تسلط به Ollama - ساخت اپلیکیشنهای LLM خصوصی محلی با پایتون
✅ سرفصل و جزئیات آموزش
آنچه یاد خواهید گرفت:
- نصب و پیکربندی Ollama روی سیستم محلی خود برای اجرای مدلهای زبانی بزرگ بهصورت خصوصی
- سفارشیسازی مدلهای LLM برای برآوردن نیازهای خاص با استفاده از گزینهها و ابزارهای خط فرمان Ollama
- اجرای تمام فرمانهای ترمینال لازم برای کنترل، نظارت و عیبیابی مدلهای Ollama
- راهاندازی و مدیریت رابط کاربری شبیه به چتجیپیتی که به شما امکان تعامل با مدلها به صورت محلی را میدهد.
- استفاده از انواع مختلف مدلها شامل مدلهای متنی، بینایی و تولید کد برای اپلیکیشنهای گوناگون
- ایجاد مدلهای LLM سفارشی از یک فایل Modelfile و یکپارچهسازی آنها در اپلیکیشنهای خود
- ساخت اپلیکیشنهای پایتون که با مدلهای Ollama از طریق کتابخانه اصلی و سازگاری با OpenAI API ارتباط برقرار میکنند.
- توسعه اپلیکیشن های بازیابی نسل افزوده (RAG) با یکپارچهسازی مدلهای Ollama با LangChain.
- پیادهسازی ابزارها و فراخوانی توابع برای بهبود تعاملات مدل برای گردشکارهای پیشرفته
- راهاندازی یک رابط کاربری کاربر پسند برای کاربر تا به کاربران امکان تعامل و چت با مدلهای مختلف Ollama را بدهد.
پیشنیازهای دوره
- دانش اولیه از برنامهنویسی پایتون
- آشنایی با رابط خط فرمان (CLI)
توضیحات دوره
آیا نگران حریم خصوصی داده و هزینههای بالای مرتبط با استفاده از مدلهای زبانی بزرگ (LLMs) هستید؟
اگر بله، این دوره گزینه مناسبی برای شما است. دوره «تسلط به Ollama - ساخت اپلیکیشنهای LLM خصوصی محلی با پایتون» به شما امکان میدهد که مدلهای قدرتمند هوش مصنوعی را مستقیماً روی سیستم خود اجرا کرده و اطمینان حاصل کنید که حریم خصوصی داده حفظ میشود و نیازی به سرویسهای ابری گرانقیمت نداشته باشید.
با یادگیری راهاندازی و سفارشیسازی LLMs محلی با Ollama، کنترل کاملی بر داده و اپلیکیشنهای خود داشته و از هزینههای مداوم و ریسکهای احتمالی راهحلهای مبتنی بر ابر اجتناب میکنید.
این دوره عملی شما را از مبتدی به کارشناس در استفاده از Ollama، پلتفرم طراحی شده برای اجرای مدلهای LLM محلی، راهنمایی میکند. شما یاد میگیرید که چگونه مدلها را راهاندازی و سفارشیسازی کنید، یک رابط کاربری شبیه به چتجیپیتی ایجاد کرده و اپلیکیشنهای خصوصی با استفاده از پایتون بسازید.
در این دوره موارد زیر را یاد میگیرید:
- نصب و پیکربندی Ollama برای اجرای مدلهای LLM محلی
- سفارشیسازی مدلهای LLMs برای برآوردن نیازهای خاص خود با استفاده از ابزارهای Ollama
- تسلط به ابزارهای خط فرمان برای کنترل، نظارت و عیبیابی مدلهای Ollama
- یکپارچهسازی مدلهای مختلف، شامل مدلهای متنی، بینایی و تولید کد، و حتی ایجاد مدلهای سفارشی خود
- ساخت اپلیکیشنهای پایتون که با مدلهای Ollama از طریق کتابخانه اصلی و سازگاری با OpenAI API ارتباط برقرار میکنند.
- توسعه اپلیکیشنهای بازیابی نسل افزوده (RAG) با یکپارچهسازی مدلهای Ollama با LangChain
- پیادهسازی ابزارها و فراخوانی توابع برای بهبود تعاملات مدل در محیطهای ترمینال و LangChain
- راهاندازی یک رابط کاربری کاربر پسند برای کاربران تا با مدلهای مختلف Ollama چت کنند.
