دوره آموزشی
آموزش های یودمی
دوبله زبان فارسی

بوت کمپ 2025 - اپلیکیشن LLM، هوش مصنوعی مولد، AI Agents و Cursor AI

بوت کمپ 2025 - اپلیکیشن LLM، هوش مصنوعی مولد، AI Agents و Cursor AI

✅ سرفصل و جزئیات آموزش

آنچه یاد خواهید گرفت:

  • کلیدهای ورود به حوزه AI، هوش مصنوعی مولد، اپلیکیشن های LLM، و دستیاران جدید کد‌نویسی هوش مصنوعی مانند Cursor AI
  • ساخت اپلیکیشن های LLM با LangChain ،CrewAI ،LangGraph ،LangServe و LangSmith
  • چگونه بدون نیاز به کدنویسی با Cursor AI و دستیاران کد‌نویسی هوش مصنوعی اپلیکیشن بسازید؟
  • طراحی اپلیکیشن های مدل زبانی بزرگ Multimodal و Multi-Agent جدید.
  • فرصت‌ها و تهدیدهای هوش مصنوعی برای کسب‌وکارها، استارتاپ‌ها و اشتغال
  • کاربردهای RAG با جزئیات: اپلیکیشن های فول استک RAG و تکنیک‌های پیشرفته
  • مدیریت LLMOps: قابلیت‌ Observability، ارزیابی، تست و موارد دیگر
  • مراحل تبدیل شدن به مهندس هوش مصنوعی
  • چگونه هوش مصنوعی را وارد کسب‌وکار خود کنید؟
  • کلیدهای اپلیکیشن های LLM، کاربردهای با بیشترین پتانسیل هوش مصنوعی مولد
  • معماری اپلیکیشن های حرفه‌ای LLM
  • تکنیک RAG (Retrieval Augmented Generation)
  • عامل های هوش مصنوعی
  • نسخه‌های پیشرفته و پایه LangChain ،LCEL و v010 همراه با LangSmith ،LangServe و قالب‌های LangChain
  • درک عمیق LCEL (زبان توصیف LangChain)
  • نسخه جدید LangChain v010 و LangChain v020  
  • LlamaIndex و قالب‌های آن
  • رابط برنامه‌نویسی OpenAI، توابع و API آن
  • مدل‌های بزرگ زبان (LLM): ChatGPT ،Llama2 ،Mistral ،Falcon و غیره
  • پایگاه‌داده‌های برداری: Postgres ،Pinecone ،Chroma ،FAISS ،DeepLake و دیگران
  • اپلیکیشن های فول استک: Nextjs و FastAPI
  • استقرار حرفه‌ای: Vercel و Render
  • استقرار آزمایشی: Streamlit
  • هاست ابری: AWS S3
  • چگونه اصول Responsible AI را پیاده‌سازی کنید؟
  • ابزارهای روزمره مهندس AI: Jupyter Notebooks، پایتون، ترمینال، Github، Codespaces و موارد دیگر
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  

پیش‌نیازهای دوره

  • نیاز به دانش فنی قبلی نیست.
  • دانش‌جویانی که کمی پیش‌دانش دارند، فرصت‌های حرفه‌ای خود را بهبود می‌بخشند.

توضیحات دوره

این دوره دارای چهار بخش است:

- در بخش 1، کلیدهای هوش مصنوعی و هوش مصنوعی مولد جدید، و پتانسیل آن برای تحول در کسب‌وکارها، استارتاپ‌ها و اشتغال را خواهید آموخت.

- در بخش 2، چگونگی ساخت اپلیکیشن های حرفه‌ای سطح LLM، به همراه پرکاربردترین اپلیکیشن های Generative AI، اپلیکیشن های RAG پیشرفته، اپلیکیشن های Multimodal، عامل های هوشمند، و مدیریت LLMOps را خواهید آموخت.

- در بخش 3، چگونگی ساخت اپلیکیشن های بدون کد با Cursor AI و دستیاران برنامه‌نویسی هوش مصنوعی، از جمله شناخت دستیاران کد‌نویسی مانند Cursor AI ،Claude AI ،v0 ،o1 ،Replit Agent و غره، و نحوه ارتقاء کارایی آنها با استفاده از ابزارهایی مانند Replit ،Firebase ،Replicate AI ،Stable Fusion و Deepgram را یاد می‌گیرید.

- در بخش 4، چگونگی ساخت اپلیکیشن های SaaS بدون کد با Cursor AI را خواهید آموخت و در قالب دو نمونه واقعی، تاثیر هوش مصنوعی مولد بر مدل SaaS را مشاهده می‌کنید.

در پایان این دوره، شما قادر خواهید بود:

هوش مصنوعی و کسب‌وکار

  • شناخت کسب‌وکارهایی که AI آنها را در معرض نابودی قرار می‌دهد.
  • شناخت فرصت‌های جدید ایجاد شده توسط AI برای کسب‌وکارها
  • طراحی نقشه‌ای برای معرفی AI در شرکت خود
  • انتخاب پروژه پایلوت مناسب برای معرفی AI
  • تشکیل اولین تیم AI در شرکت خود
  • آماده‌سازی استراتژی AI شرکتتان

هوش مصنوعی و استارتاپ

  • شناسایی 100 فرصت برای ایجاد استارتاپ‌های AI

هوش مصنوعی و اشتغال

  • شناخت حرفه‌هایی که AI آنها را تهدید می‌کند.
  • شناخت حرفه‌های جدید که توسط AI ایجاد شده است.

برنامه‌های کاربردی LLM، با بیشترین پتانسیل در Generative AI

  • شناخت موارد کاربرد اصلی اپلیکیشن های LLM در کسب‌وکارها و استارتاپ‌ها
  • اپلیکیشن های RAG
  • اپلیکیشن های Multimodal
  • عامل های هوشمند
  • برنامه‌های Multi-Agent

ایجاد اپلیکیشن های حرفه‌ای LLM

  • معماری اپلیکیشن های LLM را یاد می‌گیرید.
  • یاد می‌گیرید برنامه‌نویسی به زبان‌های Python و Javascript
  • کار با ترمینال کامپیوتر خود را یاد می‌گیرید.
  • کار با Jupyter notebooks را خواهید آموخت.
  • کار با ویرایشگرهای کد مانند Visual Studio Code
  • کار با محیط‌های مجازی را فرا می‌گیرید.
  • فایل‌های مخفی برای ذخیره‌سازی احراز هویت‌ها را می‌فهمید.
  • استفاده از مدل‌های مختلف LLM (OpenAI ،DeepSeek ،Meta ،Mistral ،Anthropic ،Groq و غیره)
  • تکنیک RAG (Retrieval Augmented Generation)
  • استفاده از LangChain
  • پیشرفته‌ترین ویژگی‌های LCEL و نسخه‌های v010 و v020 آن
  • استفاده از LlamaIndex و قالب‌های آن
  • استفاده از APIهای OpenAI و توابع آن
  • ایجاد نمونه‌های اولیه (پروتوتایپ) اپلیکیشن های LLM با LangChain و Streamlit
  • ساخت اپلیکیشن های فول استک با Nextjs ،FastAPI و Postgres
  • استفاده از بانک‌های داده برداری و سنتی
  • انتشار اپلیکیشن ها در Vercel و Render
  • استفاده از AWS S3 بعنوان فضای ذخیره‌سازی از راه دور
  • استفاده از ChatGPT بعنوان دستیار برنامه‌نویسی
  • کار با GPT4-Vision و GPT4o
  • کار با Github و Github Codespaces
  • مفهوم LLMOps و نحوه بهره‌برداری از آن در اپلیکیشن های LLM
  • اصول Responsible AI و پیاده‌سازی آن در اپلیکیشن ها
  • ساخت اپلیکیشن های RAG پیشرفته
  • طراحی اپلیکیشن های Multimodal جدید
  • توسعه عامل های هوشمند جدید
  • ساخت اپلیکیشن های Multi-Agent جدید
  • کار با LangGraph و CrewAI

این دوره برای چه کسانی مناسب است؟

  • دانشجویان و متخصصان با و بدون تجربه قبلی
  • دانشجویان بدون دانش قبلی علاقه مند به استفاده از فرصت های حرفه ای باز شده توسط رشته هوش مصنوعی هستند.
  • مدیرانی که علاقه مند به معرفی هوش مصنوعی در شرکت خود هستند.
  • متخصصان یادگیری ماشین، یادگیری عمیق و علم داده علاقه مند به گسترش فرصت های حرفه ای خود در زمینه برنامه های کاربردی هوش مصنوعی و LLM هستند.
  • توسعه دهندگان نرم افزار علاقه مند به گسترش فرصت های حرفه ای خود با یادگیری توسعه هوش مصنوعی مولد و برنامه های کاربردی LLM هستند.

