شروع کار: هوش مصنوعی برای توسعهدهندگان NET.
✅ سرفصل و جزئیات آموزش
درباره این دوره
دنیای هوش مصنوعی و LLMs با سرعتی سرسامآور در حال پیشرفت است و ابزارها آنقدر سریع تغییر میکنند که تا چیزی را یاد میگیرید، ابزار جدیدی بهوجود آمده که باید آن را هم یاد بگیرید.
درک مبانی برای یاد گرفتنِ سازگاری و رشد در یک حوزهی همیشه در حال تغییر، بسیار مهم است. در این دوره، Ed شما را از مبانی با هوش مصنوعی و LLMs آشنا میکند تا بتوانید سفر خود در دنیای AI را با یک اصول محکم آغاز کنید. سپس او چشمانداز هوش مصنوعی و همهی گزینههای در دسترس شما را توضیح میدهد، به مهندسی پرامپت میپردازد و کتابخانههای AI موجود برای NET. را پوشش میدهد؛ همچنین مفاهیمی مانند LLM Tokens را که میتوانند بسیار گیجکننده باشند، توضیح میدهد.
شما یاد خواهید گرفت چگونه با متن، پاسخهای استریمشده و انواع محتوای تصویری کار کنید، یک عامل اولیه بسازید و با Agent Framework جدید مایکروسافت از RAG استفاده کنید.
شروع کار: هوش مصنوعی برای توسعهدهندگان NET.
-
خوشآمدید 01:06
-
در این دوره چه چیزهایی یاد میگیرید؟ 01:29
-
این دوره برای چه کسانی است و پیشنیازها چیست؟ 00:54
-
تاریخچهای کوتاه از هوش مصنوعی و NET. 04:54
-
برنامهنویسی قطعی در برابر غیرقطعی 09:15
-
راهنمای توسعهدهندگان برای AI ،ML و Deep Learning 08:07
-
بررسی مفاهیم LLM و GenAI 02:02
-
ارائهدهندگان و گزینههای میزبانی 03:27
-
مروری بر Azure AI Foundry 04:26
-
استقرار اولین مدل زبانی بزرگ شما 03:49
-
مقدمهای بر Chat Playground 05:04
-
مقدمهای بر تمرینها 03:42
-
پرامپتهای خلاصهسازی 02:45
-
پرامپتهای دستهبندی 04:14
-
پرامپتهای تحلیل احساسات 06:47
-
پرامپتهای ترجمهی زبان 07:55
-
ایجاد خروجی ساختاریافته از داده بدون ساختار 07:59
-
استفاده از LLMها برای تولید و بهبود پرامپتهای خلاصهسازی 07:04
-
استفاده از LLMها برای تولید و بهبود پرامپتهای دستهبندی 08:01
-
استفاده از LLMها برای عیبیابی پاسخهای پرامپت 06:52
-
درک سه ستون هوش مصنوعی در NET. 03:54
-
چه زمانی از کدام کتابخانه استفاده کنیم و چرا؟ 06:48
-
مقدمهای بر ساخت یک Tokenizer 03:48
-
وابستگیهای پروژهی Token Visualizer 04:01
-
اتصال مؤلفهی visualizer 04:04
-
انجام tokenization و بررسی خروجی 08:21
-
مقدمهای بر تمرین Microsoft.Extensions.AI 01:35
-
پیکربندی و تنظیم تنظیمات اپلیکیشن با user secrets 10:41
-
ساخت یک سرویس پسزمینه برای اپلیکیشن چت 05:22
-
پیکربندی DI با وابستگیهای AI و IChatClient 06:36
-
تکمیلهای چت با استفاده از ChatMessage و ChatRepsonse 06:43
-
ساخت یک حلقهی چت 06:28
-
افزودن یک حافظهی مکالمهای اولیه 05:09
-
ساخت یک عامل وب با گسترش ChatApp 10:39
-
خواندن منابع وب برای تولید تقویتشده با زمینه 07:36
-
مقدمهای بر پروژه Blazor 02:16
-
وابستگیها و پیکربندی IChatClient 08:19
-
راهاندازی رابط کاربری چت 07:33
-
AIContent و انواع محتوا 03:02
-
استفاده از محتوای تصویری با ورودی مدل چندوجهی 10:29
-
چگونه logging را در IChatClient فعال کنیم؟ 05:23
-
چگونه با استفاده از GetStreamingResponseAsync متن را از IChatClient بهصورت استریم دریافت کنیم؟ 08:12
-
مقدمهای بر عامل اولیه 03:18
-
خروجی ساختاریافته با GetResponseAsync<T> 11:58
-
مقدمهای بر Agent Framework 03:51
-
راهاندازی عامل و پیکربندی پروژه 06:56
-
ساخت کلاینتهای OpenAI 03:58
-
ساخت یک Vector Store در OpenAI 06:37
-
ساخت یک عامل با Agent Framework 05:17
-
رابط کاربری گفتوگوی عامل 05:43
-
فایلهای Azure OpenAI و Vector Store 02:13
-
اجرای یک عامل 08:49
-
ارجاعات و حاشیهنویسیها 09:32
-
Threads در Agent Framework 05:10
-
جمعبندی 00:54
مشخصات آموزش
شروع کار: هوش مصنوعی برای توسعهدهندگان NET.
- تاریخ به روز رسانی: 1405/04/12
- سطح دوره:Getting Started
- تعداد درس:55
- مدت زمان :05:12:00
- حجم :947.0MB
- زبان:دوبله زبان فارسی
- دوره آموزشی:AI Academy
آموزش های مرتبط
- زمان: 06:58:57
- تعداد درس: 60
-
سطح دوره:
-
زبان: دوبله فارسی
- زمان: 02:27:39
- تعداد درس: 24
-
سطح دوره:
-
زبان: دوبله فارسی
- زمان: 03:02:02
- تعداد درس: 14
-
سطح دوره:
-
زبان: دوبله فارسی
- زمان: 58:00
- تعداد درس: 12
-
سطح دوره:
-
زبان: دوبله فارسی
-
سطح دوره:
-
زبان: دوبله فارسی
- زمان: 11:25:13
- تعداد درس: 94
-
سطح دوره:
-
زبان: دوبله فارسی
- زمان: 08:11:21
- تعداد درس: 28
-
سطح دوره:
-
زبان: دوبله فارسی
- زمان: 09:44:25
- تعداد درس: 67
-
سطح دوره:
-
زبان: دوبله فارسی
- زمان: 04:52:43
- تعداد درس: 38
-
سطح دوره:
-
زبان: دوبله فارسی