مهندسی مدل زبانی بزرگ در عمل با Streamlit و OpenAI
✅ سرفصل و جزئیات آموزش
آنچه یاد خواهید گرفت:
- ساخت وب اپلیکیشنهای تعاملی و کاربرپسند با Streamlit و پایتون
- تسلط به مهندسی پرامپت برای طراحی، اصلاح و تست پرامپتهای مؤثر در اپلیکیشنهای هوش مصنوعی
- کسب درک پایدار از فرآیند توسعه اپلیکیشنهای مبتنی بر هوش مصنوعی
- یاد بگیرید چگونه از مدلهای زبانی بزرگ (LLM) برای موارد استفاده واقعی استفاده کنید.
- درک کنید چگونه نمودارهای فعالیت برای برنامهریزی و نقشهبرداری معماری اپلیکیشن خود ایجاد کنید.
- یاد بگیرید چگونه با چالشهای واقعی، از جمله تزریق پرامپت، توهمات و مقیاسبندی اپلیکیشنها مقابله کنید.
پیشنیازهای دوره
- دانش برنامهنویسی سطح متوسط در پایتون برای استفاده حداکثری از این دوره الزامی است.
- درک اولیه از هوش مصنوعی تجربه یادگیری شما را بهبود خواهد داد.
توضیحات دوره
آیا آمادهاید به دنیای جذاب اپلیکیشنهای مبتنی بر هوش مصنوعی وارد شوید؟
آیا میخواهید مشکلات واقعی را با مدلهای زبانی بزرگ (LLM) پیشرفته حل کنید؟
این دوره برای شما بهترین گزینه است!
این دوره راهنمای گامبهگام شما برای طراحی، توسعه و استقرار یک اپلیکیشن هوش مصنوعی با Streamlit، پایتون و مدلهای OpenAI است. شما نه تنها نظریه و فرآیند توسعه را یاد خواهید گرفت، بلکه با یک مثال عملی و واقعی، ACE Interview، یک اپلیکیشن مصاحبه مبتنی بر هوش مصنوعی که به هزاران نفر در آماده شدن برای مصاحبههایشان کمک کرده است، تجربه عملی کسب خواهید کرد. با بررسی ساختار ACE Interview، خواهید دید که مفاهیم مورد آموزش در این دوره چگونه در عمل اعمال میشوند. علاوه بر این، چالشها و اشتباهاتی که در طول توسعه آن با آن مواجه شدیم و اینکه چگونه بر آنها غلبه کردیم را خواهید دید، تا شما از افتادن در دامهای مشابه در پروژههای خود اجتناب کنید.
با اتمام این دوره، شما مهارتهای چندمنظوره و بسیار عملی را خواهید داشت که شامل:
- برنامهنویسی پایتون با Streamlit - ساخت وب اپلیکیشنهای تعاملی و کاربرپسند با یکی از محبوبترین فریمورکها را یاد بگیرید.
- مهندسی پرامپت - به هنر طراحی، اصلاح و تست پرامپتها برای به حداکثر رساندن عملکرد پروژههای هوش مصنوعی خود مسلط شوید.
- طراحی معماری سیستم - یاد بگیرید نمودارهای فعالیت را برای ایجاد نقشه ساختار اپلیکیشن خود به صورت بصری ایجاد کنید که برنامهریزی و بیان ایدهها را برای شما آسانتر میکند.
- استفاده از مدلهای زبانی بزرگ: درک کنید چگونه از مدلهای زبانی بزرگ برای موارد استفاده مختلف استفاده کنید که شامل تفاوتهای بین هاستینگ مدلها و استفاده از APIها و همچنین گزینههای متن باز و بسته است.
- مدیریت هزینه: هزینههای مرتبط با پروژههای هوش مصنوعی خود را برای اتخاذ تصمیمات آگاهانه تحلیل و پیشبینی کنید.
این دوره شما را در همه مراحل فرآیند توسعه راهنمایی میکند:
- مرحله برنامهریزی: معماری، پایگاه داده و پرامپتها را طراحی کنید تا یک پایه قوی برای پروژه خود ایجاد کنید.
- مرحله پروتوتایپ: یک اپلیکیشن Streamlit کاملاً کاربردی برای نمایش در پورتفولیوی خود بسازید.