بوت کمپ 2025 - اپلیکیشن LLM، هوش مصنوعی مولد، AI Agents و Cursor AI

  • [جدید] ببینید دانش جویان ما در مورد این بوت کمپ چه می گویند 02:53
  • ارائه برنامه 01:05
  • [جدید] بوت کمپ آنلاین - مسیرهای یادگیری و ریتم های یادگیری توسط پروفایل دانشجو 07:42
  • [جدید] قسمت 3 جدید: ساخت اپلیکشن ها با Cursor AI و سایر دستیاران کدنویسی هوش مصنوعی مولد 12:10
  • [جدید] قسمت جدید 4: چگونه هوش مصنوعی مولد اپلیکیشن ها و مشاغل SaaS را disrupt می‌کند 23:32
  • [جدید] یک گام طبیعی پس از این بوت کمپ Gen AI: بوت کمپ جدید ما درباره عامل های هوش مصنوعی 11:03
  • [جدید] هوش مصنوعی مولد: دنیایی از فرصت ها. چه اتفاقی می افتد؟ 08:27
  • [جدید] در این بوت کمپ چه خواهید ساخت؟ اپلیکیشن ها و تمرینات LLM - نگاهی بیاندازید 02:24
  • [جدید] مهارت های هوش مصنوعی مولد به شما کمک می کند تا به صورت حرفه ای پیشرفت کنید 01:27
  • فرصت هایی که این برنامه برای شما ایجاد خواهد کرد 04:47
  • آنچه در این برنامه یاد خواهید گرفت 07:05
  • مباحث موجود در این برنامه 01:50
  • این برنامه برای چه کسانی مناسب است؟ 01:46
  • آنچه این برنامه را متفاوت می کند؟ 03:49
  • بخشی از شبکه فارغ التحصیلان شوید 01:32
  • خود را به عنوان یک دانشجوی افتخاری متمایز کنید 04:42
  • دریافت گیگ های مشاوره از طریق شبکه فارغ التحصیلان 14:18
  • دریافت پیشنهادهای شغلی از طریق شبکه فارغ التحصیلان 09:25
  • یافتن اعضای تیم استارت آپ آینده از طریق شبکه فارغ التحصیلان 06:13
  • معرفی مدرس 02:07
  • به اشتراک گذاشتن پیشرفت‌های خود 01:38
  • نکاتی برای دانشجویان 00:26
  • نکات عملی برای دانشجویان 04:33
  • راز تکمیل موفقیت آمیز این بوت کمپ 06:46
  • مقدمه - اپلیکیشن های LLM، کلید هوش مصنوعی جدید 00:32
  • اپلیکیشن های LLM و جهانی سازی هوش مصنوعی 23:39
  • اپلیکیشن های LLM در مقابل ChatGPT 17:17
  • نکته در مورد بخش 1 - آیا این بخش برای شما مناسب است؟ 02:21
  • آشنایی با هوش مصنوعی 00:32
  • هوش مصنوعی چیست؟ چرا اکنون اینقدر محبوب شده؟ چقدر مهم است؟ 15:04
  • تغییرات ایجاد شده توسط هوش مصنوعی - مقدمه 08:32
  • هوش مصنوعی - تغییرات در اشتغال 01:00
  • مشاغلی که بیشترین بهره را از هوش مصنوعی خواهند برد 03:52
  • مشاغلی که بیشتر تحت تأثیر هوش مصنوعی قرار گرفته اند 03:40
  • مشاغلی که کمتر تحت تأثیر هوش مصنوعی قرار گرفته اند 03:43
  • حرفه های جدید ایجاد شده توسط هوش مصنوعی 08:25
  • مهندسان جدید هوش مصنوعی 07:40
  • [جدید] دانشمند داده و مهندس ML در مقابل مهندس هوش مصنوعی جدید 31:17
  • هوش مصنوعی - تغییرات در کسب و کارها 00:48
  • پیامدهای تغییر در اشتغال 03:34
  • صنایع با تاثیر بالا 03:22
  • صنایع با تاثیر متوسط 04:48
  • صنایع با تاثیر فوری 04:17
  • آیا از قسمت قبلی خوشتان آمد؟ لطفاً مارا حمایت کنید! 04:54
  • هوش مصنوعی - تغییرات در استارت آپ ها 01:06
  • فرصت‌های استارتاپ: ویژگی‌های AI جدید 10:45
  • فرصت‌ ها برای استارت‌ آپ‌ ها - تغییرات در اشتغال 02:46
  • فرصت‌های استارتاپ: تاثیر AI بر کسب‌وکارها 02:27
  • فرصت‌ ها برای استارت‌ آپ‌ ها - کتاب "100 استارت آپ هوش مصنوعی" 05:13
  • هوش مصنوعی - تغییرات در جامعه 00:38
  • تغییرات اجتماعی ایجاد شده توسط هوش مصنوعی جدید 03:00
  • چالش های اجتماعی ایجاد شده توسط هوش مصنوعی جدید 02:40
  • چگونه هوش مصنوعی را در شرکت خود معرفی کنیم؟ 01:08
  • برنامه ریزی برای معرفی هوش مصنوعی در شرکت خود 03:41
  • تحلیل فناوری و کسب و کار برای معرفی هوش مصنوعی در شرکت خود 04:50
  • چگونه یک پروژه پایلوت مناسب برای معرفی هوش مصنوعی در شرکت خود انتخاب کنید؟ 04:22
  • چگونه اولین تیم هوش مصنوعی را در شرکت خود تشکیل دهید؟ 03:11
  • چگونه استراتژی هوش مصنوعی شرکت خود را تهیه کنید؟ 02:34
  • مثال - برنامه‌ ریزی برای پذیرش اپلیکیشن جدید LLM در شرکت خود 03:55
  • آموزش هوش مصنوعی جدید 00:52
  • آموزش هوش مصنوعی در شرکت شما - یک ضرورت استراتژیک 01:25
  • چه کسانی باید در شرکت شما آموزش هوش مصنوعی ببینند؟ 02:07
  • چگونه یک برنامه آموزشی هوش مصنوعی برای شرکت خود طراحی کنید؟ 02:02
  • آموزش جدید هوش مصنوعی برای مهندسان 05:28
  • هوش مصنوعی جدید فرصت هایی را برای مشاوران، توصیه دهندگان و آژانس های بازاریابی ایجاد می کند 01:09
  • فرصت هایی برای شرکت های مشاوره، مشاوران کسب و کار و آژانس های بازاریابی 07:02
  • مقدمه - اپلیکیشن های LLM، اپلیکیشن های GENERATIVE AI با بالاترین پتانسیل 01:10
  • اپلیکیشن LLM چیست؟ 05:25
  • افسانه پیش نیازهای یادگیری 06:38
  • رایج ترین انواع دانشجویان - دلایل یادگیری 05:53
  • DIY یا استخدام یک متخصص خارجی؟ 04:35
  • روش طولانی از “ایجاد دمو” تا اپلیکیشن حرفه ای 04:12
  • فرصت های شغلی برای توسعه دهنده اپلیکیشن LLM 06:48
  • یوزکیس ها برای اپلیکیشن های LLM 04:22
  • یوزکیس ها برای اپلیکیشن های LLM بر اساس صنعت 14:28
  • یوزکیس ها برای اپلیکیشن های LLM در استارت آپ ها 04:16
  • موارد کاربرد برنامه‌های LLM در مشاغل 05:03
  • متداول ترین یوزکیس ها برای اپلیکیشن های LLM 04:44
  • یوزکیس ها برای اپلیکیشن های LLM بر اساس سطح استقلال 05:35
  • آشنایی با LLMs 00:38
  • خاستگاه اپلیکیشن های LLM و AI و ML و NLP و Generative AI و LLMs 04:45
  • LLM - اندازه، دقت و هزینه 04:35
  • اصول مدل های LLM 03:24
  • مدل‌های بزرگ زبان: مفاهیم پایه 00:39
  • Context Window چیست؟ 02:25
  • توکن‌ ها چه هستند؟ 02:30
  • پرامپت ها چه هستند؟ 03:29
  • مهندسی پرامپت چیست؟ 14:52
  • توهمات چیست؟ 04:57
  • به‌روزرسانی مهندسی پرامپت: آیا با هوش مصنوعی صحبت می‌کنید؟ راهنمای مبتدیان 13:24
  • پیش‌نمایش کتاب مهندسی Prompts 05:47
  • هدیه ای برای دانش جویان شاد: راهنمای مبتدی مهندسی پرامپت با 100 مثال 05:33
  • معماری اپلیکیشن LLM 00:34
  • معماری اولیه اپلیکیشن LLM 01:45
  • معماری پیشرفته برنامه LLM 04:15
  • پیش نمایش اپلیکیشن حرفه ای LLM - بخش 1 08:47
  • پیش نمایش اپلیکیشن حرفه ای LLM - بخش 2 03:57
  • جزئیات معماری پیشرفته اپلیکیشن LLM 00:55
  • انتخاب اصول LLM 03:58
  • استک ابزارها 09:46
  • فریمورک های ارکستراسیون 05:25
  • نکات جالب دیگر 03:33
  • تکنیک RAG (بازیابی نسل افزوده) 00:44
  • مفاهیم اساسی 15:23
  • کامپوننت ها 05:49
  • تکنیک RAG - مفاهیم پیشرفته 04:40
  • چالش‌ها 02:46
  • انتخاب فریمورک ارکستراسیون - LangChain و LlamaIndex یا OpenAI API؟ 00:48
