دوره آموزشی
دوبله زبان فارسی
تسلط به Spring AI - ساخت هوش مصنوعی با Java
✅ سرفصل و جزئیات آموزش
آنچه یاد خواهید گرفت:
- درک عمیقی از یکپارچهسازی قابلیتهای هوش مصنوعی با اپلکییشنهای Spring Boot به دست میآورید.
- یاد میگیرید چگونه از Spring AI برای ساخت سیستمهای هوشمند و واکنشگرا با استفاده از هوش مصنوعی و یادگیری ماشین بهره ببرید.
- مهارتهای عملی برای پیادهسازی و استقرار مدلهای هوش مصنوعی در پروژههای مبتنی بر Spring توسعه میدهید.
- تکنیکهای پیشرفته برای بهبود عملکرد اپلیکیشن و تجربه کاربری از طریق قابلیتهای مجهز به هوش مصنوعی را بررسی میکنید.
پیشنیازهای دوره
- برای دوره تسلط به Spring AI، پیشنیازها عبارتند از:
- آشنایی پایه با Java - آشنایی با زبان برنامهنویسی Java و اصول شیگرایی
- تجربه با Spring Framework - تجربه قبلی با Spring Boot و مفاهیم اصلی Spring
- آشنایی با مفاهیم هوش مصنوعی - درک پایه از مفاهیم هوش مصنوعی و یادگیری ماشین
- راهاندازی محیط توسعه - توانایی راهاندازی محیط توسعه Java و ابزارهای لازم برای کدنویسی و تست
توضیحات دوره
در این دوره جامع با عنوان «تسلط به Spring AI»، وارد دنیای پیشرفته یکپارچهسازی هوش مصنوعی با Spring Boot شوید. این دوره برای توسعهدهندگان Java که میخواهند اپلیکیشنهای خود را با قابلیتهای قدرتمند هوش مصنوعی ارتقا دهند، بسیار مناسب است و شما را گامبهگام با فرایند افزودن یکپارچه هوش مصنوعی به پروژههای Spring آشنا میکند.
آنچه یاد خواهید گرفت:
- اصول Spring AI - مفاهیم اصلی Spring AI و نحوه یکپارچهسازی آن با Spring Boot را درک میکنید.
- یکپارچهسازی مدلهای هوش مصنوعی - یاد میگیرید چگونه مدلهای مختلف هوش مصنوعی، از جمله مدلهای زبانی و ابزارهای تولید تصویر را یکپارچه و استفاده کنید.
- پردازش و تولید تصویر - تسکهای مرتبط با تصویر در اپلیکیشنهای Spring خود را بررسی میکنید.
- پایگاه دادههای برداری - یاد میگیرید چگونه از پایگاه دادههای برداری برای ذخیرهسازی و بازیابی کارآمد داده هوش مصنوعی استفاده کنید.
- جستجوی مجهز به هوش مصنوعی - قابلیتهای پیشرفته جستجو را با استفاده از تکنیکهای هوش مصنوعی پیاده میکنید.
- مهندسی پرامپت - به هنر طراحی پرامپتهای مؤثر برای دریافت بهترین پاسخ از مدلهای هوش مصنوعی مسلط میشوید.
پیشنیازهای دوره:
- دانش پایه از Java و Spring Boot
- آشنایی با توسعه RESTful API
- درک مفاهیم پایه هوش مصنوعی (مفید است اما الزامی نیست.)
مخاطبان دوره:
- توسعهدهندگان Java که میخواهند هوش مصنوعی را در اپلیکیشنهای خود یکپارچه کنند.
- علاقهمندان به Spring Boot که میخواهند مهارتهای خود را گسترش دهند.
- مهندسان نرمافزار که میخواهند با روندهای هوش مصنوعی در توسعه اپلیکیشنها بروز بمانند.
این مسیر هیجانانگیز را آغاز کنید تا به Spring AI مسلط شوید و اپلیکیشنهای Spring خود را با قدرت هوش مصنوعی متحول کنید.
این دوره برای چه کسانی مناسب است؟
- مبتدیانی که میخواهند Spring AI را یاد بگیرند.
