مسترکلاس هوش مصنوعی محلی: مدل‌های زبانی بزرگ، دیفیوژن و عامل‌های هوش مصنوعی روی رایانه شخصی شما

آنچه یاد خواهید گرفت:

• اصول هوش مصنوعی محلی: مدل‌های زبانی بزرگ ،دیفیوژن ،RAG و اتوماسیون هوش مصنوعی درون‌سازمانی
• نصب و راه‌اندازی Ollama ،LM Studio و Anything LLM
• اجرای مدل‌های زبانی بزرگ محلی (GPT ،Qwen ،Deepseek ،Gemma ،Mistral و موارد دیگر)
• چگونگی کار مدل‌های دیفیوژن: Stable Diffusion ،Flux ،Wan ،Qwen و موارد دیگر
• درک سخت‌افزار: GPU ،VRAM ،RAM ،حافظه یکپارچه و مبانی Apple
• Pinokio: نصب سریع و آسان هوش مصنوعی محلی
• مهندسی پرامپت برای مدل‌های SDXL ،Flux و مدل‌های زبانی بزرگ
• اعمال RAG و تعبیه ها به‌صورت محلی
• درک پایگاه‌های داده برداری و استفاده از آن‌ها با Supabase ،Postgres و SQL
• آماده‌سازی داده در Markdown: قطعه‌بندی، Overlap و بهینه‌سازی
• اتصال Anything LLM به Ollama و ساخت چت‌بات RAG شخصی خود
• مدل‌های دیداری ،OCR و تشخیص تصویر با Google Gemma و Qwen VL
• محاسبه زمان تست و مدل‌های زبانی بزرگ تفکرکننده با DeepSeek R و GPT-OSS
• فراخوانی تابع و استفاده از ابزار: اتصال ابزارهای خارجی به مدل‌های زبانی بزرگ
• درک کوانتیزاسیون: FP16 ،BF16 ،Q8 ،Q4 ،GGUF و نکات عملکردی
• استفاده محلی از ComfyUI ،Forge ،Fooocus و Automatic1111
• تولید محلی تصاویر و ویدیوها با SDXL ،Flux ،Qwen و مدل‌های ویدیویی هوش مصنوعی
• آموزش LoRA ،ControlNet و شخصیت‌های پایدار برای اینفلوئنسرهای هوش مصنوعی
• استفاده از صوت هوش مصنوعی محلی: Whisper ،TTS ،STT و تولید موسیقی
• هوش مصنوعی عاملی با n8n: تریگرها، اکشن‌ها، کلاینت و هاست MCP
• یکپارچه‌سازی Supabase در n8n برای تعبیه ها ،SQL و گردش‌کارهای RAG
• عامل‌های ایمیل، Webhookها و اتوماسیون با Google و n8n
• اتصال Open WebUI و ComfyUI با n8n برای اتوماسیون تصویر و ویدیو
• سرور و کلاینت MCP: یکپارچه‌سازی ابزار محلی با n8n و LM Studio
• ساخت یک عامل RAG محلی با Flowise ،Postgres و Ollama
• نصب‌های مبتنی بر Docker برای n8n ،Supabase ،Open WebUI و موارد دیگر
• OCR و پردازش اسناد: استخراج داده از تصاویر، PDFها و فاکتورها
• حریم خصوصی، انطباق و مجوزهای متن‌باز (MIT ،Apache و موارد دیگر)
• امنیت: درک Jailbreakها ،تزریق پرامپت، توهمات و راگ پول‌های MCP
• ساخت زیرساخت هوش مصنوعی درون‌سازمانی مقیاس‌پذیر برای کسب‌وکار و سازمان

پیش‌نیازهای دوره

• هیچ دانش قبلی مورد نیاز نیست، همه چیز گام به گام نشان داده می‌شود.

توضیحات دوره

آیا کنترل کامل بر هوش مصنوعی را می‌خواهید؟
یاد بگیرید چگونه قدرت مدل‌های زبانی بزرگ و تولیدکنندگان تصویر را مستقیماً روی رایانه شخصی خود آزاد کنید - بدون ابر، بدون ریسک داده، با حداکثر عملکرد است.

اتوماسیون هوش مصنوعی و عامل‌های هوشمند در حال متحول کردن صنایع یک شبه هستند.

اما اگر نخواهید به ارائه‌دهندگان خارجی وابسته باشید چه؟
اگر به زیرساخت هوش مصنوعی نیاز داشته باشید که 100% تحت کنترل شما باشد - چه برای حریم خصوصی ،چه عملکرد بی‌نظیر ،یا آزادی خلاقانه بی‌حدوحصر - چه؟

این دوره راهنمای گام به گام شما به دنیای هوش مصنوعی محلی است.