  • LangChain و LlamaIndex یا OpenAI API؟ 21:29
  • [جدید] LangChain یک حرکت عالی انجام می دهد - پیامدهای اخبار LangSmith 12:25
  • آشنایی با کاربرد زبان های برنامه نویسی 00:48
  • قبلا برنامه نویسی نکرده اید؟ نگران نباشید 06:50
  • نکات عملی برای نوآموزان برنامه‌نویسی 12:48
  • دمو - W3Schools و ChatGPT در عمل 05:58
  • [جدید] پایتون و جاوا اسکریپت برای توسعه دهندگان اپلیکیشن LLM - بخش های مهم - بخش 1 05:18
  • [جدید] پایتون و جاوا اسکریپت برای توسعه دهندگان اپلیکیشن LLM - بخش های مهم - بخش 2 51:52
  • محیط مجازی - چیست، چرا مهم است و چگونه می توان آن را ایجاد کرد؟ - بخش 1 01:08
  • محیط مجازی - چیست، چرا مهم است و چگونه می توان آن را ایجاد کرد؟ - بخش 2 07:57
  • [جدید] ایجاد محیط مجازی و نصب لابراتوار Jupyter برای دسترسی به نوت بوک ها - بخش 1 01:50
  • [جدید] ایجاد محیط مجازی و نصب لابراتوار Jupyter برای دسترسی به نوت بوک ها - بخش 2 05:15
  • ترمینال - چیست، چرا مهم است؟ عملیات های اولیه - بخش 1 00:50
  • ترمینال - چیست، چرا مهم است؟ عملیات های اولیه - بخش 2 03:39
  • فایل برای اعتبارنامه های مخفی - چرا مهم است و چگونه آن را ایجاد کنیم؟ 01:01
  • چگونه نوت بوک های هیبریدی (کد + متن) را با Jupyter ایجاد کرده و بخوانیم؟ - بخش 1 01:22
  • چگونه نوت بوک های هیبریدی (کد + متن) را با Jupyter ایجاد کرده و بخوانیم؟ - بخش 2 01:44
  • LangChain: مقدمه مفهومی، تکامل، و نقشه راه یادگیری 40:08
  • [جدید] دومین سالگرد LangChain: درس های مهم آموخته شده 17:36
  • [جدید] یک گام طبیعی پس از این بوت کمپ Gen AI: بوت کمپ جدید ما درباره عامل های هوش مصنوعی 11:03
  • [جدید] LangChain v030: چه چیزی جدید است؟ 03:57
  • پشته یادگیری LangChain: فیلم ها، نوت بوک های دقیق و کد پایدار 21:54
  • دمو زنده: نحوه دانلود repo، نصب بسته ها، باز کردن نوت بوک ها و اجرای کد 28:03
  • مسیر مهندس هوش مصنوعی مولد 04:15
  • اصول LangChain: چگونه با یک LLM شروع به صحبت کنیم؟ 09:01
  • چگونه با محبوب ترین LLM ارتباط برقرار کنیم؟: OpenAI 29:27
  • چگونه با LLM های منبع باز رایگان ارتباط برقرار کنیم؟: Llama3 ،Mistral، و غیره 14:01
  • تمپلیت های پرامپت: معرفی برنامه نویسی در مکالمه خود با LLM 16:44
  • زنجیره ها: توالی دستورالعمل ها 03:54
  • پارس‌های خروجی: بازفرمت پاسخ‌های LLM 10:49
  • آیا از قسمت قبلی خوشتان آمد؟ لطفاً مارا حمایت کنید! 04:54
  • هدیه ای برای دانش جویان شاد 05:33
  • مبانی LangChain: چگونه با داده ها کار کنیم؟ 04:45
  • یادآوری: نحوه دانلود repo، نصب بسته ها، باز کردن نوت بوک ها و اجرای کد 28:03
  • Data Loaders: فایل های داده را لود کنید و در مورد آنها از LLM سؤال کنید 23:06
  • RAG: دارایی های داده بزرگ را لود کنید و از LLM در مورد آنها سؤال کنید 07:34
  • Splitters: دارایی های داده بزرگ را به قطعات کوچک تقسیم کنید 09:00
  • Splitters با Metadata: اطلاعات مفیدی را به Splitters خود اضافه کنید 06:37
  • تعبیه ها: تبدیل داده های تقسیم شده به اعداد (بردارها) 11:27
  • پایگاه های داده برداری (فروشگاه های برداری): تعبیه ها را ذخیره و جستجو کنید 09:18
  • Retrievers: یافتن تعبیه که بهترین پاسخ را به سوال شما می دهد 07:10
  • Top k: تنظیم تعداد نتایج برای ساختن پاسخ 07:01
  • RAG با LCEL: ابتدا به راه متراکم LCEL نگاه کنید 05:30
  • ایندکس کردن: روشی پیشرفته برای مدیریت اسناد در فروشگاه های برداری 04:54
  • مبانی LangChain: زنجیره های LCEL و Runnables، ابزارهای کلیدی LangChain 04:01
  • یادآوری: نحوه دانلود repo، نصب بسته ها، باز کردن نوت بوک ها و اجرای کد 28:03
  • یک زنجیره LCEL ساده: دنباله ای از اکشن ها، دنباله ای از runnables 05:30
  • زنجیره LangChain Legacy در مقابل زنجیره جدید LCEL 09:02
  • مفهوم کلید LCEL که باید به آن مسلط شوید: دستور اجرای Runnable 07:17
  • راه های جایگزین برای اجرای LCEL Runnables: فراخوانی، استریم، batch 10:33
  • LCEL Runnables داخلی: عبور، لامبدا، موازی، batch 49:52
  • توابع داخلی برای LCEL Runnable: اتصال و تخصیص 10:54
  • ترکیب زنجیره های LCEL: بررسی coercion، تودرتو و fallback 08:06
  • زنجیره های LCEL و RAG: نمای دقیق تر 03:03
  • مبانی LangChain: حافظه. آیا اپلیکشن های LLM می توانند به خاطر بسپارند؟ 01:33
  • یادآوری: نحوه دانلود repo، نصب بسته ها، باز کردن نوت بوک ها و اجرای کد 28:03
  • حافظه موقت: حافظه بافر 22:57
  • حافظه دائمی: تاریخچه چت 04:40
  • مبانی LangChain: اکوسیستم LangChain 01:48
  • کامپوننت های پیشرفته LangChain 01:14
  • LangChain و LangSmith (معرفی سریع، بیشتر در مورد این بعداً) 08:19
  • LangChain و LangServe (مقدمه‌ای سریع، بعداً بیشتر درباره آن) 03:53
  • قالب های LangChain 05:12
  • ربات چت مستندات LangChain 01:21
  • [جدید] بروزرسانی اکوسیستم LangChain با LangChain v030 11:52
  • اپلیکیشن های LangChain سطح 1: 10 اپلیکیشن برتر LangChain 02:32
  • یادآوری: نحوه دانلود repo، نصب بسته ها، باز کردن نوت بوک ها و اجرای کد 28:03
  • اپلیکیشن چت بات با حافظه موقت 16:50
  • اپلیکیشن چت بات با حافظه دائمی 27:41
  • اپلیکیشن برای استخراج داده های کلیدی 22:31
  • اپلیکیشن برای تحلیل احساسات 10:50
  • اپلیکیشن برای پرسیدن سؤالات از طریق پایگاه داده SQL 28:22
  • اپلیکیشن برای پرسیدن سؤالات از طریق یک فایل pdf همراه با نقل قول 23:15
  • اپلیکیشن پایه Retriever 29:33
  • اپلیکیشن پایه RAG 32:00
  • اپلیکیشن مکالمه RAG 34:04
  • اپلیکیشن پایه استفاده از ابزار اصلی عامل هوش مصنوعی (LangGraph) 35:31
  • اپلیکیشن پایه مستقر شده با Langserve: بررسی Frontend Playground و FastAPI Backend 20:49
  • آیا از قسمت قبلی خوشتان آمد؟ لطفاً مارا حمایت کنید! 04:54
  • هدیه ای برای دانش جویان شاد 05:33
  • اپلیکیشن های LangChain سطح 2: Temporary Frontend برای تست Proof-of-Concept 01:20
  • یادآوری: نحوه دانلود repo، نصب بسته ها، باز کردن نوت بوک ها و اجرای کد 28:03
  • اپلیکیشن تبدیل زبان عامیانه به انگلیسی رسمی 17:03
  • اپلیکیشن برای نوشتن پست وبلاگ از یک تاپیک 06:27
  • اپلیکیشن خلاصه کردن یک فایل TXT 04:59
  • اپلیکیشن خلاصه کردن متن 03:34
  • اپلیکیشن استخراج داده‌های کلیدی از بررسی محصول 05:22
  • اپلیکیشن ارزیابی کیفیت پاسخ ها 06:31
  • LlamaIndex 02:55
  • آشنایی با LlamaIndex 10:45
  • بررسی عمیق LlamaIndex 19:38
  • OpenAI API 01:25