تسلط به Spring AI - ساخت هوش مصنوعی با Java
-
مقدمه 00:45
-
بررسی هوش مصنوعی (AI) 01:06
-
بررسی یادگیری ماشین 01:11
-
چرا هوش مصنوعی مهم است؟ 00:36
-
Spring AI 00:47
-
مدل هوش مصنوعی 02:41
-
توکنها 03:23
-
پرامپتها 05:38
-
مدل GPT 06:09
-
کار با OpenAI 00:36
-
ثبتنام برای حساب OpenAI 00:59
-
افزودن اطلاعات صورتحساب 01:09
-
تولید کلیدهای API 00:58
-
جریان اپلیکیشن کلاینت چت 03:07
-
کلاینت چت Spring AI 02:36
-
نمونه شروع سریع Spring AI 07:45
-
ایجاد کلاینتهای چت 02:50
-
نمونه ایجاد کلاینتهای چت 04:43
-
نمونه پیکربندی ایجاد چندین کلاینت چت LLM 05:44
-
نمونه ایجاد چندین کلاینت چت LLM 04:10
-
انواع پیام در Spring AI 04:33
-
نمونه پیام پیشفرض سیستم 04:49
-
پیام پیشفرض سیستم با استفاده از منبع 02:16
-
درک ChatResponse 05:39
-
نمونه ChatResponse 03:38
-
نمونه تولید و متادیتا 05:58
-
نمونه آمار استفاده 02:57
-
نمونه چندین متغیر 07:42
-
ایجاد کنترلرهای سرویس مدل 12:16
-
پرامپت و PromptTemplate در Spring AI 00:57
-
درک پرامپت در Spring AI 03:33
-
درک پرامپت در نمونههای Spring AI 09:47
-
کار با PromptTemplate 03:54
-
نمونه - استفاده اولیه از PromptTemplate_final 04:40
-
نمونه تولید لیست با استفاده از PromptTemplate 03:02
-
نمونه - قالب مبتنی بر فایل 03:26
-
نمونه - اندپوینتها با Delimiter سفارشی 03:22
-
خروجی ساختاریافته در Spring AI 03:35
-
نمونه خروجی ساختاریافته با نقشه و لیست 07:16
-
نمونه خروجی ساختاریافته با آبجکت 06:33
-
فایل دموی HTML 02:15
-
Spring AI Advisors 01:07
-
Spring AI Advisor چیست؟ 04:01
-
Advisors حافظه چت 03:47
-
QuestionAnswerAdvisor 02:55
-
SafeGuardAdvisor 03:38
-
حافظه چت با Spring AI 02:01
-
MessageWindowChatMemory 03:23
-
نمونه MessageWindowChatMemory 05:35
-
نمونه JdbcChatMemoryRepository با H2 11:13
-
نمونه JdbcChatMemoryRepository با MySQL 04:49
-
محاسبه فرمول شباهت کسینوسی 02:03
-
مصورسازی شباهت کسینوسی 02:22
-
نمونههای واقعی شباهت کسینوسی 02:31
-
نمونه استفاده از SimpleVectorStorer 11:25
-
نمونه PGVector 24:55
-
راهاندازی PGVector در Ubuntu بدون Docker 05:52
-
راهاندازی PGVector در Windows بدون Docker 06:50
-
نمونه پایگاه داده Chroma برای جستجوی شباهت 11:26
-
پایگاه داده برداری Redis با Spring AI 22:11
-
جستجوی برداری MongoDB Atlas 19:46
-
نمونه جستجوی برداری Cassandra 14:33
-
نمونه جستجوی برداری Neo4j 15:05
-
نمونه جستجوی برداری Oracle 15:06
-
نمونه جستجوی برداری Milvus 09:57
-
نمونه جستجوی برداری Typesense 09:32
-
نمونه جستجوی برداری Weaviate 09:42
-
نمونه جستجوی برداری Qdrant 12:21
-
نمونه جستجوی برداری Opensearch 16:54
-
نمونه برداری Elastic Search 10:16
-
آزمون RAG None
-
فیلترهای متادیتا 01:05
-
راهاندازی PgVector بدون متادیتا 12:06
-
استفاده از FilterExpression 07:25
-
استفاده از چند فیلتر (با عملگر and) 03:58
-
