مدلهای زبانی بزرگ (LLMs) و عاملهای هوش مصنوعی برای کسبوکار
✅ سرفصل و جزئیات آموزش
آنچه یاد خواهید گرفت:
- پیادهسازی LLMs از طریق API (رایگان و پرداختی) یا به صورت محلی، با بررسی مدلهای مختلفی مانند Llama ،Deepseek ،ChatGPT ،Gemini و سایرها
- توسعه یک دستیار بازاریابی برای تولید و تطبیق محتوا برای مخاطبان، پلتفرمها و اهداف مختلف بهسرعت
- ساخت یک ربات گفتگو مداری RAG که با استفاده از اسناد شرکت بهصورت منسجم پاسخ میدهد، پشتیبانی را سرعت میبخشد و هزینهها را کاهش میدهد.
- ایجاد یک تحلیلگر رزومه برای فیلتر و طبقهبندی خودکار بهترین کاندیداها، استخراج اطلاعات ساختاری و ارائه بینشهای مرتبط
- پیادهسازی یک عامل هوش مصنوعی که تمرینات شخصیسازیشده با توضیحات تولید کرده و آنها را بهصورت خودکار در فایلهای ویرایشپذیر اکسپورت میکند.
- ساخت یک عامل هوش مصنوعی مالی برای تفسیر گزارشها، تولید خلاصه و پاسخ به سوالات با شفافیت کامل
- توسعه یک راهنمای سفر مجازی با استفاده از سیستم چندعاملی برای ایجاد برنامههای سفری شخصیسازیشده بر اساس پروفایل مسافر
- پیادهسازی یک عامل که به پایگاه داده SQL متصل میشود تا بررسیهای محصول را تحلیل، خلاصههای مفید تولید کند و به سوالات به زبان طبیعی پاسخ دهد.
- ساخت یک عامل پزشکی برای تحلیل تصاویر، تولید گزارشهای مفصل و بازیابی مراجع علمی بروز برای حمایت از نتایج آن
- ایجاد رابط کاربری حرفهای و شهودی برای اپلیکیشن های هوش مصنوعی خود با استفاده از Streamlit
پیش نیازهای دوره
- منطق برنامهنویسی
- برنامهنویسی اولیه در Python
توضیحات دوره
درک کنید چگونه Generative AI کسبوکارها را با رانندگی نوآوری و کارآمدی در چندین صنعت تغییر میدهد! این دوره عملی، یک تجربه کامل را به دنیای LLMs (Large Language Models) و AI Agents میدهد، و شما را قادر میسازد تا راهحلهای هوشمند و خودکار برای چالشهای کسبوکار واقعی ایجاد کنید.
با پیشرفت سریع NLP و مدلهای زبانی، شرکتها و متخصصان در حال پذیرش این فناوریها برای افزایش بهرهوری و تصمیمگیری دقیقتر هستند. این دوره با هدف ارائه تجربی عملی، مستقیم و قابل اجرا طراحی شده است. شما یاد میگیرید چگونه راهحلهای خود را در Python پیادهسازی کنید، با تمرکز بر استفاده از LLMs در زمینه کسبوکار، اما با مهارتهایی که به اندازه کافی انعطافپذیر هستند تا بتوان آنها را با هر چالش دنیای واقعی تطبیق داد.
در طول دوره، به ابزارها و چارچوبهای کلیدی در اکوسیستم generative AI، شامل LangChain، LangGraph ،LlamaIndex ،CrewAI ،Agno و سایر راهحلهای متنباز، مسلط میشوید. یاد میگیرید چگونه LLMs را از طریق APIهای Python (رایگان و پولی) یا به صورت محلی پیادهسازی کنید، مدلهایی مانند Llama، DeepSeek ،ChatGPT ،Gemini و بیشتر را - همیشه با تأکید بر کاربردهای واقعی و مقیاسپذیر بررسی کنید.
شما بهعنوان یک حرفهای، مسئول برآورده کردن نیازهای کسبوکار متعدد خواهید بود. از طریق 8 مطالعه موردی عملی، بهصورت چالشبرانگیز برای توسعه اپلیکیشن های مفید و سفارشی با استفاده از generative AI میپردازید در زمینههای:
- بازاریابی: یک دستیار بازاریابی هوش مصنوعی ایجاد کنید تا تولید محتوا را در مقیاس بزرگ کند. متن را بهسادگی برای مخاطبان، پلتفرمهای متنوع و اهداف مختلف تطبیق دهید.
- پشتیبانی مشتری و خدمات: چتباتهای هوشمند با RAG را توسعه دهید. از اسناد واقعی (مانند راهنماها، PDFs) برای ارائه پاسخهای دقیق به سوالات مشتریان استفاده کنید.
- منابع انسانی: بهصورت خودکار رزومهها را فیلتر و کاندیداها را طبقهبندی کنید. اطلاعات ساختاری را استخراج کرده و بینشهای مرتبط کسب کنید.
- آموزش: تمرینات شخصیسازیشده را بر اساس سطح و ترجیحات دانشجو تولید کنید و آنها را بهصورت خودکار در فایلهای ویرایشپذیر اکسپورت کنید. توضیحات مفصل و مدرس 24/7 با دسترسی به ابزارها دریافت کنید.
- مالی: گزارشهای مالی را تفسیر کرده و با سهولت خلاصههای خودکار تولید کنید. به عامل پرسش بپرسید و پاسخهای شفاف و داده محور دریافت کنید.
