع‌تر و تست‌های بلادرنگ بسیار توصیه می‌شود؛ بدون آن، زمان آموزش بسیار بیشتر و عملکرد کندتر خواهد بود.
• پروژه‌ها و تمرین‌ها روی سیستم‌های Windows توسعه داده و تست شده‌اند؛ راهنماها، اسکریپت‌ها و مراحل عیب‌یابی فقط برای کاربران Windows تنظیم شده‌اند.

توضیحات دوره

با این دوره جامع تسلط به Generative AI وارد دنیای Generative AI و مدل‌های زبانی بزرگ (LLMs) شوید؛ یک برنامه‌ پروژه‌محور و عمیق که شما را از اصول تا تسلط در سطح حرفه‌ای همراهی می‌کند. در این دوره Generative AI، شما با استفاده از فریمورک‌های استاندارد صنعت مانند LangChain و LLaMA 3 و FAISS و Milvus، اپلیکیشن‌های هوش مصنوعی در سطح تولید می‌سازید، همان فناوری‌هایی که پشت سیستم‌های واقعی سازمانی و پژوهشی هوش مصنوعی قرار دارند.

دوره با یک بررسی عمیق از مفاهیم اصلی ترنسفرمرها، GANs، تعبیه‌ها، مدل‌های بنیادی آغاز می‌شود تا درک کنید مدل‌های مولد مدرن چگونه محتوای شبیه انسان را پردازش و تولید می‌کنند. سپس بازیابی نسل افزوده (RAG)، پایگاه‌ داده‌های برداری و هوش مصنوعی چندوجهی را بررسی می‌کنید تا راهکارهای قدرتمند، آگاه از کانتکس و هوشمندی برای درک متن، تصویر و ویدئو بسازید.

در طول بیش از 12 پروژه هدایت‌ شده و عملی، شما موارد زیر را خواهید ساخت:

• چت‌بات‌های هوش مصنوعی مبتنی بر LLM
• سیستم‌های هوشمند بازیابی اسناد و RAG
• اپلیکیشن‌های تولید تصویر و Vision AI
• موتورهای جستجوی شباهت معنایی
• سیستم‌های بازیابی ویدئو مجهز به هوش مصنوعی

شما با مدل‌ها و معماری‌های پیشرفته، از جمله T5 و مدل‌های چندوجهی، کار خواهید کرد و همزمان بهترین شیوه‌ها را برای طراحی سیستم‌های واقعی به کار می‌گیرید.

در پایان دوره، شما کل پایپ‌لاین Generative AI را به‌ طور کامل از جذب داده، تعبیه‌ها، زنجیره‌سازی مدل، فاین تیونینگ و بهینه‌سازی تا استقرار مقیاس‌پذیر در محیط‌های لبه، ابری و هیبریدی یاد خواهید گرفت.

چه توسعه‌دهنده پایتون باشید، چه علاقه‌مند به هوش مصنوعی، دانشمند داده، پژوهشگر یا نوآور حوزه فناوری، این دوره شما را با مهارت‌های عملی و درک فنی عمیق مورد نیاز برای طراحی، ساخت و استقرار سیستم‌های نسل بعدی LLM و Vision AI از ابتدا مجهز می‌کند.

این دوره برای چه کسانی مناسب است؟

• این دوره برای یادگیرندگانی طراحی شده که می‌خواهند فراتر از تئوری بروند و تسلط عملی به ابزارها، مدل‌ها و کاربردهای واقعی Generative AI به دست آورند.
• مبتدیان AI و ML که دانش پایه پایتون دارند و می‌خواهند با راهنمایی ساختارمند و عملی، سریع وارد دنیای Generative AI شوند.
• دانشمندان داده و مهندسان ML که می‌خواهند مهارت‌های خود را در autoencoders و GANs، ترنسفرمرها، بازیابی نسل افزوده (RAG) و مدل‌های انتشار تقویت کنند.
• توسعه‌دهندگان نرم‌افزار که به یکپارچه‌سازی Generative AI در اپلیکیشن‌ها با FastAPI و Tkinter و LangChain و Milvus/FAISS و استقرار با Docker علاقه‌مند هستند.
• پژوهشگران و دانشجویانی که می‌خواهند درک عمیقی از سازوکار داخلی مدل‌هایی مانند GPT و BERT و LLaMA و Stable Diffusion به دست آورند و آنها را در پروژه‌ها به کار بگیرند.
• علاقه‌مندان به فناوری که مشتاق بررسی کاربردهای مولد مانند حذف نویز تصویر، تولید متن به تصویر، جستجوی مجهز به هوش مصنوعی، تشخیص چهره، شباهت ویدئو و تسک‌های چندوجهی هستند.
• کارآفرینان و نوآورانی که قصد دارند محصولات هوش مصنوعی محور را در حوزه‌هایی مانند چت‌بات‌ها، سیستم‌های توصیه‌گر، طراحی خلاقانه، نظارت و اتوماسیون هوشمند بسازند.
• تسلط عمیق قبلی به یادگیری عمیق الزامی نیست، اما آشنایی با پایتون و مفاهیم پایه ML (یادگیری نظارت‌ شده در برابر یادگیری بدون نظارت) به شما کمک می‌کند بیشترین بهره را از دوره ببرید.