  • OpenAI API به عنوان جایگزینی برای LangChain و LlamaIndex 17:49
  • بررسی عمیق OpenAI API 04:24
  • توابع OpenAI 03:20
  • آشنایی با اپلیکیشن های LLM سطح 3 - اپلیکیشن های حرفه ای 00:48
  • آشنایی با اپلیکیشن های فول استک - بخش 1 01:22
  • آشنایی با اپلیکیشن های فول استک - بخش 2 20:51
  • عناصر کلیدی فرانت اند در یک اپلیکیشن سطح 3 01:08
  • Next.js و Vercel 09:43
  • عناصر کلیدی فرانت اند با فریمورک ارکستراسیون - LlamaIndex 04:53
  • عناصر کلیدی بک اند در اپلیکیشن سطح 3 01:14
  • FastAPI 03:33
  • عناصر کلیدی بک اند با فریمورک ارکستراسیون - LangChain 05:09
  • اپلیکیشن های LLM سطح 3 - اپلیکیشن های حرفه ای 01:11
  • یادآوری - معماری اپلیکیشن پیشرفته LLM 04:15
  • یادآوری - پیش نمایش اپلیکیشن حرفه ای LLM - بخش 1 08:47
  • یادآوری - پیش نمایش اپلیکیشن حرفه ای LLM - بخش 2 03:57
  • یادآوری - عناصر اصلی اپلیکیشن حرفه ای LLM 06:44
  • اپلیکیشن اولیه سطح 3 - CRUD با FastAPI و Postgres و Next.js 07:04
  • اپلیکیشن اولیه سطح 3 - CRUD چیست؟ - بخش 1 06:05
  • اپلیکیشن اولیه سطح 3 LangChain - بررسی اینکه CRUD چیست؟ - بخش 2 01:38
  • اپلیکیشن اولیه سطح 3 - چگونه بک اند را بسازیم؟ - بخش 1 01:36
  • اپلیکیشن اولیه سطح 3 - چگونه بک اند را بسازیم؟ - بخش 2 33:40
  • اپلیکیشن اولیه سطح 3 - چگونه بک اند را بسازیم؟ - بخش 3 14:42
  • اپلیکیشن اولیه سطح 3 - چگونه فرانت اند را بسازیم؟ - بخش 1 02:25
  • اپلیکیشن اولیه سطح 3 - چگونه فرانت اند را بسازیم؟ - بخش 2 12:58
  • اپلیکیشن اولیه سطح 3 - چگونه اپلیکیشن فول استک را راه اندازی کنیم؟ - بخش 1 01:22
  • اپلیکیشن اولیه سطح 3 - چگونه اپلیکیشن فول استک را راه اندازی کنیم؟ - بخش 2 03:50
  • اپلیکیشن اولیه سطح 3 - چگونه بک اند را در Render.com مستقر کنیم؟ - بخش 2 01:38
  • اپلیکیشن اولیه سطح 3 - چگونه بک اند را در Render.com مستقر کنیم؟ - بخش 2 07:28
  • اپلیکیشن اولیه سطح 3 - چگونه فرانت اند را در Vercel.com مستقر کنیم؟ - بخش 1 01:39
  • اپلیکیشن اولیه سطح 3 - چگونه فرانت اند را در Vercel.com مستقر کنیم؟ - بخش 2 05:24
  • اپلیکیشن متوسط سطح 3 - CRUD یکپارچه با AWS S3 - بخش 1 02:27
  • اپلیکیشن متوسط سطح 3 - CRUD یکپارچه با AWS S3 - بخش 2 21:23
  • اپلیکیشن متوسط سطح 3 - CRUD یکپارچه با AWS S3 - بخش 3 01:04
  • اپلیکیشن اولیه سطح 3 با فریمورک های ارکستراسیون و LLM - بخش 1 03:56
  • یادآوری - تغییرات ارائه شده توسط LangChain v010 14:10
  • اپلیکیشن اولیه سطح 3 با فریمورک های ارکستراسیون و LLM - بخش 2 09:27
  • اپلیکیشن متوسط سطح 3 با فریمورک های ارکستراسیون و LLM - بخش 1 03:52
  • اپلیکیشن متوسط سطح 3 با فریمورک های ارکستراسیون و LLM - بخش 2 05:21
  • تحلیل یک اپلیکیشن LLM سطح پیشرفته 3 (1) 05:08
  • تحلیل یک اپلیکیشن LLM سطح پیشرفته 3 (2) 11:25
  • سایر اپلیکیشن های LLM جالب سطح 3 - بخش 1 01:04
  • سایر اپلیکیشن های LLM جالب سطح 3 - بخش 2 08:36
  • اپلیکیشن های LLM - مفاهیم پیشرفته 00:44
  • آماده سازی پایگاه داده 04:15
  • بهینه سازی RAG - مفاهیم پیشرفته 06:28
  • تأخیر و سرعت در اپلیکیشن های LLM 05:33
  • کنترل هزینه در اپلیکیشن های LLM 07:31
  • LLMOps 01:04
  • آشنایی با LLMOps 10:10
  • ارزیابی - رفتار نامناسب 03:59
  • ارزیابی - عدم تکرارپذیری 01:40
  • مدیریت چرخه عمر 05:16
  • Responsible AI 12:50
  • راه حل های LLMOps 08:49
  • اعلامیه جدید LangChain و LangSmith 01:35
  • اعلامیه جدید LangSmith - خلاصه و پیامدها - بخش 1 03:31
  • اعلامیه جدید LangSmith - خلاصه و پیامدها - بخش 2 09:00
  • دروس آموخته شده - چرخه کامل ساخت اپلیکیشن های حرفه ای LLM - بخش 1 02:16
  • دروس آموخته شده - چرخه کامل ساخت اپلیکیشن های حرفه ای LLM - بخش 2 03:22
  • دروسی که آموخته‌اید: چالش‌های اصلی در هر مرحله از چرخه LLMOps (قسمت 1) 03:40
  • دروس آموخته شده: چالش‌های اصلی در هر مرحله از چرخه LLMOps (قسمت 2) 06:04
  • چگونه LangSmith چالش های مرحله نمونه سازی اولیه را حل می کند؟ - بخش 1 03:29
  • چگونه LangSmith چالش های مرحله نمونه سازی اولیه را حل می کند؟ - بخش 2 15:28
  • چگونه LangSmith چالش های مرحله تست بتا را حل می کند - بخش 1 01:27
  • چگونه LangSmith چالش های مرحله تست بتا را حل می کند - بخش 2 09:48
  • چگونه LangSmith چالش های مرحله تولید را حل می کند؟ - بخش 1 02:28
  • چگونه LangSmith چالش های مرحله تولید را حل می کند؟ - بخش 2 04:29
  • LangSmith توسط بررسی عمیق LangChain 02:05
  • LangSmith توسط LangChain - تعریف رسمی، اصطلاحات و سوالات متداول - بخش 1 02:59
  • LangSmith توسط LangChain - تعریف رسمی، اصطلاحات و سوالات متداول - بخش 2 20:21
  • LangSmith - عملیات های اولیه - بخش 1 01:03
  • LangSmith - عملیات های اولیه - بخش 2 08:29
  • راه حل های LangSmith برای مرحله نمونه سازی اولیه - بخش 1 02:32
  • راه حل های LangSmith برای مرحله نمونه سازی اولیه - بخش 2 10:09
  • مجموعه داده های LangSmith - نکات پیشرفته - بخش 1 01:13
  • مجموعه داده های LangSmith - نکات پیشرفته - بخش 2 06:18
  • راه حل های LangSmith برای مرحله تست بتا - بخش 1 01:27
  • راه حل های LangSmith برای مرحله تست بتا - بخش 2 08:45
  • راه‌حل‌های LangSmith برای مرحله تولید (قسمت 1) 01:23
  • راه حل های LangSmith برای مرحله تولید - بخش 2 06:15
  • LangSmith - نکات پیشرفته - بخش 1 01:14
  • LangSmith - نکات پیشرفته - بخش 2 03:58
  • LangSmith - راهنماهای چگونگی، راهنماهای یوزکیس ها و توصیه‌ ها - بخش 1 01:17
  • راهنماهای LangSmith، موارد کاربرد و پیشنهادات (قسمت 2) 04:39
  • ویژگی های بعدی LangSmith - بررسی Detailed View - بخش 1 01:08
  • ویژگی های بعدی LangSmith - بررسی Detailed View - بخش 2 03:25
  • نسخه های LangSmith 04:02
  • [جدید] به‌روزرسانی‌های LangSmith با LangChain v030 03:06
  • LangSmith در محل کار - از مثال اولیه تا پروژه حرفه ای - بخش 1 01:07
  • LangSmith در محل کار - از مثال اولیه تا پروژه حرفه ای - بخش 2 02:00
  • LangSmith در محل کار - از مثال اولیه تا پروژه حرفه ای - بخش 3 05:21
  • آیا از قسمت قبلی خوشتان آمد؟ لطفاً مارا حمایت کنید! 04:54
  • اپلیکیشن های مولتی مودال LLM با LangChain 01:24
  • اپلیکیشن مولتی مودال LLM چیست؟ 02:12
  • از چه مدل های LLM برای ایجاد اپلیکیشن های مولتی مودال LLM استفاده خواهیم کرد؟ 05:10