چرا این دوره مهم است؟
در دنیایی که حریم خصوصی داده در حال رشد است، اجرای LLMs بهصورت محلی اطمینان میدهد که داده شما روی ماشین شما باقی میماند. این کار امنیت داده را افزایش میدهد و به شما امکان میدهد مدلها را برای تسکهای خاص بدون وابستگیهای خارجی یا هزینههای اضافی سفارشیسازی کنید.
شما در فعالیتهای عملی مانند ساخت مدلهای سفارشی، توسعه اپلیکیشنهای RAG که اطلاعات کاربران را بر اساس داده شما بازیابی کرده و به آن پاسخ میدهند، و ایجاد رابطهای تعاملی شرکت خواهید کرد.
هر بخش دارای کاربردهای واقعی است تا تجربه و اعتماد به نفس لازم برای ساخت راهحلهای LLM محلی خود را به دست آورید.
چرا این دوره را انتخاب کنید؟
این دوره بهگونهای طراحی شده که مفاهیم پیشرفته هوش مصنوعی را قابل دسترس و عملی کند. ما بر یادگیری عملی و کاربردی تأکید داریم که به شما امکان میدهد که از روز اول راهحلهای واقعی بسازید. شما به عمق پروژههایی که تئوری و عملی را پیوند میدهند پرداخته و اطمینان خواهید داشت که مهارتهای ملموس در توسعه اپلیکیشنهای LLM محلی کسب خواهید کرد. چه در LLMs تازهکار باشید و چه بهدنبال تقویت مهارتهای خود باشید، این دوره تمام راهنماییها و ابزارهای مورد نیاز برای ایجاد اپلیکیشنهای خصوصی هوش مصنوعی با استفاده از Ollama و پایتون را با اطمینان در اختیار شما قرار میدهد.
آیا آمادهاید اپلیکیشنهای قدرتمند هوش مصنوعی را با حفظ حریم کامل داده خود توسعه دهید؟
هماکنون در دوره شرکت کنید و کنترل کامل سفر هوش مصنوعی خود را با Ollama بهدست آورید.
شما از توانمندیهای LLMs محلی روی سیستم خود استفاده کرده و مهارتهای خود را به سطح بالاتری ارتقا میدهید.
این دوره برای چه کسانی مناسب است؟
- توسعهدهندگان پایتون که بهدنبال گسترش مهارتهای خود با یکپارچهسازی مدلهای زبانی بزرگ (LLMs) در اپلیکیشنهای خود هستند.
- علاقهمندان و متخصصان هوش مصنوعی که به دنبال اجرای مدلهای LLM بهصورت محلی و خصوصی بدون وابستگی به سرویسهای ابری هستند.
- دانشمندان داده و مهندسان یادگیری ماشین که میخواهند مدلهای هوش مصنوعی محلی را با استفاده از Ollama و LangChain درک و پیادهسازی کنند.
- مهندسان نرمافزار که بهدنبال توسعه اپلیکیشنهای هوش مصنوعی ایمن روی سیستم خود هستند تا کنترل کامل داده و زیرساخت خود را حفظ کنند.
- دانشجویان و پژوهشگرانی که بهدنبال گسترش توانمندیهای LLMs محلی و کسب تجربه عملی با فناوریهای پیشرفته هوش مصنوعی هستند.
- حرفهایهای نگران حریم خصوصی داده که نیاز دارند اطلاعات حساس را بدون ارسال داده به سرورهای خارجی یا پلتفرمهای ابری پردازش کنند.
- کسی که بهدنبال ساخت اپلیکیشنهای شبیه به چتجیپیتی بهصورت محلی است و میخواهد تجربه عملی از طریق پروژههای واقعی کسب کند.
- مبتدیان در LLMs و Ollama که دارای دانش اولیه از پایتون هستند و مشتاق یادگیری درباره توسعه اپلیکیشن هوش مصنوعی هستند.