شما نه فقط یاد خواهید گرفت که ابزارهای منفرد را نصب کنید - بلکه یک اکوسیستم کامل و به هم پیوسته خواهید ساخت که در آن مدل‌های زبانی بزرگ، تولیدکنندگان تصویر و ویدیو (مدل‌های دیفیوژن)، و عامل‌های هوشمند هوش مصنوعی به‌طور یکپارچه با هم کار می‌کنند.
همه چیز کاملاً درون‌سازمانی اجرا می‌شود - درست روی سخت‌افزار شخصی شما است.

ما از ابزارهای متن‌باز پیشرو مانند Ollama ،LM Studio ،Anything LLM ،Flowise ،n8n ،Docker ،Supabase ،ComfyUI ،MCP و Open WebUI استفاده خواهیم کرد.
ما با هم، مرکز فرماندهی هوش مصنوعی شخصی خود را برای همه چیز - از اتوماسیون متن گرفته تا تولید خیره‌کننده تصویر ،صدا و ویدیو، و حتی گردش‌کارهای پیشرفته مبتنی بر عامل خواهیم ساخت.

محدودیت‌های خدمات ابری را فراموش کنید.
پس از این دوره، شما قادر خواهید بود یک سیستم هوش مصنوعی بسازید که از راه‌حل‌های استانداردی مانند ChatGPT یا Stable Diffusion - از نظر عملکرد، امنیت و فردیت - پیشی می‌گیرد.

آنچه یاد خواهید گرفت - بخش به بخش

بخش 1: مقدمه و شروع سریع

• دریافت یک نمای کلی واضح از ساختار دوره و اهداف یادگیری
• دسترسی به تمام منابع و لینک‌های کلیدی که برای موفقیت به آن‌ها نیاز دارید.
• یادگیری چگونگی پیدا کردن بهترین مدل‌های متن‌باز برای پروژه‌هایتان
• نکته سریع: اولین اپلیکیشن هوش مصنوعی محلی خود را در چند دقیقه با استفاده از Pinokio نصب کنید.

بخش 2: اصول - مدل‌های زبانی بزرگ ،دیفیوژن و سخت‌افزار

• درک مزایای کلیدی هوش مصنوعی محلی از نظر حریم خصوصی ،هزینه و عملکرد
• شفاف‌سازی الزامات سخت‌افزاری - GPU ،VRAM ،RAM و حافظه یکپارچه به‌سادگی توضیح داده شده‌اند.
• کشف بهترین تنظیمات برای Apple Silicon در مقابل GPUهای NVIDIA
• درک چگونگی عملکرد واقعی مدل‌های زبانی بزرگ (GPT ،Qwen) و مدل‌های دیفیوژن (Stable Diffusion ،Flux)

بخش 3: مدل‌های زبانی بزرگ محلی در عمل - ChatGPT شخصی شما با Ollama

• نصب و پیکربندی Ollama از ابتدا و یادگیری چگونگی استفاده از مدل‌های مناسب
• تسلط به مهندسی پرامپت ،قابلیت‌های چندوجهی (Gemma Vision یا Qwen VL) و تکنیک‌های پیشرفته مانند محاسبه زمان تست
• یکپارچه‌سازی ابزارهای خارجی از طریق فراخوانی تابع و استفاده از ابزار برای افزایش قابلیت‌های مدل خود.
• بررسی در RAG و تعبیه ها مستقیماً در Ollama و بهینه‌سازی با کوانتیزاسیون (GGUF ،FP8 ،Q8 ،Q4 و موارد دیگر)

بخش 4: مدیریت دانش با Anything LLM و LM Studio (RAG)

• درک عمیق RAG، تعبیه ها و پایگاه‌های داده برداری
• ساخت یک چت‌بات RAG محلی با Anything LLM و Ollama - آموزش دیده روی اسناد شخصی خود
• استفاده از قابلیت‌های عامل مانند جستجوی وب و اسکرپینگ، و تعامل از طریق صدا با استفاده از Whisper
• یادگیری اینکه چگونه LM Studio به عنوان یک جایگزین قدرتمند همه‌کاره برای Ollama عمل می‌کند.

بخش 5: دیفیوژن محلی - ایجاد تصویر و ویدیو با ComfyUI

• نصب و تسلط به ComfyUI، قدرتمندترین ابزار محلی ایجاد تصویر
• درک و استفاده از گردش‌کارهای JSON پیچیده برای SDXL ،Qwen و Flux
• آموزش LoRAها، اعمال ControlNetها برای شخصیت‌های پایدار، و بزرگنمایی حرفه‌ای تصاویر
• ایجاد ویدیوهای هوش مصنوعی ،ویرایش تصاویر با Qwen Image Edit، و بررسی گردش‌کارها از طریق OpenArt
• بزرگنمایی تصاویر هوش مصنوعی خود با ComfyUI با استفاده از Flux ،SDXL و SUPIR برای دستیابی به نتایج فوق‌شارپ با وضوح بالا

بخش 6: ایجاد ویدیوی هوش مصنوعی روی رایانه شخصی شما

• تولید مستقیم ویدیوها از متن یا تصاویر با استفاده از مدل‌هایی مانند Wan
• پویانمایی شخصیت‌ها یا جایگزینی چهره و لباس با استفاده از Wan Animate
• کشف ابزارهای محلی پیشرفته ویدیویی مانند FramePack
• نکته حرفه‌ای: سرعت تولید ویدیو را تا ۷ برابر با یک تکنیک LoRA 4 مرحله‌ای سفارشی افزایش دهید.