  • GPT4-Vision - چگونه از آن استفاده کنیم؟ 02:28
  • GPT4-Vision - یوزکیس های اصلی 11:20
  • قید و بندهای GPT4-Vision 06:39
  • اگر GPT4-V خیلی خوب است، چرا به اپلیکیشن های مولتی مودال LLM نیاز داریم؟ 04:02
  • چگونه اپلیکیشن های مولتی مودال LLM را بسازیم؟ - روش های جایگزین 03:56
  • یادآوری: نحوه دانلود repo، نصب بسته ها، باز کردن نوت بوک ها و اجرای کد 28:03
  • چگونه اپلیکیشن های مولتی مودال LLM را با LangChain و GPT4-Vision بسازیم؟ - بخش 1 03:51
  • چگونه اپلیکیشن های مولتی مودال LLM را با LangChain و GPT4-Vision بسازیم؟ - بخش 2 25:52
  • آیا از قسمت قبلی خوشتان آمد؟ لطفاً مارا حمایت کنید! 04:54
  • هدیه ای برای دانش جویان شاد 05:33
  • اپلیکیشن های RAG با بررسی عمیق LangChain 01:35
  • مقدمه - RAG در مقابل مدل‌ های LLM با کانتکس بزرگ 02:37
  • RAG در مقابل مدل‌ های LLM با کانتکس بزرگ - آیا RAG مرده است یا قوی‌ تر از همیشه؟ 10:03
  • مقدمه - مراحل اپلیکیشن RAG 03:42
  • مراحل اپلیکیشن RAG - کد و منابع 25:22
  • ساخت اپلیکیشن فول استک پیشرفته RAG سطح 3 با LangChain 06:10
  • بخش 1 - قابلیت اولیه RAG و بک اند با LangServe - بخش 1 01:40
  • بخش 1 - قابلیت اولیه RAG و بک اند با LangServe - بخش 2 32:30
  • بخش 2 - فرانت اند اولیه با React.js و Tailwind CSS - بخش 1 01:32
  • بخش 2 - فرانت اند اولیه با React.js و Tailwind CSS - بخش 2 15:05
  • بخش 3 - قابلیت پیشرفته فرانت اند - بخش 1 01:09
  • بخش 3 - قابلیت پیشرفته فرانت اند - بخش 2 23:42
  • بخش 4 - آپلود PDFs و اجرای RAG از رابط کاربری - بخش 1 01:22
  • بخش 4 - آپلود PDFs و اجرای RAG از رابط کاربری - بخش 2 14:59
  • بخش 5 - تکنیک های پیشرفته برای بهبود RAG - تاریخچه مولتی کوئری و چت - بخش 1 01:10
  • بخش 5 - تکنیک های پیشرفته برای بهبود RAG - تاریخچه مولتی کوئری و چت - بخش 2 36:21
  • آیا از قسمت قبلی خوشتان آمد؟ لطفاً مارا حمایت کنید! 04:54
  • هدیه ای برای دانش جویان شاد 05:33
  • تکنیک‌ های پیشرفته برای بهبود قابلیت اپلیکیشن های RAG در LangChain 01:20
  • پخش زنده با LangChain 03:40
  • تاریخچه چت (حافظه چت) با LangChain 03:28
  • دریافت منابع 05:02
  • RAG با ایجنت های هوش مصنوعی 04:33
  • تکنیک‌ های پیشرفته برای بهبود عملکرد اپلیکیشن های RAG 00:42
  • مولتی کوئری و RAG Fusion و Decomposition و StepBack و Hyde و مسیریابی، ساختاردهی کوئری 22:52
  • بررسی عمیق اپلیکیشن های LLM مولتی ایجنت - 10 بلوک جدید 06:01
  • آشنایی با ایجنت های هوش مصنوعی 00:57
  • ایجنت های هوش مصنوعی - رفتار ایجنت، مثال های واقعی، آنچه در راه است 24:15
  • [جدید] یک گام طبیعی پس از این بوت کمپ Gen AI: بوت کمپ جدید ما درباره عامل های هوش مصنوعی 11:03
  • ایجنت های هوش مصنوعی در LangChain 01:01
  • عوامل هوشمند در LangChain: مفاهیم کلیدی 08:24
  • OpenAI GPTs و Assistant API در مقابل ایجنت های LangChain 01:50
  • OpenAI در مقابل LangChain - ایجنت های باز در مقابل ایجنت های باز 05:04
  • ایجنت های LangChain - شروع سریع 01:32
  • شروع سریع ایجنت های LangChain - ساخت یک ابزار با استفاده از ایجنت با حافظه 10:13
  • آشنایی با اپلیکیشن های LLM مولتی ایجنت - AutoGen و LangGraph و CrewAI 00:55
  • فریمورک های مولتی ایجنت - AutoGen و LangGraph و CrewAI 13:39
  • توسعه اپلیکیشن LLM مولتی ایجنت - آشنایی با LangGraph توسط LangChain 01:02
  • LangGraph توسط LangChain - مفاهیم کلیدی 06:17
  • LangGraph توسط LangChain - شروع سریع 01:50
  • شروع سریع LangGraph - ایجنت های اولیه با مسیریاب، لبه‌ های شرطی و چرخه‌ ها 20:52
  • برنامه پایه چندعامل LLM با LangGraph 03:44
  • یادآوری: نحوه دانلود repo، نصب بسته ها، باز کردن نوت بوک ها و اجرای کد 28:03
  • گام به گام - اپلیکیشن اولیه LLM مولتی ایجنت با LangGraph 36:44
  • آشنایی با CrewAI 03:06
  • آشنایی با CrewAI - مفاهیم کلیدی 27:18
  • بررسی عمیق CrewAI 01:14
  • بررسی عمیق CrewAI - راهنمای جامع و نمونه ها 01:02:04
  • اپلیکیشن اولیه LLM مولتی ایجنت با CrewAI 01:02
  • یادآوری: نحوه دانلود repo، نصب بسته ها، باز کردن نوت بوک ها و اجرای کد 28:03
  • گام به گام - اپلیکیشن اولیه LLM مولتی ایجنت با CrewAI 17:08
  • یک گزینه کم هزینه - CrewAI با Groq و Llama3 و Mixtral 01:52
  • یک گزینه کم‌هزینه: آزمایش CrewAI با Groq، Llama3 و Mixtral 12:59
  • اپلیکیشن فول استک LLM مولتی ایجنت با CrewAI در بخش 9 01:37
  • اپلیکیشن فول استک LLM مولتی ایجنت با CrewAI - بخش 1 34:59
  • اپلیکیشن فول استک LLM مولتی ایجنت با CrewAI - بخش 2 09:49
  • اپلیکیشن فول استک LLM مولتی ایجنت با CrewAI - بخش 3 07:00
  • اپلیکیشن فول استک LLM مولتی ایجنت با CrewAI - بخش 4 11:03
  • اپلیکیشن فول استک LLM مولتی ایجنت با CrewAI - بخش 5 21:26
  • اپلیکیشن فول استک LLM مولتی ایجنت با CrewAI - بخش 6 09:19
  • اپلیکیشن فول استک LLM مولتی ایجنت با CrewAI - بخش 7 07:16
  • اپلیکیشن فول استک LLM مولتی ایجنت با CrewAI - بخش 8 07:10
  • اپلیکیشن فول استک LLM مولتی ایجنت با CrewAI - بخش 9 17:15
  • [جدید] یک گام طبیعی پس از این بوت کمپ Gen AI: بوت کمپ جدید ما درباره عامل های هوش مصنوعی 11:03
  • آیا از قسمت قبلی خوشتان آمد؟ لطفاً مارا حمایت کنید! 04:54
  • هدیه ای برای دانش جویان شاد 05:33
  • مسیر و ریتم یادگیری با توجه به مشخصات شما توصیه می شود 12:10
  • v0 ،Replit ،Cursor AI و غیره: یک تغییر انقلابی برای شما 01:33
  • v0 ،Replit ،Cursor AI و غیره: پیامدهای تغییر انقلابی 21:01
  • چرا این برای شما مهم است؟ 11:13
  • مفاهیم در سفر یادگیری شما 10:31
  • چگونه به اینجا رسیدیم؟ 08:27
  • گذشته: Flowise ،LangFlow ،Devin... 04:11
  • حال: Cursor AI ،Claude AI ،o1 ،v0 ،Replit ،Agent 16:25
  • Cursor AI و دیگر دستیاران کدنویسی هوش مصنوعی مولد: مفاهیم اساسی 01:21
  • معرفی کلی Cursor AIو دیگر دستیاران کدنویسی هوش مصنوعی مولد جدید 14:28
  • نکات کلی برای کار با Cursor AI و دیگر دستیاران کدنویسی مولد AI 09:22
  • آینده نزدیک دستیاران کدنویسی مولد هوش مصنوعی 08:50
  • Cursor AI ،Claude ،o1 ،v0 ،Replit: دستیاران کدنویسی برتر هوش مصنوعی مولد امروز 04:11
  • طبقه بندی اولیه دستیاران کدنویسی هوش مصنوعی مولد 04:24
  • نسخه 0، دستیار برنامه نویسی هوش مصنوعی مولد فرانت اند از Vercel 15:53
  • Claude 3.5 Sonnet، دستیار کدنویسی هوش مصنوعی مولد از Anthropic 08:18
