تسلط به LLM - بررسی چت‌جی‌پی‌تی، جمینی، Claude ،Llama3 ،OpenAI و APIs

آنچه یاد خواهید گرفت:

• قابلیت LLMs - پارامترها، وزن‌ها، استنتاج و شبکه‌های عصبی
• درک شبکه‌های عصبی
• عملکرد شبکه‌های عصبی با توکن‌ها در LLMs
• معماری ترنسفرمر و Mixture of Experts
• تیونینگ دقیق و ایجاد مدل دستیار
• یادگیری تقویتی (RLHF) در LLMs
• قوانین مقیاس‌بندی LLM - بررسی GPU و داده‌ برای بهبودها
• قابلیت‌ها و توسعه‌های آینده LLMs
• استفاده از ابزارها توسط LLMs - ماشین‌حساب، کتابخانه‌های پایتون و بیشتر
• چندوجهی و پردازش ویژوال با LLMs
• چندوجهی در زبان همانند فیلم Her
• تفکر سیستمی و چشم‌اندازهای آینده برای LLMs
• خودبهبودی پس از AlphaGo (خودبهبودی)
• امکان‌های بهبود - پروامپت‌ها، RAG و سفارشی‌سازی
• مهندسی پرامپت - استفاده مؤثر از LLMs با زنجیره ‌افکار و پرامپت‌نویسی درخت ‌تفکر و بیشتر
• پذیرش LLMs از طریق پرامپت‌های سیستم و شخصی‌سازی با حافظه چت‌جی‌پی‌تی
• حافظه بلندمدت با RAG و جی‌پی‌تی‌ها
• فروشگاه جی‌پی‌تی - همه‌ مواردی که باید بدانید.
• استفاده از جی‌پی‌تی‌ها برای تحلیل داده، PDFs یا برنامه‌نویسی Tetris
• تعبیه‌ها و پایگاه‌ داده‌های برداری برای RAG
• یکپارچه سازی Zapier Actions در جی‌پی‌تی‌ها
• LLMs متن‌باز در برابر LLMs متن بسته
• مبانی API
• استفاده از API گوگل جمینی و Claude
• مایکروسافت کوپایلت و استفاده از آن در مایکروسافت 365
• گیت‌هاب کوپایلت - راه‌حل برای برنامه‌نویسان
• OpenAI API - ویژگی‌ها، مدل‌های قیمت‌گذاری و هر آنچه باید در مورد OpenAI API بدانید از جمله ایجاد اپلیکیشن
• آشنایی با Google Colab برای فراخوانی‌های API به OpenAI
• ایجاد اپلیکیشن‌های هوش مصنوعی و چت‌بات‌ها با Langchain و Flowise و Vectorshift و LangGraph و CrewAI و Autogen و Langflow و بیشتر
• ایجاد ایجنت‌های هوش مصنوعی برای تسک‌های مختلف مانند محتوای رسانه‌های اجتماعی با Agency Swarm و ایجنت‌های Langchain
• امنیت در LLMs - بررسی Jailbreaks و تزریق پرامپت و بیشتر
• مقایسه بهترین LLMs
• گوگل جمینی در رابط استاندارد و Google Labs با NotebookLM
• Claude توسط Anthropic - بررسی
• هر آنچه در مورد Perplexity و POE باید بدانید.
• زمین بازی OpenAI - ویژگی‌ها، حساب‌ صورتحساب و دمای LLMs
• API گوگل جمینی - تحلیل ویدئو و موارد دیگر
• LLMs متن‌باز - مدل‌ها و استفاده از Llama 3 و Mixtral و Command R+ و بسیاری دیگر
• HuggingChat - رابط برای LLMs متن‌باز
• اجرای LLMs محلی با Ollama و ساخت چت‌بات‌های محلی RAG
• Groq - سریع‌ترین رابط با LPU
• نصب LM Studio برای استفاده از LLMs متن‌باز مانند Llama3 برای امنیت حداکثری
• استفاده از مدل‌های متن‌باز در LM Studio و LLMs سانسور شده در برابر سانسور نشده
• تیونینگ دقیق یک مدل متن‌باز با Huggingface
• ایجاد اپلیکیشن‌های خود از طریق APIs در Google Colab با Dall-E و Whisper و GPT-4o و Vision و موارد دیگر
• Microsoft Autogen برای ایجنت‌های هوش مصنوعی
• CrewAI برای ایجنت‌های هوش مصنوعی
• Flowise با فراخوانی توابع LangChain
• OpenAI Assistant API با فراخوانی توابع برای ایجنت‌های هوش مصنوعی در فریمورک‌های مختلف
• Flowise با LLM متن‌باز به عنوان چت‌بات
• امنیت در LLMs و متدهای هک LLMs
• آینده LLMs به عنوان سیستم‌عامل‌ها در ربات‌ها و PCs

پیش نیازهای دوره

• هیچ دانش قبلی نیاز نیست، همه موارد گام به گام نشان داده خواهد شد.

