آموزش LLMs محلی از طریق Ollama و LM Studio - راهنمای عملی
✅ سرفصل و جزئیات آموزش
آنچه یاد خواهید گرفت:
- شناسایی و درک یوزکیسهای LLM باز
- دستیابی به 100% حفظ حریم خصوصی و کنترل کامل با اجرای LLMs باز قدرتمند به صورت محلی
- انتخاب و اجرای LLMs باز مانند Gemma 3 یا Llama 4
- استفاده از Ollama و LM Studio برای اجرای LLMs باز بهصورت محلی
- تحلیل متن، مستندات و تصاویر با استفاده از LLMs باز
- یکپارچهسازی LLMs باز در حال اجرای محلی در برنامهها و اپلیکیشنهای سفارشی مجهز به هوش مصنوعی
پیشنیازهای دوره
- دانش اولیه از قابلیت و کاربرد LLM
- نیاز به دانش برنامهنویسی یا تخصص فنی پیشرفته نیست.
- برای اجرای محلی مدلها، حداقل 8 گیگابایت رم لازم است.
توضیحات دوره
شما قدرت هوش مصنوعی قدرتمند و خصوصی را روی رایانه خود کشف میکنید.
چتجیپیتی، گوگل جمینی و سایر چتباتهای هوش مصنوعی جزو ابزارهای استاندارد روزمره هستند. اما مانند هر ابزاری، برای همه کارها بهترین گزینه نیستند.
وقتی حفظ حریم خصوصی، هزینه، دسترسی آفلاین یا سفارشیسازی عمیق اهمیت دارد، اجرای مدلهای قدرتمند باز به صورت محلی روی رایانه خود بر تمام مدلها و چتباتهای اختصاصی هوش مصنوعی برتری دارد.
در این دوره یاد میگیرید چگونه از LLMs باز مانند مدلهای Llama ساخت شرکت متا، مدلهای Gemma ساخت گوگل یا مدلهای دیپسیک بهره ببرید و کارهای هوش مصنوعی و چتباتها را مستقیم روی دستگاه خود - چه یک رایانه حرفهای باشد یا لپتاپ معمولی - اجرا کنید.
چرا LLMs محلی و باز؟
در عصر غلبه هوش مصنوعی مبتنی بر ابر و چتباتهایی مثل چتجیپیتی، اجرای مدلهای پیشرفته به صورت محلی تغییردهنده بازی است.
تصور کنید از هوش مصنوعی پیشرفته با این ویژگیها بهره ببرید:
- بدون هزینه یا هزینه پایین - اشتراکهای پرهزینه را فراموش کرده و به مدلهای قدرتمند رایگان دسترسی خواهید داشت.
- 100% حفظ حریم خصوصی - پرامپتها و داده شما همیشه فقط روی ماشین خودتان ذخیره میشود.
- کارکرد آفلاین - هر زمان و هر کجا بدون نیاز به اینترنت از ابزارهای قدرتمند هوش مصنوعی استفاده میکنید.
- آزاد از دسترسی فروشنده - به اکوسیستم متنوع و در حال رشد مدلهای باز دسترسی خواهید داشت.
- توانایی چشمگیر - شما کشف میکنید که مدلهای باز مثل Gemma و Llama و دیپسیک، نه تنها جایگزین مناسب، بلکه از بهترینهای بازار در بنچمارکها و leaderboard حوزه چتباتها هستند.
بررسی دوره
این دوره سفر کامل و عملی شما به دنیای LLMs محلی است. ما پیچیدگیها را ناوبری کرده و گامبهگام از راهاندازی تا استفاده پیشرفته شما را راهنمایی میکنیم.
شما موارد زیر را میآموزید:
- چشمانداز LLM باز - ماهیت مدلهای باز و اهمیت آنها و محل پیدا کردنشان را درک میکنید.
- رمزگشایی سختافزار - الزامات واقعی سختافزاری برای اجرای محلی LLMs را درک میکنید.
- آشنایی با کوانتیزاسیون - تکنیکی که اجرای مدلهای عظیم روی سختافزار consumer را ممکن میکند کشف میکنید.
- بررسی دقیق LM Studio - نصب، پیکربندی، انتخاب، دانلود و اجرای مدلها با LM Studio را به صورت عملی یاد میگیرید.
- تسلط به Ollama - نصب، تنظیم و تعامل راحت با مدلها از طریق Ollama را میآموزید.
- یوزکیسهای واقعی - دانش خود را در تسکهای کاربردی مانند OCR تصاویر (خواندن متن از تصاویر)، خلاصهسازی مستندات PDF، تسلط به پرامپتنویسی چند شات و تولید محتوای خلاق، اعمال میکنید.
- قدرت برنامهای - نحوه یکپارچهسازی این مدلهای محلی را در اسکریپتها و اپلیکیشنهای خود با APIs داخلی (LM Studio و Ollama) کشف میکنید.
- و خیلی موارد دیگر - یک پایه قوی میسازید و با اعتمادبهنفس، پتانسیل وسیع هوش مصنوعی محلی را بررسی میکنید.
چه کسانی باید در دوره شرکت کنند؟
- توسعهدهندگانی که میخواهند هوش مصنوعی قدرتمند و خصوصی را در گردشکارها یا اپلیکیشنهای خود یکپارچه کنند.
