بوت‌کمپ کامل مهندسی هوش مصنوعی و GenAI از صفر تا قهرمان

آنچه یاد خواهید گرفت:

• ساخت مدل‌های یادگیری ماشین از ابتدا با استفاده از پایتون، NumPy ،Pandas و Scikit-Learn برای تسک های واقعی مانند پیش‌بینی، طبقه‌بندی و خوشه‌بندی
• درک یادگیری عمیق و شبکه‌های عصبی با TensorFlow و Keras، از جمله CNN برای داده‌ تصویری و RNN/LSTM برای داده‌ دنباله‌ای
• یادگیری پردازش زبان طبیعی (NLP) شامل پیش‌پردازش متن، embeddings و مدل‌های ترنسفورمر مانند BERT
• کار با ابزارهای مدرن Generative AI مانند Hugging Face ،Transformers و تکنیک‌های پیشرفته مهندسی پرامپت
• ساخت اپلیکیشن های واقعی GenAI شامل سیستم‌های Retrieval Augmented Generation (RAG)، چت‌بات‌های مبتنی بر مدل‌های زبانی بزرگ (LLM) و عامل‌های هوش مصنوعی با استفاده از LangChain و LangGraph
• ساخت پروژه‌های هوش مصنوعی مناسب برای نمونه‌کار با رابط‌های تعاملی با استفاده از Streamlit و Gradio

پیش‌نیازهای دوره

• آشنایی مقدماتی با پایتون مفید است، اما اجباری نیست.
• هیچ تجربه‌ی قبلی نیاز نیست. از بسیار پایه شروع خواهیم کرد.

توضیحات دوره

به یک مهندس مدرن هوش مصنوعی تبدیل شوید و سیستم‌های واقعی هوش مصنوعی بسازید (Generative AI + مدل‌های زبانی بزرگ + عامل‌ها)

قدرت هوش مصنوعی و Generative AI را آزاد کنید با یادگیری ساخت سیستم‌های واقعی و آماده‌ی تولید که امروزه در صنعت استفاده می‌شوند.

مشکل

مهندسان هوش مصنوعی تقاضای بسیار بالایی دارند، اما بیشتر یادگیرندگان برای ورود به این حوزه دچار مشکل می‌شوند زیرا:

هوش مصنوعی به صورت موضوعات جدا از هم تدریس می‌شود (یادگیری ماشین، یادگیری عمیق، پردازش زبان طبیعی، مدل‌های زبانی بزرگ به طور جداگانه)

• بسیاری از دوره‌ها فقط روی تئوری یا ابزارهای اولیه مانند ChatGPT تمرکز دارند.
• مسیر مشخصی از مبتدی تا پیشرفته وجود ندارد.
• ساخت برنامه‌های واقعی هوش مصنوعی بسیار دشوار به نظر می‌رسد.

حتی پس از یادگیری مفاهیم، وصل کردن همه‌ی این موارد به سیستم‌های واقعی همان جایی است که بیشتر افراد گیر می‌کنند.

راه‌حل

این دوره به عنوان یک بوت‌کمپ کامل و ساختاریافته برای مهندس هوش مصنوعی طراحی شده است.

به جای تدریس موضوعات مجزا، این دوره شما را گام به گام از یک نقشه‌راه مشخص عبور می‌دهد:

پایتون ← یادگیری ماشین ← یادگیری عمیق ← پردازش زبان طبیعی ← مدل‌های زبانی بزرگ ← RAG ← عامل‌های هوش مصنوعی ← پروژه‌های واقعی

شما نه فقط هوش مصنوعی یاد می‌گیرید، بلکه سیستم‌های واقعی هوش مصنوعی می‌سازید.

آنچه یاد خواهید گرفت:

اصول هوش مصنوعی و پایتون

• پایتون برای هوش مصنوعی (NumPy ،Pandas، مصورسازی داده)
• تحلیل داده و تحلیل داده اکتشافی (EDA)
• مفاهیم اصلی هوش مصنوعی و کاربردهای واقعی آن

یادگیری ماشین (هسته اصلی)

• رگرسیون، طبقه‌بندی، خوشه‌بندی
• ارزیابی مدل (دقت، صحت، فراخوانی)
• بیش‌برازش در برابر کم‌برازش

پروژه‌ها:

• پیش‌بینی قیمت خانه
• طبقه‌بندی ایمیل‌های اسپم
• بخش‌بندی مشتریان

یادگیری عمیق

• شبکه‌های عصبی و پس‌انتشار خطا
• CNNs برای داده تصویری
• RNNs و LSTMs برای دنباله‌ها
• مقدمه‌ای بر ترنسفورمرها

پردازش زبان طبیعی (NLP)