- مدرسان و مربیانی که بهدنبال گنجاندن هوش مصنوعی و LLMs در برنامه درسی یا دورههای آموزشی خود بدون وابستگی به سرویسهای خارجی هستند.
تسلط به Ollama - ساخت اپلیکیشنهای LLM خصوصی محلی با پایتون
-
مقدمه و آنچه یاد خواهید گرفت 02:02
-
پیش نیازهای دوره 01:46
-
لطفاً این دمو را تماشا کنید 03:55
-
راهاندازی محیط توسعه 01:01
-
بررسی عمیق Ollama - بررسی Ollama - Ollama چیست و مزایا؟ 06:24
-
ویژگیهای کلیدی Ollama و یوزکیسها 03:58
-
الزامات سیستم و راهاندازی Ollama - بررسی 00:55
-
دانلود و راهاندازی Ollama و مدل Llam3.2 - عملی و تست 08:10
-
صفحه مدلهای Ollama - بررسی کامل 07:27
-
بررسی عمیق پارامترهای مدل Ollama 06:22
-
درک پارامترها و اندازه دیسک و منابع محاسباتی مورد نیاز 02:52
-
فرمانهای Ollama - بررسی Pull کردن و تست مدل 04:01
-
Pull کردن در مدل چندوجهی Llava و کپشن تصویر 05:14
-
خلاصهسازی و تحلیل احساسات و سفارشیسازی مدل ما با Modelfile 07:48
-
Ollama REST API - اندپوینتهای تولید و چت 04:40
-
Ollama REST API - حالت درخواست جی سان 02:50
-
مدلهای Ollama از تسکهای مختلف پشتیبانی میکنند - خلاصه 01:07
-
راههای مختلف تعامل با مدلهای Ollama - بررسی 02:02
-
اجرای مدل Ollama تحت اپلیکیشن Msty - ابزار فرانتاند - سیستم چت RAG با مستندات 11:02
-
کتابخانه پایتون Ollama برای ساخت اپلیکیشنهای LLM محلی - بررسی 02:29
-
تعامل با Llama3 در پایتون با استفاده از Ollama REST API - عملی 05:15
-
کتابخانه پایتون Ollama - چت کردن با یک مدل 06:12
-
مثال چت با استریمینگ 01:33
-
استفاده از تابع show در Ollama 01:59
-
ایجاد مدل سفارشی در کد 03:49
-
عملی - ساخت اپلیکیشن LLM - دستهبندی لیست مواد غذایی 08:16
-
ساخت سیستمهای RAG با Ollama - بررسی RAG و LangChain 07:39
-
بررسی عمیق فروشگاه برداری و تعبیهها - تصویر کلی - دوره فشرده 06:07
-
بررسی سیستم PDF RAG - آنچه خواهیم ساخت 02:02
-
راهاندازی سیستم RAG - درج سند و ایجاد پایگاه داده برداری و تعبیهها 08:21
-
سیستم RAG - بازیابی و کوئری 08:30
-
سیستم RAG - کد تمیزتر 01:58
-
سیستم RAG - رابط کاربری Streamlit 01:35
-
بررسی فراخوانی تابع (ابزارها) 02:42
-
راهاندازی ابزار فراخوانی تابع در اپلیکیشن 05:15
-
دستهبندی آیتمها با استفاده از مدل و راهاندازی لیست ابزارها 08:04
-
فراخوانی ابزار اپلیکیشن LLM - محصول نهایی 07:52
-
سیستم RAG صوتی - بررسی 01:31
-
راهاندازی کلید EleveLabs API و بارگذاری و خلاصهسازی سند 05:07
-
سیستم RAG صوتی در Ollama - کارکرد 07:06
-
افزودن صدای تولید شده توسط ElevenLab برای خواندن پاسخ به ما 03:40
-
جمعبندی - گام بعدی چیست؟ 03:13
مشخصات آموزش
تسلط به Ollama - ساخت اپلیکیشنهای LLM خصوصی محلی با پایتون
- تاریخ به روز رسانی: 1404/06/14
- سطح دوره:همه سطوح
- تعداد درس:42
- مدت زمان :03:19:29
- حجم :2.07GB
- زبان:دوبله زبان فارسی
- دوره آموزشی:AI Academy