توضیحات دوره

تکنیک‌های پیشرفته و روندهای آینده:

• قوانین مقیاس‌بندی - درباره قوانین مقیاس‌بندی LLM، از جمله بهبود GPU و داده‌ می آموزید.
• آینده LLMs - قابلیت‌ها و پیشرفت‌های آینده در فناوری LLM را کشف می‌کنید.
• پردازش چندوجهی - درک چندوجهی و پردازش ویژوال با LLMs، الهام گرفته از فیلم‌هایی مانند "Her"

مهارت ها و کاربردهای عملی:

• استفاده از ابزار - از ابزارهایی با LLMs مانند ماشین حساب و کتابخانه‌های پایتون استفاده می‌کنید.
• تفکر سیستمی - به تفکر سیستمی و چشم‌اندازهای آینده برای LLMs می‌پردازید.
• خود بهبودی - روش های خودبهبودی را با الهام از AlphaGo می‌آموزید.
• تکنیک‌های بهینه‌سازی - عملکرد LLM را با پرامپت‌ها، RAG، فراخوانی تابع و سفارشی‌سازی افزایش می‌دهید.

مهندسی پرامپت:

• پرامپت‌های پیشرفته - به تکنیک‌هایی مانند پرامپت‌نویسی زنجیره‌ افکار و درخت افکار مسلط می‌شوید.
• سفارشی‌سازی - LLMs را با پرامپت‌های سیستم سفارشی کرده و با حافظه چت‌جی‌پی‌تی شخصی‌سازی می‌کنید.
• حافظه بلندمدت - RAG و جی‌پی‌تی را برای قابلیت های حافظه بلندمدت پیاده می‌کنید.

API و مهارت های یکپارچه‌سازی:

• مبانی API - مبانی استفاده از API، از جمله OpenAI API، گوگل جمینی و Claude API را یاد می‌گیرید.
• مایکروسافت کوپایلت و گیت‌هاب کوپایلت - از مایکروسافت کوپایلت در 365 و گیت‌هاب کوپایلت برای برنامه نویسی استفاده می‌کنید.
• تسلط به OpenAI API - قابلیت‌ها، مدل‌های قیمت‌گذاری و ایجاد اپلیکیشن را با OpenAI API بررسی می‌کنید.

توسعه اپلیکیشن هوش مصنوعی:

• Google Colab - فراخوانی‌های API به OpenAI را با Google Colab می آموزید.
• ایجنت‌های هوش مصنوعی - ایجنت‌های هوش مصنوعی را برای تسک‌های مختلف در فریمورک های LangChain مانند Langgraph و Langflow و Vectorshift و Autogen و CrewAI و Flowise و غیره ایجاد می‌کنید.
• امنیت - با متدهایی برای جلوگیری از jailbreaks و تزریق پرامپت، امنیت را تضمین می‌کنید.

بینش‌های مقایسه‌ای:

• مقایسه بهترین LLMs - بهترین LLMs از جمله گوگل جمیمی، Claude و غیره را مقایسه می‌کنید.
• مدل‌های متن باز - مدل‌های متن باز مانند Llama 3 و Mixtral و Command R+ را با امکان اجرای هر چیزی به صورت محلی روی PC خود برای حداکثر امنیت، بررسی و استفاده می‌کنید.

کاربردهای عملی:

• تعبیه‌ها و پایگاه داده‌های برداری - تعبیه‌ها را برای RAG پیاده می‌کنید.
• یکپارچه‌سازی Zapier - اکشن‌های Zapier را در جی‌پی‌تی‌ها یکپارچه می‌کنید.
• LLMs متن باز - برای حداکثر امنیت، LM Studio را برای LLMs متن باز محلی نصب و استفاده می‌کنید.
• تیونینگ دقیق مدل - مدل های متن باز را با Huggingface دقیقا تیونینگ می‌کنید.
• توسعه اپلیکیشن مبتنی بر API - اپلیکیشن‌هایی را با DALL-E و Whisper و GPT-4o و Vision و موارد دیگر در Google Colab ایجاد می‌کنید.

ایجنت‌ها و ابزارهای نوآورانه:

• Microsoft Autogen - از Microsoft Autogen برای توسعه ایجنت‌های هوش مصنوعی استفاده می‌کنید.
• CrewAI - ایجنت‌های هوش مصنوعی را با CrewAI توسعه می‌دهید.
• LangChain - این فریمورک را با بخش‌هایی مانند LangGraph و LangFlow و موارد دیگر درک می‌کنید.
• Flowise - Flowise را با فراخوانی‌های تابع و LLM متن باز به عنوان چت‌بات پیاده می‌کنید.

ملاحظات اخلاقی و امنیتی:

• امنیت LLM - درک و اعمال اقدامات امنیتی برای جلوگیری از هک شدن
• آینده LLMs - بررسی پتانسیل LLMs به عنوان سیستم عامل در ربات‌ها و PCs

این دوره برای چه کسانی مناسب است؟

• کسانی که می خواهند مطالب جدیدی یاد بگیرند و بینش‌های عمیقی در مورد LLMs کسب کنند.
• کارآفرینانی که می خواهند کارآمدتر شوند و در پول خود صرفه جویی کنند.
• افرادی که به هوش مصنوعی علاقه مند هستند و می خواهند مدل‌های خود را بسازند