- مرحله توسعه: چالشهای واقعی که ممکن است در حین کار بر روی پروژه خود با آن مواجه شوید را بررسی کنید و استراتژیهای مؤثر برای حل آنها را یاد بگیرید که شامل مشکلاتی مانند تزریق پرامپت، مدیریت توهمات، مقیاسبندی اپلیکیشن، بهینهسازی استفاده از توکنها و مدیریت هزینه برای اطمینان از اینکه پروژه شما هم کارآمد و هم مقیاسپذیر است، میباشد.
در پایان این دوره، شما بیش از یک پروتوتایپ کاربردی از یک شبیهساز مصاحبه هوش مصنوعی خواهید داشت، شما دانش و اعتماد به نفس لازم برای ایجاد اپلیکیشنهای مبتنی بر هوش مصنوعی خود را خواهید داشت.
فرقی نمیکند که بخواهید وارد دنیای در حال رشد توسعه هوش مصنوعی باشید یا بخواهید مجموعه مهارتهای موجود خود را بهبود ببخشید، این دوره به شما قدرت میدهد که در یکی از هیجانانگیزترین و پرطرفدارترین مسیرهای شغلی آینده موفق باشید.
گام بعدی را در مسیر تبدیل شدن به یک مهندس هوش مصنوعی بردارید!
این دوره برای چه کسانی مناسب است؟
- مناسب برای مبتدیان در زمینه هوش مصنوعی با دانش خوب از اصول پایتون
- توسعهدهندگان آینده، طراحان اپلیکیشن و ذینفعان که به دنبال ایجاد راهحلهای مؤثر با هوش مصنوعی هستند.
- مناسب برای هر کسی که مشتاق به درک و بهرهگیری از پتانسیل هوش مصنوعی است.
مهندسی مدل زبانی بزرگ در عمل با Streamlit و OpenAI
-
آشنایی با دوره 03:28
-
دوره چه مباحثی را پوشش می دهد؟ 02:23
-
جزئیات ابزار مصاحبه 05:00
-
هاستینگ یک مدل زبانی بزرگ در مقابل استفاده از API 04:15
-
مدلهای متن باز در مقابل مدلهای متن بسته 06:35
-
توکنها 04:55
-
قیمتگذاری: هاستینگ مدل زبانی بزرگ در مقابل پرداخت با توکن 03:47
-
توسعه اولیه پرامپت: قسمت 1 04:59
-
توسعه اولیه پرامپت: قسمت 2 04:59
-
طراحی پایگاه داده و توسعه اسکیما 03:27
-
نمودار فعالیت چیست؟ 03:31
-
ایجاد یک نمودار فعالیت 05:08
-
پایان مرحله برنامهریزی 02:05
-
OpenAI Playground 06:50
-
بهینهسازی دما و Top P برای موارد استفاده مختلف 05:21
-
مهندسی پرامپت برای توسعه نرمافزار 06:05
-
چگونه یک قالب پرامپت را تست کنیم؟ 04:24
-
راهاندازی محیط 06:27
-
مزایا و معایب Streamlit 02:57
-
عناصر Streamlit: عناوین، هدرها و فرمتبندی 03:27
-
عناصر Streamlit: متدهای متن 03:23
-
عناصر Streamlit: عناصر چت 04:24
-
State سشن 06:24
-
راهاندازی یک کلاینت OpenAI 04:15
-
پیادهسازی قابلیت چت 06:05
-
ساخت صفحه راهاندازی 07:22
-
بهبود تعامل چتبات با استفاده از State سشن 06:10
-
بهینهسازی پروژه 02:43
-
پیادهسازی قابلیت بازخورد: قسمت 1 03:52
-
پیادهسازی قابلیت بازخورد: قسمت 2 06:47
-
پروژه خود را در گیت هاب آپلود کنید 04:46
-
اپلیکیشن Streamlit خود را مستقر کنید 03:57
مشخصات آموزش
مهندسی مدل زبانی بزرگ در عمل با Streamlit و OpenAI
- تاریخ به روز رسانی: 1404/06/14
- سطح دوره:همه سطوح
- تعداد درس:32
- مدت زمان :02:30:11
- حجم :1.31GB
- زبان:دوبله زبان فارسی
- دوره آموزشی:AI Academy