از جاوا تا هوش مصنوعی: راهنمای بدون نیاز به پایتون برای هوش مصنوعی و LLMs
✅ سرفصل و جزئیات آموزش
آنچه یاد خواهید گرفت:
- اصول هوش مصنوعی و مدلهای زبانی بزرگ (LLMs) به زبان ساده و قابلفهم بدون پیچیدگیهای ریاضی
- مدلهای زبانی مدرن واقعاً در پشتصحنه چگونه کار میکنند؛ ابهام زدایی برای توسعهدهندگان جاوا
- پردازش متن و توکنسازی به همراه توضیح کاربردهای عملی آن در اپلیکیشن های شما
- قابلیتهای اصلی مدلهای زبانی بزرگ (LLM) و اینکه چه کارهایی میتوانند (و نمیتوانند) برای پروژههای جاوا انجام دهند.
- چگونگی اجرای مدلهای زبانی بزرگ و استفاده از آنها بهصورت محلی
- ادغام گامبهگام LLMs در اپلیکیشن های جاوا با استفاده از کلاینتهای استاندارد HTTP و پردازش JSON
- طراحی پرامپتهای مؤثر که نتایج پایدار و قابل اعتماد برای اپلیکیشن های کسب و کار تولید میکنند.
- مدیریت گفتگوهای دارای زمینه با LLMs بدون حالت از طریق مدیریت صحیح سشن ها
- تنظیم پارامترهای LLM برای کنترل میزان خلاقیت، طول پاسخ و تنوع خروجی
- تکنیکهای پیشرفته پرامپتنویسی برای بهبود کیفیت پاسخها بدون نیاز به تخصص عمیق در هوش مصنوعی
- ساختاردهی خروجیهای LLM برای پردازش آسان و ایمنی نوع در اپلیکیشن های جاوا
- استراتژیهای مدیریت خطا برای مواجهه با چالشهای خاص محتوای تولیدشده توسط هوش مصنوعی
- قالببندی صحیح پیامهای سیستمی برای کنترل پایدار رفتار هوش مصنوعی
- بهینهسازی پنجره زمینه برای مدیریت کارآمد تعاملات طولانی
- اعتبارسنجی و بررسی پاسخهای LLM برای جلوگیری از اطلاعات نادرست یا توهمات مدل
- درک صفر تا قهرمان LLMs از سطح مبتدی تا پیشرفته که به شما اجازه میدهد با اعتمادبهنفس در بحثهای هوش مصنوعی شرکت کنید - بدون نیاز به پایتون!
پیشنیازهای دوره
- آشنایی با برنامهنویسی جاوا
- یک لپتاپ یا دسکتاپ ساده برای مصرفکننده، بدون نیاز به سختافزار پیشرفته
- علاقهمندی به AI و LLMs
- بدون نیاز به دانش پایتون
- بدون نیاز به پیشزمینه در یادگیری ماشین یا آمار
- بدون نیاز به ریاضیات پیشرفته
توضیحات دوره
آیا احساس میکنید از انقلاب AI عقب ماندهاید چون پایتون نمیدانید؟ این دوره دروازه شما به دنیای هیجانانگیز مدلهای زبانی بزرگ است، به طور خاص برای توسعهدهندگان جاوا طراحی شده است که میخواهند بدون تغییر در پشته فناوری خود، هوش مصنوعی را درک و پیادهسازی کنند.
از طریق توضیحات روشن و بدون اصطلاحات فنی، کشف میکنید که مدلهای زبانی - از ساختار اساسی و توکنسازی گرفته تا تکنیکهای پرامپت نویسی پیشرفته و الگوهای یکپارچهسازی چگونه کار میکنند. مباحث از اصول واقعی AI تا مفاهیم پیشرفته مانند پنجرههای زمینه، خروجیهای ساختار یافته و استراتژیهای مدیریت خطا را پوشش میدهیم.
این دوره بهصورت مرحلهبهمرحله دانش شما را میسازد: ابتدا با اصول هوش مصنوعی و مدلهای زبانی بزرگ (LLM) شروع میکند، سپس به ادغام عملی با جاوا از طریق HTTP میپردازد و بعد به مباحث پیشرفتهتری مانند مدیریت گفتگو، الگوهای پرامپتنویسی و مدیریت خطا بهصورت پایدار میرسد. هر مفهوم با زبان سادهٔ انگلیسی و همراه با نکات عملی توضیح داده شده است.
ما موانع سنتی یادگیری هوش مصنوعی را - بدون ریاضیات پیچیده، بدون نیاز به پایتون و بدون پیشنیاز یادگیری ماشین حذف کردهایم. این دوره تمام مفاهیم ضروری هوش مصنوعی را به روشی قابلفهم آموزش میدهد تا بتوانید آن لحظههای لذتبخش «آها!» را تجربه کنید؛ زمانی که مفاهیم ناگهان برایتان کاملاً روشن میشوند.