  • o1، دستیار کدنویسی هوش مصنوعی مولد از OpenAI 04:58
  • Cursor AI، دستیار کدنویسی نسل برتر هوش مصنوعی امروزی 02:37
  • Replit Agent، دستیار کدنویسی هوش مصنوعی مولد از Replit 05:36
  • آیا از قسمت قبلی خوشتان آمد؟ لطفاً مارا حمایت کنید! 04:54
  • هدیه ای برای دانش جویان شاد 05:33
  • استراتژی‌های برتر برای دریافت بهترین نتایج با Cursor AI و دستیاران کدنویسی 01:10
  • چند نکته قبل از شروع کار با Cursor AI: گزینه های هزینه و موارد دیگر 05:33
  • Cursor AI برای مبتدیان در مقابل متخصصان. دو اخطار مهم 08:07
  • هزینه Cursor AI و ابزارهای مشابه: طرح‌های قیمت‌گذاری و گزینه‌های رایگان. 06:56
  • ساخت اپلیکیشن پایه فول استک با Cursor AI ،v0 ،Replit و Firebase 10:23
  • چرا ما این ترکیب را انتخاب می کنیم: Cursor AI ،v0 ،Replit و Firebase 13:57
  • Firebase/Supabase و Cursor AI: مزایای کار با backendهای ساده شده 08:29
  • فرآیند پیشنهادی برای ساخت اپلیکیشن ها با Cursor AI ،v0 ،Replit و Firebase 02:02
  • فرآیند گام‌به‌گام ساخت برنامه‌ها با Cursor AI ،v0 ،Replit و Firebase 12:17
  • نحوه ساختن یک اپلیکیشن پایه کامل با Cursor AI، v0 ،Replit و Firebase 02:01
  • استفاده از V0 دستیار کدنویسی هوش مصنوعی مولد برای تولید کد frontend 12:57
  • استفاده از یک تمپلیت استاندارد Next.js به عنوان تمپلیت استارتر برای Cursor AI 04:31
  • حل خطای نسخه در تمپلیت Next.js 03:19
  • سفارشی سازی جزئی از تمپلیت استارتر 02:29
  • لود کردن تمپلیت استارتر در github repo 02:05
  • ایجاد یک پروژه جدید (Repl) در Replit وارد کردن یک مخزن github 11:33
  • اتصال Cursor AI و Replit 03:39
  • باز کردن تمپلیت استارتر ما در Cursor AI 06:05
  • ایجاد یک پروژه جدید در Firebase و استفاده از Replit Secrets 05:12
  • ایجاد پایگاه داده در Firebase 02:02
  • فعال کردن احراز هویت کاربر برای اپلیکیشن ما با Firebase 04:57
  • پیش نمایش اپلیکیشن با Replit Webview و ایجاد یک Replit Template 03:39
  • اتصال Replit و Github 03:17
  • چگونه یک اپلیکیشن را با Replit مستقر کنیم؟ 02:57
  • Cursor AI: با استفاده از پرامپت های مناسب برای ساخت اپلیکیشن ما توسط Composer 14:31
  • Cursor AI: فرآیند اشکال زدایی با Composer 13:58
  • ساخت یک اپلیکیشن پایه با Cursor AI ،v0 ،Replit و Firebase 07:39
  • آیا از قسمت قبلی خوشتان آمد؟ لطفاً مارا حمایت کنید! 04:54
  • هدیه ای برای دانش جویان شاد 05:33
  • درک عمیق Replit 04:15
  • یک چیت شیت جامع Replit 22:01
  • درک عمیق Cursor AI 04:30
  • نصب Cursor AI 07:14
  • پیکربندی Cursor AI - تنظیمات 22:40
  • Cursor AI Quickstart - عملیات های اصلی 38:45
  • نکات و پیشنهادات Cursor AI 05:47
  • ساخت اپلیکشن های پیشرفته با Cursor AI ،Replit ،Replicate AI ،Deepgram و غیره 01:41
  • قدرت Cursor AI با تمپلیت های های استارتر سفارشی شده 03:32
  • احراز هویت فایربیس، Replit و Cursor AI - ساخت یک شبکه اجتماعی (1) 08:04
  • احراز هویت فایربیس، Replit و Cursor AI - ساخت یک شبکه اجتماعی (2) 05:25
  • احراز هویت فایربیس، Replit و Cursor AI - ساخت یک شبکه اجتماعی (3) 08:01
  • احراز هویت فایربیس، Replit و Cursor AI - ساخت یک شبکه اجتماعی (5) 12:27
  • OpenAI ،Replit و Cursor AI - ساخت اپلیکشن چت بات (1) 03:38
  • OpenAI ،Replit و Cursor AI - ساخت اپلیکشن چت بات (2) 14:46
  • Cursor AI ،Replit ،Replicate AI و Stable Fusion: اپلیکیشن تبدیل متن به عکس (1) 06:26
  • Cursor AI ،Replit ،Replicate AI و Stable Fusion: اپلیکیشن تبدیل متن به عکس (2) 13:16
  • Cursor AI ،Replit ،Firebase و Deepgram: اپلیکیشن تبدیل صدا به متن (1) 06:27
  • Cursor AI ،Replit ،Firebase و Deepgram: اپلیکیشن تبدیل صدا به متن (2) 04:49
  • Cursor AI ،Replit ،Firebase و Deepgram: اپلیکیشن تبدیل صدا به متن (3) 02:52
  • Cursor AI ،Replit ،Firebase و Deepgram: اپلیکیشن تبدیل صدا به متن (4) 06:03
  • Cursor AI ،Replit ،Firebase و Deepgram: اپلیکیشن تبدیل صدا به متن (5) 05:28
  • آیا از قسمت قبلی خوشتان آمد؟ لطفاً مارا حمایت کنید! 04:54
  • هدیه ای برای دانش جویان شاد 05:33
  • این تنها فقط شروع Cursor AI است: برای آینده ای دیوانه وار دست و پنجه نرم کنید!!! 05:37
  • ایجاد اختلال در هوش مصنوعی مولد در مشاغل SaaS: مقدمه ای بر این بخش جدید 23:32
  • چگونه هوش مصنوعی مولد مشاغل SaaS را تغییر می دهد: مقدمه 01:48
  • چرا باید این بخش را تماشا کنید 00:54
  • مورد واقعی شماره 1: شرکت برتر ارائه دهندگان اصلی SaaS را با ابزارهای هوش مصنوعی مولد جایگزین می کند 02:28
  • مورد واقعی شماره 1: جزئیات کامل 23:36
  • مورد واقعی شماره 2: استارت‌آپ Unicorn نشان می‌دهد که چگونه «عامل‌های هوش مصنوعی SaaS را خواهند کشت» 06:27
  • مورد واقعی شماره 2: جزئیات کامل 30:34
  • آیا از قسمت قبلی خوشتان آمد؟ لطفاً ما را حمایت کنید! 04:54
  • هدیه ای برای دانش جویان شاد 05:33
  • آشنایی با مدل کسب و کار SaaS: مقدمه 02:54
  • چرا SaaS؟ 00:49
  • SaaS: مفهوم و ریشه 03:31
  • چالش های اصلی SaaS 01:34
  • چالش های فنی و تجاری مشاغل SaaS 04:04
  • مراحل اصلی، کامپوننت ها و کلیدهای موفقیت در استارتاپ های SaaS 01:02
  • مراحل اصلی، کامپوننت ها و کلیدهای موفقیت: جزئیات کامل 08:38
  • SaaS و Micro SaaS: فریب اسکیماهای "سریع ثروتمند شدن" را نخورید 06:16
  • ساخت اپلیکیشن SaaS با Cursor AI: مقدمه 02:42
  • مزایای استفاده از SaaS Stater Template 01:01
  • دانلود و آماده سازی SaaS Starter Template 23:03
  • ساخت اپلیکیشن پایه SaaS با Cursor AI 02:00
  • ساخت اپلیکیشن پایه SaaS با Cursor: یک اپلیکیشن To-Do SaaS 23:16
  • ترکیب SaaS Template با یک پروژه Full-Stack 03:01
  • ترکیب SaaS Template با پروژه کامل استک: درس‌های آموخته شده 10:52
  • ساختن اپلیکیشن SaaS با Cursor AI: نتیجه گیری (...تا کنون) 04:33
  • آیا از قسمت قبلی خوشتان آمد؟ لطفاً مارا حمایت کنید! 04:54
  • هدیه ای برای دانش جویان شاد 05:33
  • کانال های اطلاعاتی برتر برای مهندسان هوش مصنوعی 06:56
  • تبریک - گام های بعدی 09:25
  • [جدید] یک گام طبیعی پس از این بوت کمپ Gen AI: بوت کمپ جدید ما درباره عامل های هوش مصنوعی 11:03
  • [جدید] وضعیت LangChain :LangChain چگونه تکامل یافته است و چگونه باید آن را یاد بگیرید؟ 22:15
  • هشدار - تغییراتی که توسط نسخه LangChain v0.1.0 ارائه شده است 14:10
