ساخت پروژه‌های Generative AI با LLM ،Langchain و GAN

آنچه یاد خواهید گرفت:

• یادگیری اصول اولیه مدل زبانی بزرگ و شبکه متخاصم مولد، نحوه شناخت یوزکیس‌های آنها و درک نحوه عملکردشان
• می‌آموزید که چگونه یک تحلیلگر اسناد حقوقی با استفاده از LLM بسازید.
• می‌آموزید که چگونه داده‌ اکسل را با استفاده از LLM تحلیل کنید.
• می‌آموزید که چگونه یک ژنراتور داستان کوتاه هوش مصنوعی با استفاده از LLM بسازید.
• می‌آموزید که چگونه یک ژنراتور کد هوش مصنوعی با استفاده از LLM بسازید.
• می‌آموزید که چگونه یک چت‌بات پشتیبانی مشتری با استفاده از LLM بسازید.
• می‌آموزید که چگونه یک خلاصه‌‌ساز گزارش با استفاده از LLM بسازید.
• می‌آموزید که چگونه یک پلنر مسافرت هوش مصنوعی با استفاده از Langchain بسازید.
• می‌آموزید که چگونه یک حلگر ریاضیات هوش مصنوعی با استفاده از Langchain بسازید.
• می‌آموزید که چگونه یک ژنراتور چهره تصادفی هوش مصنوعی با استفاده از ProGAN بسازید.
• می‌آموزید که چگونه یک ژنراتور هنر دیجیتال تصادفی با استفاده از GAN کانولوشن عمیق بسازید.
• می‌آموزید که چگونه توابع ژنراتور و discriminator بسازید.
• می‌آموزید که چگونه مدل GAN را آموزش داده و تیونینگ دقیق کنید.
• می‌آموزید که چگونه رابط کاربری را با استفاده از Streamlit بسازید و اپلیکیشن را در Hugging Face Space مستقر کنید.
• می‌آموزید که چگونه اپلیکیشن‌های مبتنی بر LLM را با استفاده از Dify AI و Relevance AI بسازید.
• می‌آموزید که چگونه مدل‌های هوش مصنوعی را در Hugging Face پیدا کرده و مجموعه داده‌ را از Kaggle دانلود کنید.

پیش‌نیازهای دوره

• نیازی به تجربه قبلی در LLM نیست.
• دانش اولیه با پایتون

توضیحات دوره

به دوره ساخت پروژه‌های هوش مصنوعی با LLM ،Langchain و GAN خوش آمدید. این دوره‌ای جامع مبتنی بر پروژه است که در آن خواهید آموخت چگونه اپلیکیشن‌های پیشرفته هوش مصنوعی را با استفاده از مدل‌های زبانی بزرگ توسعه دهید، گردش کار را با استفاده از Langchain یکپارچه کنید و تصاویر را با استفاده از شبکه‌های متخاصم مولد تولید کنید. این دوره ترکیبی ایده‌آل از پایتون و هوش مصنوعی است و فرصتی مناسب برای تمرین مهارت‌های برنامه‌نویسی شما در حالی است که دانش فنی‌ خود در زمینه یکپارچه سازی generative AI را ارتقا می‌دهید.

در جلسه مقدمه، اصول اولیه مدل‌های زبانی بزرگ و شبکه‌های متخاصم مولد، مانند آشنایی با یوزکیس‌های آنها و درک نحوه عملکرد آنها را یاد خواهید گرفت. سپس، در بخش بعدی، مجموعه‌ داده‌‌ها را از Kaggle پیدا و دانلود می‌کنید. Kaggle پلتفرمی است که مجموعه متنوعی از مجموعه داده‌‌ها را ارائه می‌دهد. بعد از آن، همچنین Hugging Face را بررسی خواهید کرد، جایی که می‌توانید به طیف گسترده‌ای از مدل‌های پیش‌ آموزش دیده آماده استفاده برای اپلیکیشن‌های مختلف هوش مصنوعی دسترسی پیدا کنید.

پس از آماده شدن همه موارد، شروع به ساخت پروژه‌های هوش مصنوعی خواهیم کرد. در بخش اول، ما یک تحلیلگر اسناد حقوقی خواهیم ساخت که کاربران می‌توانند یک فایل PDF آپلود کنند و هوش مصنوعی اطلاعات کلیدی را استخراج کرده، متون حقوقی پیچیده را خلاصه کرده و بندهای مهم را برای بررسی سریع هایلایت کند. سپس، یک تحلیلگر داده‌ اکسل توسعه خواهیم داد که به کاربران امکان می‌دهد spreadsheets را آپلود کرده و از هوش مصنوعی برای شناسایی روندها، تولید بینش‌ها و خودکارسازی فرآیندهای تحلیل داده استفاده کنند.

پس از آن، ما یک ژنراتور داستان کوتاه هوش مصنوعی خواهیم ساخت که کاربران می‌توانند روایت‌های خلاقانه و جذاب خود را بر اساس پرامپت‌های ساده تولید کنند و این ابزار مفیدی برای نویسندگان و تولیدکنندگان محتوا خواهد بود. در ادامه، یک ژنراتور کد هوش مصنوعی خواهیم ساخت که کاربران می‌توانند توضیحات زبان طبیعی را وارد کرده و هوش مصنوعی اسنیپت‌های کد ساختاریافته و کاربردی تولید کرده و فرآیند کدنویسی را تسهیل کند.