در پایان دوره، شما از فردی که احساس میکرد از دنیای هوش مصنوعی عقب مانده است، به کسی تبدیل میشوید که دانش عملی لازم برای ادغام این ابزارهای قدرتمند در اپلیکیشن های جاوا را با اعتمادبهنفس در اختیار دارد.
این دوره برای چه کسانی مناسب است؟
- توسعهدهندگان جاوا که احساس میکنند از انقلاب هوش مصنوعی عقب ماندهاند و میخواهند سریع خود را بروز کنند.
- مهندسان نرمافزار که میخواهند مفاهیم AI و LLM را بدون مهاجرت به پایتون یاد بگیرند.
- توسعهدهندگان بکاند که قصد دارند قابلیتهای هوش مصنوعی را به اپلیکیشن های جاوا اضافه کنند.
- متخصصان فنی که برای بحثهای کاری نیاز دارند اصطلاحات و قابلیتهای هوش مصنوعی را درک کنند.
- برنامهنویسان جاوا که درباره چگونگی کار واقعی LLMs کنجکاو هستند.
- توسعهدهندگانی که با توضیحات شفاف و مفهومی بهتر از فرمولهای ریاضی یاد میگیرند.
- معماران نرمافزار که در حال بررسی چگونگی ادغام LLMها در سیستمهای مبتنی بر جاوا هستند.
- مهندسانی که میخواهند دانش عملی و قابل استفاده فوری در محیطهای آشنای خود کسب کنند.
از جاوا تا هوش مصنوعی: راهنمای بدون نیاز به پایتون برای هوش مصنوعی و LLMs
-
واقعیت هوش مصنوعی چیست؟ 04:40
-
هوش مصنوعی در مقایسه با نرمافزار سنتی چه تفاوتهایی دارد؟ 17:15
-
بهترین توضیح درباره آموزش AI 07:53
-
چالشها و خطرات در آموزش AI 05:31
-
هوش مصنوعی در مقابل یادگیری ماشین - تفاوت چیست؟ 06:12
-
مدلهای زبانی چه هستند؟ 14:57
-
یک مدل چه شکلی است؟ 02:06
-
چرا مدلهای زبانی «بزرگ»؟ 09:24
-
درک اندازههای معمولی LLM ها 04:37
-
آموزش LLM - چه چیزی واقعاً تنظیم میشود؟ 06:17
-
در مورد تعارضات در آموزش چه باید کرد؟ 04:58
-
اندازه LLM - همیشه بزرگتر بهتر است؟ 05:45
-
چگونگی پردازش متن توسط LLM ها 07:16
-
اندازه توکنها چگونه است؟ 04:05
-
انواع توکنایزر 04:44
-
نمونهی تصویری توکنایزر 04:41
-
چهار قابلیت مشترک LLM ها 12:55
-
یکپارچهسازی برای توسعهدهندگان جاوا 17:54
-
پرامپتنویسی و چگونگی کار آن 03:29
-
منطق پشت پرامپتنویسی 07:37
-
پرامپتنویسی زنجیره فکر 12:22
-
تعاملات تکمرحلهای و چندمرحلهای 06:45
-
LLMs حالتپذیر نیستند 05:15
-
توکنها و پنجرههای زمینه 08:19
-
دقت و مصالحههای پنجره زمینهای 08:27
-
پیامهای ساختاریافته - سیستم، دستیار و کاربر 08:31
-
برخی نمونههای پیامهای ساختار یافته 05:38
-
برش پنجره زمینهای - خداحافظ پیام سیستم؟ 09:06
-
پرسشهای مربوط به پیام سیستم پاسخ داده شده است 06:05
-
پارامترهای پیکربندی LLM 03:23
-
پارامتر دما 10:50
-
پارامتر حداکثر توکنها 07:44
-
نمونهبرداری Top K و Top P 10:06
-
خروجیهای ساختار یافته 12:36
-
فراخوانی ابزارها 19:07
-
مدیریت خطاها و خروجیهای غیرمنتظره 06:51
-
استراتژیهای تلاش مجدد 04:26
-
اعتبارسنجی 09:03
مشخصات آموزش
از جاوا تا هوش مصنوعی: راهنمای بدون نیاز به پایتون برای هوش مصنوعی و LLMs
- تاریخ به روز رسانی: 1405/04/02
- سطح دوره:مقدماتی
- تعداد درس:38
- مدت زمان :05:06:50
- حجم :5.3GB
- زبان:دوبله زبان فارسی
- دوره آموزشی:AI Academy