- گردشگری: راهنماییهای مجازی برای ایجاد برنامههای سفری شخصیسازیشده با یک سیستم چندعاملی توسعه دهید. کنترل بر نقش هر عامل در ایجاد برنامه نهایی را در دست بگیرید.
- فروش خردهفروشی/تجارت الکترونیک: بررسی بررسیهای محصول و استخراج خلاصههای مرتبط. به پایگاه داده SQL متصل شوید تا به سوالات به زبان طبیعی پاسخ دهید و تحلیل کنید.
- پزشکی: تحلیل تصاویر پزشکی را خودکار کنید و گزارشهای مفصل تولید کنید. جستجوی مرجع برای حمایت از نتیجهگیری نهایی وارد کنید.
در طول دوره، تکنیکها و مفاهیم متنوعی را، از جمله مهندسی پرامپت، RAG (تولید توسط بازیابی)، جستجوی دیتابیس برداری (محلی و ابری)، پردازش و پیشپردازش اسناد، اکسپورت کردن داده ساختاری (مثلاً JSON)، مدلهای استدلالی، عامل ها هوش مصنوعی یکپارچه با ابزارها، سیستمهای چندعاملی و LLMsی چندرسانهای برای تحلیل تصویر، و غیره بررسی خواهید کرد.
علاوه بر این، برای هر مطالعه موردی، رابط کاربری حرفهای و شهودی با استفاده از کتابخانه Streamlit ایجاد خواهید کرد تا قابلیت استفاده و کاربرد عملی راهحلها تضمین شود.
برای سهولت دسترسی و آزمایش، دوره بر روی Google Colab، محیطی رایگان و قابل دسترسی برای همه دانشجو، بدون نیاز به زیرساخت محلی یا سختافزار پیشرفته تمرکز دارد. همچنین یاد میگیرید تا راهحلها را به صورت محلی پیادهسازی و اجرا کنید، گزینههای توسعه و استقرار خود را گسترش دهید.
آماده شوید تا ایدهها را به راهحلهای مدرن با generative AI تبدیل کنید!
این دوره برای چه کسانی مناسب است؟
- پرسنل حرفهای از هر حوزهای که بهصورت عملی به دنبال استفاده از LLMs برای حل مسائل واقعی هستند.
- رئیسهای کسبوکار و کارآفرینان که میخواهند از generative AI نوآوری، خودکارسازی فرآیندها و کسب برتری رقابتی استفاده کنند.
- مشاوران، فریلنسرها و حرفهایان مستقل که میخواهند راهحلهای سفارشی مجهز به هوش مصنوعی را به مشتریان ارائه دهند.
- علاقمندان به هوش مصنوعی و نوآوری که مشتاق هستند کاربردهای عملی LLMs و عامل ها را در صنایع مختلف بررسی کنند.
- توسعهدهندگانی که میخواهند مهارتهای خود را در generative AI گسترش دهند و از مطالعات موردی واقعی برای ایجاد یک پورتفولیو قوی یاد بگیرند.
مدلهای زبانی بزرگ (LLMs) و عاملهای هوش مصنوعی برای کسبوکار
-
محتوای دوره 22:00
-
تعریف پروژه 07:36
-
فناوریهای استفادهشده 08:22
-
نصب کتابخانهها 04:05
-
رابط کاربری 1 08:37
-
رابط کاربری 2 04:12
-
اتصال LLM 07:50
-
فرمت پیام 09:01
-
مدلهای متنباز و اختصاصی 05:31
-
مهندسی پرامپت 1 08:52
-
مهندسی پرامپت 2 07:27
-
کامل کردن اپلیکیشن 06:01
-
رابط گرافیکی با Streamlit 10:54
-
اجرای محلی 1 05:32
-
اجرای محلی 2 10:17
-
تست پروژه 1 None
-
تعریف پروژه 04:33
-
فناوریهای استفادهشده 09:13
-
نصب کتابخانهها 02:53
-
بارگذاری LLM 06:06
-
تعریف زمینه 06:20
-
ایندکسسازی اسناد 1 09:55
-
ایندکسسازی اسناد 2 12:36
-
بازیابی و تولید 06:52
-
پایپ لاین پیشرفته RAG 13:41
-
تاریخچه مکالمات 10:12
-
توابع ایندکسسازی و بازیابی 03:37
-
رابط گرافیکی با Streamlit 09:36
-
تست پروژه 2 None
-
تعریف پروژه 05:46
-
استخراج محتوا 04:51
-
پردازش اسناد 04:35
-
LLM و تست های اولیه 05:22
-
تعریف پرامپت 07:11
-
فرمت JSON 12:20
-
تست رزومه 07:01
-
تغییر پرامپت و زنجیره 03:06
-
افزودن فیلدهای جدید 03:58
-
محاسبه امتیاز 06:06
-
فایل JSON 06:59
-
رابط گرافیکی با Streamlit 1 03:56
-
رابط گرافیکی با Streamlit 2 15:14
-
تست پروژه 3 None
مشخصات آموزش
مدلهای زبانی بزرگ (LLMs) و عاملهای هوش مصنوعی برای کسبوکار
- تاریخ به روز رسانی: 1405/04/02
- سطح دوره:همه سطوح
- تعداد درس:43
- مدت زمان :05:16:57
- حجم :2.22GB
- زبان:دوبله زبان فارسی
- دوره آموزشی:AI Academy