بخش 7: صوت هوش مصنوعی - گفتار ،صداها و موسیقی

• رونویسی دقیق صدا با Whisper (STT)
• تولید صداهای واقع‌گرایانه از متن (TTS) یا شبیه‌سازی صدای خود با ابزارهای متن‌باز
• ایجاد موسیقی هوش مصنوعی بدون حق امتیاز مستقیماً روی سخت‌افزار خود

بخش 8: هوش مصنوعی عاملی - ساخت عامل‌های اتوماسیون هوشمند با n8n

• نصب و پیکربندی پلتفرم اتوماسیون n8n به‌صورت محلی
• راه‌اندازی یک پایگاه داده برداری Supabase محلی برای عامل‌های RAG خود از طریق Docker
• ساخت یک عامل RAG کاملاً کاربردی با ترکیب Ollama ،n8n و Supabase
• اتصال عامل‌های خود به پایگاه‌های داده SQL و خدمات خارجی مانند Gmail

بخش 9: گردش‌کارهای پیشرفته - هنر یکپارچه‌سازی سیستم

• اتصال همه چیز با استفاده از MCP به عنوان پلی بین ابزارهای شما
• استفاده از LM Studio یا Open WebUI به عنوان هاب کنترل مرکزی برای عامل‌های هوش مصنوعی ساخته شده در n8n
• خودکارسازی ایجاد تصویر و ویدیو با اتصال ComfyUI به n8n
• استخراج خودکار داده از PDFها، تصاویر و فاکتورها از طریق OCR
• بررسی فاین تیونینگ با Unsloth برای سفارشی‌سازی مدل‌های زبانی بزرگ برای داده‌های خود - و درک اینکه چه زمانی این تلاش واقعاً نتیجه می‌دهد در مقابل استفاده از آداپتورها یا RAG

بخش 10: دوره فشرده Flowise - ساخت ربات‌های RAG ویژوال

• نصب Flowise و یک پایگاه داده Postgres به‌صورت محلی با Node و Docker
• ساخت یک عامل RAG درگ و دراپ کردن که کاملاً روی پایگاه دانش شخصی شما اجرا می‌شود.
• پیاده‌سازی یک مدیر رکورد برای حفظ یکپارچگی داده

بخش 11: حقوق و امنیت - از سیستم هوش مصنوعی خود محافظت کنید.

• حفاظت از تنظیمات خود در برابر توهمات ،فرار از محدودیت و تزریق پرامپت
• ناوبری مجوزهای متن‌باز (MIT ،Apache و غیره) برای جلوگیری از مشکلات قانونی

چرا این دوره منحصر به فرد است:

بیشتر دوره‌ها به شما نشان می‌دهند که چگونه یک ابزار را نصب کنید.

این دوره فراتر می‌رود – شما یاد خواهید گرفت که چگونه یک زیرساخت هوش مصنوعی کامل و مستقل بسازید.
شما سیستم‌هایی خواهید ساخت که مدل‌های زبانی بزرگ، دیفیوژن، صدا، ویدیو و اتوماسیون را به طور هوشمندانه به هم متصل می‌کنند.

چه یک توسعه‌دهنده ،کارآفرین یا علاقه‌مند به فناوری باشید، در پایان این دوره هم درک عمیقی از هوش مصنوعی محلی و هم مهارت‌های عملی برای استفاده، مقیاس‌دهی و حتی کسب درآمد از آن را خواهید داشت.

این دوره برای چه کسانی مناسب است؟

• کارآفرینان و حرفه‌ای‌های خوداشتغال که می‌خواهند فرآیندها را با هوش مصنوعی محلی، اتوماسیون و عامل‌های هوش مصنوعی بهینه کرده و هزینه‌ها را کاهش دهند.
• توسعه‌دهندگان و علاقه‌مندان به فناوری که می‌خواهند مدل‌های زبانی بزرگ، دیفیوژن و RAG را درون‌سازمانی مستقر کنند.
• علاقه‌مندان به هوش مصنوعی که می‌خواهند گردش‌کارهای محلی خود را با n8n ،Flowise ،Supabase و ComfyUI بسازند.
• کاربران خصوصی که حریم خصوصی داده‌ و کنترل کامل بر مدل‌های هوش مصنوعی خود را ترجیح می‌دهند.
• شرکت‌هایی که به دنبال پیاده‌سازی راه‌حل‌های سازمانی بدون وابستگی به ابر هستند.
• هر کسی که می‌خواهد یاد بگیرد چگونه عامل‌های هوش مصنوعی ،اتوماسیون‌ها و مدل‌های زبانی بزرگ را درون‌سازمانی ترکیب کند.