در بخش بعدی، ما یک چت‌بات پرسش و پاسخ برای پشتیبانی مشتری توسعه خواهیم داد که قادر به پاسخ به سوالات متداول بر اساس پایگاه دانش داده شده است که پاسخ‌‌های خودکار برای خدمات مشتری ارائه می‌دهد. علاوه بر این، یک خلاصه‌‌ساز مجهز به هوش مصنوعی خواهیم ساخت که برای فشرده‌سازی مقالات طولانی، مقالات تحقیقاتی یا گزارش‌ها به خلاصه‌های مختصر طراحی شده و به کاربران کمک می‌کند تا به سرعت نکات کلیدی را درک کنند.

در LangChain، پلنر مسافرت خواهیم ساخت که علاقه‌مندی‌های کاربران را می‌گیرد و برنامه‌های سفر شخصی‌سازی‌ شده تولید می‌کند که برنامه‌ریزی سفر را آسان‌تر و کارآمدتر می‌کند. سپس، یک حلگر مسائل ریاضی خواهیم ساخت که معادلات ریاضی را مرحله به مرحله تفسیر و حل می‌کند که به دانشجویان و حرفه‌ای‌ها کمک می‌کند تا تکنیک‌های حل مسئله را درک کنند.

در بخش بعدی، پروژه‌های GAN را ایجاد خواهیم کرد. در اولین پروژه، یک ژنراتور چهره تصادفی خواهیم ساخت که می‌تواند چهره‌های انسانی واقع‌گرایانه را از ابتدا تولید کند که قدرت generative AI را در تولید تصاویر واقعی نشان می‌دهد.

در پروژه دوم، یک GAN کانولوشن عمیق را از ابتدا با پیاده‌سازی توابع ژنراتور و discriminator می‌سازیم که یک تابع loss را تعریف کرده و مدل را با استفاده از رویکرد یادگیری متخاصم آموزش خواهیم داد تا تصاویر واقعی تولید کند.

پس از ساخت اپلیکیشن‌ها، تست‌هایی انجام خواهیم داد تا مطمئن شویم که اپلیکیشن به‌طور کامل کار می‌کند و همچنین اپلیکیشن را مستقر خواهیم کرد. سرانجام، در پایان دوره، یک اپلیکیشن مبتنی بر LLM با استفاده از ابزارهای بدون کد مانند Dify AI و Relevance AI خواهیم ساخت. با استفاده از این ابزارها، شما می‌توانید روند توسعه را تسریع کنید.

در ابتدا، قبل از ورود به دوره، لازم است از خود بپرسیم که چرا باید اپلیکیشن‌ها را با استفاده از مدل‌های زبانی بزرگ بسازیم؟ خوب، این پاسخ ما است: LLMs می‌توانند برای تحلیل کانتکس، خودکارسازی تسک‌های پیچیده متنی و تولید پاسخ‌های انسانی استفاده شوند. این فناوری‌ها نه تنها گردش‌کار را ساده کرده و سرعت بازیابی اطلاعات را افزایش می‌دهند، بلکه دقت تولید متن و پردازش داده‌ را نیز بهبود می‌بخشند. چه کار شما تولید محتوا، تحلیل سند یا تعاملات مبتنی بر چت باشد، LLMs راه‌حل‌های هوش مصنوعی محور را کارآمدتر و در دسترس‌تر می‌سازند.

مواردی که می‌توانید از این دوره یاد بگیرید:

• یادگیری اصول اولیه مدل‌ زبانی بزرگ و شبکه‌ متخاصم مولد، مانند یوزکیس‌های آنها و نحوه عملکردشان
• می‌آموزید که چگونه مدل‌های هوش مصنوعی را در Hugging Face یافته و مجموعه داده‌ را از Kaggle دانلود کنید.
• می‌آموزید که چگونه یک تحلیلگر اسناد حقوقی با استفاده از LLM بسازید.
• می‌آموزید که چگونه داده‌ اکسل را با استفاده از LLM تحلیل کنید.
• می‌آموزید که چگونه یک ژنراتور داستان کوتاه هوش مصنوعی با استفاده از LLM بسازید.
• می‌آموزید که چگونه یک ژنراتور کد هوش مصنوعی با استفاده از LLM بسازید.
• می‌آموزید که چگونه یک چت‌بات پشتیبانی مشتری با استفاده از LLM بسازید.
• می‌آموزید که چگونه یک خلاصه‌ساز گزارش با استفاده از LLM بسازید.
• می‌آموزید که چگونه یک پلنر مسافرت هوش مصنوعی با استفاده از Langchain بسازید.
• می‌آموزید که چگونه یک حل‌گر ریاضیات هوش مصنوعی با استفاده از Langchain بسازید.
• می‌آموزید که چگونه یک ژنراتور چهره تصادفی هوش مصنوعی با استفاده از ProGAN بسازید.
• می‌آموزید که چگونه یک ژنراتور هنر دیجیتال تصادفی با استفاده از GAN کانولوشن عمیق بسازید.
• می‌آموزید که چگونه توابع ژنراتور و discriminator بسازید.
• می‌آموزید که چگونه مدل GAN را آموزش داده و تیونینگ دقیق کنید.
• می‌آموزید که چگونه رابط کاربری را با استفاده از Streamlit بسازید و اپلیکیشن را در Hugging Face Space مستقر کنید
• می‌آموزید که چگونه اپلیکیشن‌های مبتنی بر LLM را با استفاده از Dify AI و Relevance AI بسازید.

این دوره برای چه کسانی مناسب است؟

• مهندسان هوش مصنوعی که به ساخت اپلیکیشن‌های generative AI با استفاده از LLM و Langchain علاقه‌مند هستند.
• دانشمندان داده که به انجام افزایش داده با استفاده از GANs علاقه‌مند هستند.