ساخت یک عامل هوش مصنوعی تحلیلگر داده ساده با Llama و Flask

آنچه یاد خواهید گرفت:

• درک و اعمال تکنیک‌های اصلی مهندسی پرامپت مانند یادگیری درون‌متنی (ICL)، زنجیره تفکر (CoT) و درخت تفکر (ToT)
• راه‌اندازی و اجرای یک مدل زبانی بزرگ متن‌باز (Llama) به صورت محلی بدون نیاز به APIهای پولی
• ساخت یک اپلیکیشن Flask ساده مجهز به هوش مصنوعی که به پایگاه داده Postgres SQL متصل می‌شود.
• طراحی پرامپت‌هایی که یک عامل هوش مصنوعی را قادر می‌سازد سؤالات کاربر را درک کرده و پاسخ‌های دقیق را از داده‌ ساختاریافته بازیابی کند.
• توسعه درک اولیه از اتصال پردازش زبان طبیعی با پایگاه‌های داده SQL از طریق APIها

پیش نیازهای دوره

• درک اولیه از اینکه پایگاه داده چیست.
• تجربه در Python و SQL مفید است اما الزامی نیست – تمام مفاهیم کلیدی در طول دوره به وضوح توضیح داده می‌شوند.
• دسترسی به رایانه‌ای که بتوانید بسته‌های Python را نصب کرده و کانتینرهای Docker را اجرا کنید.

توضیحات دوره

قدرت هوش مصنوعی را آزاد کنید و عامل هوش مصنوعی تحلیلگر داده ساده خود را بدون نیاز به APIهای گران‌قیمت یا تجربه برنامه‌نویسی سنگین بسازید.

در این دوره عملی، یاد خواهید گرفت که چگونه یک مدل زبانی متن‌باز (Llama) را به صورت محلی راه‌اندازی و اجرا کنید و یک اپلیکیشن Flask سبک بسازید که می‌تواند بر اساس اطلاعات ذخیره‌شده در پایگاه داده Postgres به سؤالات پاسخ دهد، مشابه یک سیستم ساده نسل‌افزوده بازیابی (RAG) است.

ما با اصول مهندسی پرامپت شروع می‌کنیم و تکنیک‌های ضروری مانند یادگیری درون‌متنی (ICL)، زنجیره تفکر (CoT) و درخت تفکر (ToT) را معرفی می‌کنیم. شما ایجاد، اشکال‌زدایی و اصلاح پرامپت‌هایی را تمرین خواهید کرد که هوش مصنوعی شما را به سمت پاسخ‌های بهتر و دقیق‌تر هدایت می‌کنند.

سپس به سراغ ساخت اولین اپلیکیشن مجهز به هوش مصنوعی شما می‌رویم. شما یک سرور Flask راه‌اندازی کرده، آن را به پایگاه داده Postgres متصل کرده و یک اندپوینت  می‌سازید که سؤالات کاربر را پذیرفته، پردازش کرده و پاسخ‌های پایگاه داده را از طریق منطق هوش مصنوعی برمی‌گرداند.

آنچه یاد خواهید گرفت

• چگونگی نصب و اجرای یک مدل LLM متن‌باز (Llama) بر روی دستگاه خود
• تکنیک‌های اصلی مهندسی پرامپت و چگونگی بهبود استدلال هوش مصنوعی توسط آن‌ها
• چگونگی ساخت یک اپلیکیشن ساده Flask و اتصال آن به پایگاه داده Postgres
• چگونگی پردازش ورودی کاربر و ارائه پاسخ‌های تولیدشده توسط هوش مصنوعی از پایگاه داده

این دوره برای چه کسانی مناسب است؟

• مبتدیان کنجکاو در مورد هوش مصنوعی، مهندسی پرامپت و اپلیکیشن های سبک هوش مصنوعی
• تحلیلگران داده که می‌خواهند گردش‌های کاری تقویت‌شده با هوش مصنوعی را بررسی کنند.
• توسعه‌دهندگان علاقه‌مند به آزمایش اصول نسل‌افزوده بازیابی (RAG)
• مهندسان داده
• هرکسی که یک معرفی عملی، سریع و شفاف برای استفاده از LLMها در پروژه‌های کوچک دنیای واقعی می‌خواهد.

نیازمندی‌ها

• دانش اولیه از اینکه پایگاه داده چیست. (نیازی به دانستن عمیق SQL نیست)
• تجربه Python و SQL مفید است اما الزامی نیست؛ تمام مفاهیم کلیدی توضیح داده شده‌اند.
• تمایل به یادگیری و آزمایش

چه در حال برداشتن اولین گام‌های خود در هوش مصنوعی باشید و چه به دنبال یک پروژه عملی برای بهبود نمونه‌کار خود، این دوره به شما کمک می‌کند چیزی واقعی و کاربردی بسازید و در عین حال پایه‌ای قوی در مهندسی پرامپت و اپلیکیشن های هوش مصنوعی ایجاد کنید.

همین امروز در این دوره شرکت کنید و شروع به ساختن کنید!

این دوره برای چه کسانی مناسب است؟

• یادگیرندگان مبتدی تا متوسط که در مورد مهندسی پرامپت، LLMها و عامل‌های هوش مصنوعی کنجکاو هستند.
• تحلیلگران داده و توسعه‌دهندگان Python که می‌خواهند مهارت‌های خود را با ابزارهای هوش مصنوعی افزایش دهند.
• علاقه‌مندان به فناوری که می‌خواهند یک پروژه دنیای واقعی ترکیبی از هوش مصنوعی، پایگاه‌های داده و APIهای وب بسازند.
• هرکسی که علاقه‌مند به ساخت اولین اپلیکیشن ساده به سبک نسل‌افزوده بازیابی (RAG) خود است.
• مهندسان داده