• پیش‌پردازش متن
• TF-IDF در برابر embeddings
• embeddings واژه‌ها و BERT

پروژه:

• سیستم تحلیل احساسات

Generative AI و مدل‌های زبانی بزرگ (LLM)

• درک مدل‌های زبانی بزرگ (LLM)
• توکن‌ها و پنجره‌های زمینه
• تفاوت‌های GPT ،Claude و LLaMA
• مدل‌های باز در برابر مدل‌های بسته

ترنسفورمرها و Hugging Face

• خودتوجهی و معماری ترنسفورمر
• رمزگذار در برابر رمزگشا
• استفاده از مدل‌ها و توکنایزرهای Hugging Face

مهندسی پرامپت

• پرامپت‌نویسی Zero-shot و با few-shot
• استدلال زنجیره‌ای تفکر
• قالب‌های پرامپت

ساخت سیستم‌های واقعی هوش مصنوعی

• Retrieval Augmented Generation (RAG)
• استراتژی‌های قطعه بندی
• embeddings و جستجوی شباهت
• پایپ لاین های بازیابی + تولید

پروژه:

• سیستم پرسش و پاسخ روی فایل PDF

عامل‌های هوش مصنوعی (LangChain و LangGraph)

• ابزارها، حافظه و برنامه‌ریزی
• گردش‌کارهای تک‌عاملی و چندعاملی

پروژه:

• عامل پژوهشی هوش مصنوعی

موضوعات اضافی

• فاین تیونینگ مدل‌های زبانی بزرگ (LoRA ،PEFT)
• مبانی بینایی ماشین
• مدل‌های انتشاری (Stable Diffusion)
• ساخت برنامه‌های رابط کاربری با Streamlit و Gradio

پروژه‌های عملی

این یک دوره‌ی پروژه‌محور است که در آن خواهید ساخت:

• دفترچه‌ی تحلیل داده اکتشافی (EDA)
• مدل‌های یادگیری ماشین
• سیستم‌های پردازش زبان طبیعی
• طبقه‌بند تصویر با شبکه‌ی عصبی پیچشی (CNN)
• دستیار هوش مصنوعی مبتنی بر RAG
• چت‌بات مبتنی بر مدل زبانی بزرگ (LLM)
• سیستم عامل هوش مصنوعی

این دوره برای چه کسانی است؟

• توسعه‌دهندگانی که می‌خواهند مهندس هوش مصنوعی شوند.
• مهندسان DevOps / ابری که می‌خواهند به حوزه‌ی هوش مصنوعی وارد شوند.
• دانشجویانی که به دنبال یک نقشه‌راه ساختاریافته هستند.
• هر کسی که به Generative AI و مدل‌های زبانی بزرگ علاقه دارد.
• متخصصانی که می‌خواهند مهارت‌های عملی هوش مصنوعی کسب کنند.

در پایان این دوره

قادر خواهید بود:

• اپلیکیشن های سرتاسری هوش مصنوعی بسازید.
• با مدل‌های زبانی بزرگ و ابزارهای مدرن هوش مصنوعی کار کنید.
• عامل‌های هوش مصنوعی و سیستم‌های خودکارسازی ایجاد کنید.
• راه‌حل‌های واقعی هوش مصنوعی طراحی کنید.
• برای نقش‌هایی مانند مهندس هوش مصنوعی، مهندس Generative AI و مهندس یادگیری ماشین درخواست دهید.

نکته‌ی پایانی

هوش مصنوعی آینده نیست - هم‌اکنون اینجاست.

سوال واقعی این است:

آیا فقط از ابزارهای هوش مصنوعی استفاده می‌کنید… یا خودتان آن‌ها را می‌سازید؟

امروز سفر خود را آغاز کنید و به یک مهندس هوش مصنوعی آماده برای بازار کار تبدیل شوید.

این دوره برای چه کسانی مناسب است؟

• دانشجویانی که می‌خواهند مسیر شغلی خود را به عنوان مهندس هوش مصنوعی یا مهندس Generative AI آغاز کنند.
• توسعه‌دهندگان نرم‌افزار و متخصصان فناوری اطلاعات که می‌خواهند مسیر شغلی خود را به هوش مصنوعی و Generative AI تغییر دهند.
• مبتدیان و یادگیرندگان غیرفنی که کنجکاوند بدانند سیستم‌های مدرن هوش مصنوعی مانند ChatGPT و مدل‌های زبانی بزرگ چگونه کار می‌کنند.
• هر کسی که می‌خواهد پروژه‌های واقعی هوش مصنوعی مانند چت‌بات‌ها، سیستم‌های RAG و عامل‌های هوش مصنوعی بسازد.