  • مثال هایی از فایل env. و پوشه data/ 04:29
  • LangChain اولیه 01:16
  • LangChain اولیه در 15 دقیقه 23:28
  • مدل های LangChain 06:32
  • پرامپت های LangChain و قالب های پرامپت 05:06
  • قالب های پرامپت چند شات LangChain 05:10
  • تجزیه گرهای خروجی LangChain 07:39
  • حافظه LangChain 07:42
  • زنجیره های LangChain 13:56
  • لودرهای مستندات LangChain 07:12
  • اسپلیترهای LangChain 11:03
  • Callbacks در LangChain 06:41
  • توابع LangChain و OpenAI 18:22
  • LangChain - اتصال با fastAPI 05:30
  • ایجنت های LangChain 09:37
  • LangChain Indexing API 03:35
  • [جدید] یک جایگزین رایگان برای OpenAI - بررسی Llama3 و Mixtral (Mistral) با Groq 00:54
  • [جدید] Llama3 و Mixtral (Mistral) با Groq - چگونه از آن در پروژه های خود استفاده کنیم؟ 05:29
  • آیا از قسمت قبلی خوشتان آمد؟ لطفاً مارا حمایت کنید! 04:54
  • هدیه ای برای دانش جویان شاد 05:33
  • زبان عبارت LangChain 02:23
  • LangChain LCEL: زنجیره‌ها 03:36
  • LangChain LCEL - تجزیه گرهای خروجی 02:18
  • LangChain LCEL - آرگومان ها 02:06
  • LangChain LCEL - توابع OpenAI 01:45
  • LangChain LCEL - اپلیکیشن های RAG 05:59
  • کامپوننت های پیشرفته LangChain 01:14
  • LangChain و LangSmith 08:19
  • LangChain و LangServe 03:53
  • قالب های LangChain 05:12
  • چت بات جدید LangChain 01:21
  • یادآوری - تغییرات ارائه شده توسط نسخه LangChain v0.1.0 14:10
  • یادآوری - مثال هایی از فایل env. و پوشه data/ 04:29
  • اپلیکیشن های سطح 1 - “ایجاد دموها” با LangChain 02:23
  • اپلیکیشن اولیه LangChain - خلاصه سازی مقالات طولانی 05:27
  • اپلیکیشن اولیه LangChain RAG - پرسش و پاسخ سند 09:09
  • اپلیکیشن اولیه LangChain - استخراج داده ساختار یافته از مکالمه 07:03
  • اپلیکیشن اولیه LangChain - ارزیابی اپلیکیشن پرسش و پاسخ 10:26
  • اپلیکیشن اولیه LangChain - از یک پایگاه داده بپرسید 05:13
  • اپلیکیشن اولیه LangChain - از مخزن گیت هاب بپرسید 04:36
  • اپلیکیشن اولیه LangChain - از یک API بپرسید 05:31
  • اپلیکیشن پایه LangChain: چت‌بات با شخصیت و حافظه 03:42
  • اپلیکیشن اولیه LangChain - بررسی RAG با DeepLake 15:15
  • اپلیکیشن اولیه LangChain - ایجنت ساده 12:07
  • اپلیکیشن اولیه LangChain - تجزیه گر خروجی پیشرفته 11:45
  • یادآوری - تغییرات ارائه شده توسط نسخه LangChain v0.1.0 14:10
  • یادآوری - مثال هایی از فایل env. و پوشه data/ 04:29
  • اپلیکیشن های سطح 2 - "ایجاد دموها" با LangChain و "ایجاد رابط های کاربری" با Streamlit 01:09
  • آشنایی با اپلیکیشن های LangChain سطح 2 07:13
  • از اثبات مفهوم تا تولید 07:39
  • Streamlit اوایه 18:36
  • اپلیکیشن LangChain برای بازنویسی متن غیر رسمی 17:03
  • اپلیکیشن LangChain برای نوشتن پست وبلاگ از یک موضوع 06:27
  • برنامه LangChain برای خلاصه‌سازی محتوای فایل TXT 04:59
  • اپلیکیشن LangChain برای خلاصه کردن متن 03:34
  • اپلیکیشن LangChain برای استخراج داده کلیدی از بررسی محصول 05:22
  • اپلیکیشن LangChain RAG برای پرسیدن درباره محتوای یک فایل PDF خصوصی 04:00
  • اپلیکیشن LangChain RAG برای پرسیدن درباره محتوای یک فایل CSV خصوصی 02:50
  • اپلیکیشن LangChain برای ارزیابی اپلیکیشن RAG 06:31
  • LangChain v020 00:24
  • LangChain v020 - بروزرسانی های کلیدی 07:35
  • نسخه دوم LangChain :LangChain در 07/2024 00:47
  • "LangChain نسل دوم": تکامل LangChain 11:01
  • "LangChain نسل دوم": مقدمه 00:59
  • "LangChain نسل دوم": ارتباط با LLMs (مقدمه) 01:20
  • "LangChain نسل دوم": ارتباط با LLM 21:27
  • "LangChain نسل دوم": بارگذاری داده ها (مقدمه) 00:35
  • "LangChain نسل دوم": بارگذاری داده ها 05:10
  • نسخه دوم LangChain: زنجیره کردن اقدامات (مقدمه) 00:19
  • "LangChain نسل دوم": اقدامات زنجیره ای 04:29
  • "LangChain نسل دوم": حافظه (مقدمه) 01:02
  • "LangChain نسل دوم": حافظه 01:53
  • درک عمیق LCEL: به زبان عبارت LangChain مسلط شوید 02:39
  • وضعیت و تکامل LCEL (مقدمه) 00:45
  • وضعیت LCEL و تکامل 08:46
  • مفهوم کلیدی برای تسلط به LCEL: بررسی Runnable Execution Order (مقدمه) 00:24
  • مفهوم کلیدی برای تسلط به LCEL: بررسی Runnable Execution Order 10:15
  • LCEL Runnables داخلی اصلی (مقدمه) 01:16
  • LCEL Runnables داخلی اصلی 23:25
  • توابع LCEL داخلی اصلی برای Runnables (مقدمه) 00:22
  • توابع LCEL داخلی اصلی برای Runnables 11:32
  • عملیات اصلی با زنجیره های LCEL (مقدمه) 00:41
  • عملیات اصلی با زنجیره های LCEL 15:54
  • زنجیرهای LCEL در محل کار: اپلیکیشن پایه RAG (مقدمه) 01:02
  • زنجیرهای LCEL در محل کار: اپلیکیشن پایه RAG 03:26
  • 10 اپلیکیشن برتر در "LangChain نسل دوم" و LCEL 01:59
  • "LangChain نسل دوم" و LCEL: اپلیکیشن پایه LLM مستقر شده با LangServe (مقدمه) 00:19
  • "LangChain نسل دوم" و LCEL: اپلیکیشن پایه LLM مستقر شده با LangServe 06:08
  • "LangChain نسل دوم" و LCEL: چت ربات با حافظه (مقدمه) 00:46
  • "LangChain نسل دوم" و LCEL: چت ربات با حافظه 21:11
  • "LangChain نسل دوم" و LCEL: برنامه Retriever (مقدمه) 00:28
  • "LangChain نسل دوم" و LCEL: اپلیکیشن Retriever (مقدمه) 07:17
  • "LangChain نسل دوم" و LCEL: عامل استفاده از ابزار با LangGraph (مقدمه) 00:20
  • "LangChain نسل دوم" و LCEL: عامل استفاده از ابزار با LangGraph 05:27
  • LangChain نسل دوم و LCEL: اپلیکیشن RAG (معرفی) 00:19
  • LangChain نسل دوم و LCEL: اپلیکیشن RAG 02:19
  • "LangChain نسل دوم" و LCEL: اپلیکیشن مکالمه RAG (مقدمه) 00:20
  • "LangChain نسل دوم" و LCEL: اپلیکیشن مکالمه RAG 02:46
  • "LangChain نسل دوم" و LCEL: اپلیکیشن QA بر روی داده های SQL (مقدمه) 00:19
  • "LangChain نسل دوم" و LCEL: اپلیکیشن QA بر روی داده های SQL 10:32
  • "LangChain نسل دوم" و LCEL: اپلیکیشن QA روی فایل PDF با نقل قول (مقدمه). 00:34
  • "LangChain نسل دوم" و LCEL: اپلیکیشن QA روی فایل PDF با نقل قول. 02:00
  • "LangChain نسل دوم" و LCEL: اپلیکیشن استخراج داده های کلیدی (مقدمه) 00:22
  • "LangChain نسل دوم" و LCEL: اپلیکیشن استخراج داده های کلیدی 11:01
  • "LangChain نسل دوم" و LCEL: اپلیکیشن تحلیل احساسات (مقدمه) 00:29
  • "LangChain نسل دوم" و LCEL: اپلیکیشن تحلیل احساسات (طبقه بندی متن). 05:31