- علاقهمندان به فناوری که دوست دارند هوش مصنوعی پیشرفته را بدون محدودیتهای ابری تست کنند.
- افراد کنجکاو درباره حفظ حریم خصوصی که میخواهند کنترل کاملی روی داده خود هنگام استفاده از هوش مصنوعی داشته باشند.
- کسانی که به دنبال راهحلهای قدرتمند هوش مصنوعی بدون هزینه اشتراک دائمی هستند.
- دانشجویان و حرفهایها که میخواهند مهارتهای عملی و پرتقاضای هوش مصنوعی را به مجموعه ابزار خود اضافه کنند.
آیا آمادهاید کنترل آینده هوش مصنوعی خود را در دست بگیرید؟
وارد دنیای هوش مصنوعی قدرتمند، خصوصی و مقرونبهصرفه شوید. همین حالا در دوره «کشف قدرت هوش مصنوعی محلی» شرکت کرده و اجرای شگفتانگیز مدلهای زبانی بزرگ را مستقیماً روی رایانه خود آغاز کنید.
این دوره برای چه کسانی مناسب است؟
- کاربران مبتدی و پیشرفته چتباتهای هوش مصنوعی و LLMs
- حرفهایهایی که نیاز به بالاترین سطح از حفظ حریم خصوصی داده دارند.
- علاقهمندان به فناوری و کاربران هوش مصنوعی که میخواهند فراتر از مبانی بروند.
آموزش LLMs محلی از طریق Ollama و LM Studio - راهنمای عملی
-
به دوره خوش آمدید 02:06
-
LLMs باز دقیقاً چیست؟ 06:27
-
چرا میخواهید LLMs باز را بهصورت محلی اجرا کنید؟ 06:51
-
LLMs باز محبوب - چند مثال 03:43
-
کجا LLMs باز را پیدا کنیم؟ 04:47
-
اجرای LLMs بهصورت محلی - گزینههای موجود 07:17
-
بررسی مجوزهای مدل 04:03
-
مقدمه ماژول 01:20
-
الزامات سختافزاری LLMs - گامهای اولیه 04:21
-
استخراج الزامات سختافزاری از پارامترهای مدل 05:34
-
کوانتیزاسیون نجاتبخش 06:50
-
آیا روی دستگاه شما اجرا میشود؟ 05:50
-
مقدمه ماژول 02:03
-
اجرای محلی در مقابل اجرای از راه دور 01:08
-
نصب و استفاده از LM Studio 03:09
-
یافتن، دانلود و فعالسازی LLM باز 09:04
-
استفاده از رابط چت LM Studio 04:53
-
کار با پرامپتهای سیستمی و پریستها 03:26
-
مدیریت چتها 02:32
-
ویژگیهای کاربران حرفهای برای مدیریت مدلها و چتها 06:27
-
استفاده از مدلهای چندوجهی و استخراج محتوا از تصاویر (OCR) 02:48
-
تحلیل و خلاصهسازی مستندات PDF 03:27
-
حرکت به سمت تنظیمات پیشرفتهتر 01:52
-
درک دما، top_k و top_p 06:32
-
کنترل دما، top_k و top_p در LM Studio 04:45
-
مدیریت رانتایم اساسی و پیکربندی سختافزار 04:17
-
مدیریت طول کانتکس 05:21
-
استفاده از Flash Attention 05:08
-
کار با خروجیهای ساختاریافته 05:28
-
استفاده از LLMs محلی برای تولید کد 02:35
-
تولید محتوا و پرامپتنویسی چند شات (مهندسی پرامپت) 05:21
-
حرکت به سمت کاربرد برنامهای 02:25
-
LM Studio و سازگاری آن با OpenAI 06:00
-
مثالهای بیشتر کد 05:04
-
بررسی عمیقتر LM Studio APIs 02:10
-
مقدمه ماژول 01:40
-
نصب و راهاندازی Ollama 02:08
-
یافتن مدلهای باز قابل استفاده 02:55
-
اجرای LLMs باز بهصورت محلی از طریق Ollama 07:43
-
افزودن رابط کاربری گرافیکی (GUI) با Open WebUI 02:12
-
کار با پیامهای چندخطی و ورودی تصویر (چندوجهی بودن) 02:38
-
بررسی مدلها و استخراج اطلاعات مدل 03:31
-
ویرایش پیامهای سیستمی و پارامترهای مدل 06:01
-
ذخیره و بارگذاری سشنها و مدلها 03:35
-
مدیریت مدلها 05:42
-
ایجاد بلوپرینتهای مدل از طریق Modelfiles 06:22
-
ایجاد مدلها از Modelfiles 03:26
-
درک قالبهای مدل 06:39
-
ساخت مدل از ابتدا با استفاده از فایل GGUF 06:37
-
شروع کار با Ollama Server (API) 02:12
-
بررسی Ollama API و دسترسی به مدل برنامهای 05:18
-
دریافت خروجی ساختاریافته 02:55
-
مثالهای بیشتر کد 04:52
-
خلاصه 01:44
مشخصات آموزش
آموزش LLMs محلی از طریق Ollama و LM Studio - راهنمای عملی
- تاریخ به روز رسانی: 1404/06/14
- سطح دوره:همه سطوح
- تعداد درس:54
- مدت زمان :03:54:10
- حجم :1.64GB
- زبان:دوبله زبان فارسی
- دوره آموزشی:AI Academy