تسلط به مهندسی هوش مصنوعی و LLM - راهنمای کامل GenAI و RAG

آنچه یاد خواهید گرفت:

• تسلط به معماری و گردش‌کار سیستم RAG برای پردازش PDF و داده‌ چندوجهی
• تسلط به اصول هوش مصنوعی، یادگیری ماشین و یادگیری عمیق (مبانی)
• تسلط به ابزارها، فریمورک‌ها و گردش‌کارهای LangChain، از جمله تکنیک‌های تهبیه و retrievers
• تیونینگ دقیق مدل‌ها با استفاده از OpenAI و LoRA و سایر تکنیک‌ها برای شخصی‌سازی پاسخ‌های هوش مصنوعی
• توسعه‌ اپلیکیشن هوش مصنوعی محور با تکنیک‌های پیشرفته RAG، جستجوی چندوجهی و ایجنت‌های هوش مصنوعی برای یوزکیس‌های واقعی

پیش‌نیازهای دوره

• مبانی برنامه‌نویسی شامل اصول پایتون

توضیحات دوره

در این دوره جامع عملی شما به مهندسی هوش مصنوعی تبدیل می‌شوید و به مدل‌های زبانی بزرگ (LLMs)، Generative AI، بازیابی نسل افزوده (RAG)، ایجنت‌های هوش مصنوعی و پایگاه‌ داده‌های برداری تسلط پیدا کنید.

چه توسعه‌دهنده مبتدی یا باتجربه باشید، این دوره به شما کمک می‌کند از صفر به یک توسعه‌دهنده‌ متخصص تبدیل شوید و اپلیکیشن‌های قدرتمند مجهز به هوش مصنوعی واقعی بسازید.

این دوره ترکیبی از بینش‌های نظری عمیق و پروژه‌های عملی است و تضمین می‌کند که با معماری مدل‌های هوش مصنوعی، استراتژی‌های توسعه و بهینه‌سازی و کاربردهای عملی آشنا می‌شوید.

آنچه یاد خواهید گرفت:

اصول یادگیری عمیق و یادگیری ماشین

• درک شبکه‌های عصبی، توابع فعال‌سازی، ترنسفرمرها و تکامل هوش مصنوعی
• یاد می‌گیرید که چگونه مدل‌های مدرن هوش مصنوعی آموزش، بهینه‌سازی و در اپلیکیشن‌های واقعی مستقر می‌شوند.

تسلط به مدل‌های زبانی بزرگ (LLMs)و هوش مصنوعی مبتنی بر ترنسفرمر

• بررسی عمیق مدل‌های OpenAI و فریمورک‌های هوش مصنوعی متن‌باز
• ساخت و استقرار اپلیکیشن‌های مجهز به LLM سفارشی از ابتدا

بازیابی نسل افزوده (RAG) و جستجو مجهز به هوش مصنوعی

• یاد می‌گیرید که چگونه هوش مصنوعی دانش را با استفاده از تعبیه‌های برداری، FAISS و ChromaDB بازیابی می‌کند.
• پیاده‌سازی سیستم‌های RAG مقیاس‌پذیر برای جستجو و بازیابی مجهز به هوش مصنوعی درباره مستندات

گردش‌کارهای LangChain و ایجنت‌های هوش مصنوعی

• ساخت ایجنت‌های هوش مصنوعی که به طور مستقل اطلاعات را بازیابی، پردازش و تولید کنند.

تیونینگ دقیق LLMs و مدل‌های هوش مصنوعی متن‌باز

• تیونینگ دقیق مدل‌های OpenAI و LoRA برای اپلیکیشن‌های سفارشی
• یاد می‌گیرید که چگونه LLMs را برای دقت، کارایی و مقیاس‌پذیری بهتر بهینه‌سازی کنید.

پایگاه‌ داده‌های برداری و بازیابی دانش هوش مصنوعی محور

• کار با FAISS ،ChromaDB و گردش‌کارهای جستجوی هوش مصنوعی مبتنی بر بردار
• توسعه سیستم‌های هوش مصنوعی که داده‌ ساختاریافته و غیرساختاریافته را بازیابی و پردازش کنند.

بخش عملی با استقرار هوش مصنوعی و اپلیکیشن‌های واقعی

• ساخت چت‌بات‌های مجهز به هوش مصنوعی، اپلیکیشن‌های RAG چندوجهی و ابزارهای اتوماسیون هوش مصنوعی 

چه کسی باید این دوره را بگذراند؟

• مهندسان و دانشمندان داده مشتاق هوش مصنوعی - افرادی که به دنبال تسلط به LLMs، بازیابی هوش مصنوعی و سیستم‌های جستجو هستند.
• توسعه‌دهندگان و مهندسان نرم‌افزار - افرادی که می‌خواهند هوش مصنوعی را در اپلیکیشن‌های خود یکپارچه کنند.
• علاقه‌مندان به یادگیری ماشین - افرادی که به دنبال بررسی عمیق هوش مصنوعی، GenAI و جستجوی مجهز به هوش مصنوعی هستند.
• کارآفرینان فناوری و مدیران محصول - افرادی که می‌خواهند محصولات SaaS هوش مصنوعی محور بسازند.
• دانشجویان و مبتدیان هوش مصنوعی - افرادی که نیاز به یک مسیر ساختاریافته از مبتدی تا متخصص دارند.

پیش‌نیازهای دوره

• تجربه قبلی در هوش مصنوعی نیاز نیست - دوره شما را از مبتدی تا متخصص راهنمایی می‌کند.
• دانش اولیه پایتون (مفید اما ضروری نیست - اصول پایتون در دوره گنجانده شده است).
• آشنایی با APIs و جی سان مفید اما الزامی نیست.
• کامپیوتری با دسترسی به اینترنت برای توسعه عملی

چرا این دوره را بگذرانید؟

• آموزش جامع هوش مصنوعی - شامل LLMs ،RAG، ایجنت‌های هوش مصنوعی، پایگاه‌ داده‌های برداری و تیونینگ دقیق
• پروژه‌های عملی - هر مفهوم با اپلیکیشن‌های واقعی هوش مصنوعی تقویت می‌شود.
• بروزرسانی و بخش عملی - تکنیک‌ها و ابزارهای نوآورانه هوش مصنوعی را یاد می‌گیرید که در شرکت‌های فناوری برتر استفاده می‌شوند.
• رویکرد صفر تا صد - طراحی شده برای مبتدیان مطلق و توسعه‌دهندگان باتجربه

شما به مهندسی هوش مصنوعی مسلط شده و همین امروز به یک متخصص در GenAI ،LLMs و RAG تبدیل می‌شوید.

این دوره برای چه کسانی مناسب است؟

• توسعه‌دهندگانی که به دنبال پیاده‌سازی جستجو و بازیابی مستندات مجهز به هوش مصنوعی هستند.
• کارآفرینان فناوری و مدیران محصول که می‌خواهند اپلیکیشن‌های هوش مصنوعی محور بسازند.
• دانشجویان و محققانی که به بررسی کاربردهای عملی LLMs و اتوماسیون هوش مصنوعی محور می‌پردازند.