30,573,000 6,114,600 تومان

مشخصات آموزش

بوت کمپ 2025 - اپلیکیشن LLM، هوش مصنوعی مولد، AI Agents و Cursor AI

  • تاریخ به روز رسانی: 1404/06/14
  • سطح دوره:مقدماتی
  • تعداد درس:585
  • مدت زمان :77:24:30
  • حجم :37.12GB
  • زبان:دوبله زبان فارسی
  • دوره آموزشی:AI Academy

آموزش های مرتبط

علم داده: رگرسیون خطی بیزی در پایتون
The Great Courses
1,889,000 377,800 تومان

علم داده: رگرسیون خطی بیزی در پایتون

  • زمان: 04:47:39
  • تعداد درس: 30
  • سطح دوره:
  • زبان: دوبله فارسی
علم داده با R و پایتون - برنامه‌نویسی R
The Great Courses
9,269,000 1,853,800 تومان

علم داده با R و پایتون - برنامه‌نویسی R

  • زمان: 23:28:00
  • تعداد درس: 170
  • سطح دوره:
  • زبان: دوبله فارسی
دوره کامل ایجنت های هوش مصنوعی و اتوماسیون هوش مصنوعی (2025) - n8n
The Great Courses
2,797,500 559,500 تومان

دوره کامل ایجنت های هوش مصنوعی و اتوماسیون هوش مصنوعی (2025) - n8n

  • زمان: 07:05:39
  • تعداد درس: 75
  • سطح دوره:
  • زبان: دوبله فارسی
دوره کامل Generative AI برای تحقیق و توسعه
The Great Courses
490,000 98,000 تومان

دوره کامل Generative AI برای تحقیق و توسعه

  • زمان: 55:18
  • تعداد درس: 9
  • سطح دوره:
  • زبان: دوبله فارسی
آموزش آسان داستان سرایی داده با ChatGPT (دوره 2025)
The Great Courses
490,000 98,000 تومان

آموزش آسان داستان سرایی داده با ChatGPT (دوره 2025)

  • زمان: 48:56
  • تعداد درس: 12
  • سطح دوره:
  • زبان: دوبله فارسی
استفاده از هوش مصنوعی اخلاقی در کسب‌وکار - رهبری با مسئولیت
The Great Courses
490,000 98,000 تومان

استفاده از هوش مصنوعی اخلاقی در کسب‌وکار - رهبری با مسئولیت

  • زمان: 58:24
  • تعداد درس: 14
  • سطح دوره:
  • زبان: دوبله فارسی
کلاس کدنویسی حسی - ساخت اپلیکیشن‌ها و نرم‌افزارها با Generative AI
The Great Courses
717,500 143,500 تومان

کلاس کدنویسی حسی - ساخت اپلیکیشن‌ها و نرم‌افزارها با Generative AI

  • زمان: 01:49:57
  • تعداد درس: 22
  • سطح دوره:
  • زبان: دوبله فارسی
آموزش Runway AI - دوره کامل برای ویدئوهای خیره‌کننده، تبلیغات و صحنه‌ها
The Great Courses
1,296,500 259,300 تومان

آموزش Runway AI - دوره کامل برای ویدئوهای خیره‌کننده، تبلیغات و صحنه‌ها

  • زمان: 03:17:14
  • تعداد درس: 26
  • سطح دوره:
  • زبان: دوبله فارسی
مهندسی داده با Microsoft Fabric: آموزش +10 پروژه بلادرنگ
The Great Courses
7,379,500 1,475,900 تومان

مهندسی داده با Microsoft Fabric: آموزش +10 پروژه بلادرنگ

  • زمان: 18:41:14
  • تعداد درس: 133
  • سطح دوره:
  • زبان: دوبله فارسی

آیا سوالی دارید؟

ما به شما کمک خواهیم کرد تا شغل و رشد خود را افزایش دهید.
امروز با ما تماس بگیرید