فیلتر بزرگتر از و کوچکتر از 03:40
-
نمونههای عبارت فیلتر in و nin (not in) و not 05:01
-
مطالب بیشتر درباره عبارت 02:57
-
معماری فراخوانی ابزار 01:22
-
نمونه فراخوانی ابزار 10:43
-
فراخوانی ابزار با پارامترهای متد 04:02
-
فراخوانی ابزار با حافظه چت 03:46
-
نمونه برنامهنویسی شده فراخوانی ابزار 08:39
-
تکلیف فراخوانی ابزار 02:20
-
راهحل تکلیف فراخوانی ابزار - بکاند 08:22
-
راهحل تکلیف فراخوانی ابزار - فرانتاند 09:38
-
فراخوانی تابع در Spring AI 01:23
-
نمونه فراخوانی تابع با استفاده از OpenAI 12:32
-
API تولید تصویر با استفاده از Spring AI 04:07
-
تولید تصویر با استفاده از Spring AI 11:01
-
نمونه تبدیل متن به گفتار با استفاده از Spring AI 05:44
-
ویژگیهای تبدیل متن به گفتار 05:28
-
استریمینگ صوتی تبدیل متن به گفتار 08:34
-
مطالعه موردی - سیستم اعلام پرواز 11:10
-
مطالعه موردی - تولید فایلهای صوتی نمونه برای داده آموزشی 10:37
-
گفتار به متن - API رونویسی 08:35
-
مطالعه موردی - دموی مرکز تماس 17:31
-
نصب Ollama برای Windows 07:04
-
نصب Ollama برای Unix (Ubuntu) 07:18
-
دموی Ollama در Spring Boot 08:08
-
LM Studio برای اجرای محلی LLM 05:53
-
نمونه LM Studio با Spring Boot 09:16
-
سایر ارائهدهندگان هوش مصنوعی 01:09
-
نمونه Azure OpenAI 10:29
-
راهاندازی و نمونه Amazon Bedrock 10:55
-
نمونه Mistral AI 08:35
-
راهاندازی و نمونه Google Vertex Gemini 10:10
-
نمونه مشاهدهپذیری در Spring AI 09:09
-
ردیابی با استفاده از Zipkin 04:15
-
بررسی پایپلاین ETL 02:05
-
کلاس سند 02:11
-
دموی پایپلاین ETL 14:39
-
غنیسازی متادیتا 03:09
-
نمونه غنیسازی متادیتا 06:26
-
نمونه ETL PDF Reader 06:18
-
نمونه ETL JSON Reader 10:19
-
نمونه ETL Markdown Reader 08:40
-
ذخیره secret 03:29
-
ذخیره کلید در Google Secret Manager 08:40
-
ذخیره کلید در AWS Secret Manager 11:16
-
ذخیره کلید در Azure Key Vault 08:58
-
دستیار پشتیبانی مشتری رزرو هتل 01:45
-
بکاند رزرو هتل 27:35
-
فرانتاند چتبات رزرو هتل 10:28
-
مقدمهای بر هوش مصنوعی عاملی 01:17
-
نمونه گردشکار با الگوی زنجیره 06:31
-
نمونه گردشکار موازی 07:34
-
نمونه گردشکار مسیریابی 06:09
-
نمونه Orchestrator-Workers 07:42
-
نمونه Evaluator-Optimizer 08:16
-
راهاندازی اولیه و نمونه MCP 07:46
-
سرور سفارشی MCP با استفاده از Spring AI 10:09
-
کلاینت سفارشی MCP با استفاده از Spring AI 07:32
-
راهحل تکلیف MSP 16:36
-
پیادهسازی انتقال SSE مبتنی بر Spring MVC 05:49
-
نمونه احراز هویت و امنیت در MCP 09:05
-
سرور MCP برای Prometheus 08:21
-
سرور MCP برای Grafana 08:29
-
سرور MCP برای Postgres 07:38
-
راهاندازی برای Gemini و Vertex AI 12:00
-
سپاسگزاریم 00:51
مشخصات آموزش
تسلط به Spring AI - ساخت هوش مصنوعی با Java
- تاریخ به روز رسانی: 1405/04/02
- سطح دوره:مقدماتی
- تعداد درس:141
- مدت زمان :16:31:52
- حجم :6.93GB
- زبان:دوبله زبان فارسی
- دوره آموزشی:AI Academy