دوره هوش مصنوعی، GenAI، چت‌بات و چت‌جی‌پی‌تی

آنچه یاد خواهید گرفت:

• درک نحوه‌ کارکرد شبکه‌های عصبی (تئوری و کاربردها)
• درک نحوه‌ کارکرد شبکه‌های عصبی کانولوشن (تئوری و کاربردها)
• درک نحوه‌ کارکرد الگوریتم پس انتشار
• درک روش‌های مقداردهی اولیه‌ وزن و تکنیک‌های منظم‌سازی
• درک توابع ضرر در شبکه‌های عصبی
• مصورسازی فرآیند یادگیری شبکه‌های عصبی
• ساخت هوش مصنوعی برای شناسایی اعداد دست‌نویس با شبکه‌ پیش‌خور
• ساخت طبقه‌بندی تصویر اعداد دست‌نویس با استفاده از هوش مصنوعی کانولوشن (CNN AI)
• ساخت یک چت‌بات با توجه (Attention)
• ساخت یک چت‌بات با استفاده از معماری ترنسفرمرها
• استفاده از GPT2 متن باز OpenAI
• تیونینگ دقیق GPT2 خود برای پاسخ‌گویی مانند چت‌جی‌پی‌تی

پیش‌نیازهای دوره

• درک اولیه از برنامه‌نویسی پایتون

توضیحات دوره

به بوت‌کمپ کامل هوش مصنوعی با چت‌بات و چت‌جی‌پی‌تی در پایتون با استفاده از PyTorch خوش آمدید! این دوره جایگاه شما برای یادگیری هوش مصنوعی، یادگیری عمیق و PyTorch است. چه شما یک مبتدی باشید یا یک حرفه‌ای باتجربه، این بوت‌کمپ جامع برای ارتقای مهارت‌های شما طراحی شده است و به شما در زمینه‌ هوش مصنوعی برتری می‌بخشد.

آنچه دوره را منحصربه‌فرد می‌کند؟

• محتوای اختصاصی - دسترسی به مباحث و پروژه‌های عملی که در هیچ جای دیگری آنلاین موجود نیست.
• برنامه درسی جامع - شامل همه موارد از مبانی PyTorch تا مباحث پیشرفته مانند معماری ترنسفرمر و ساخت چت‌بات
• پروژه‌های عملی - اعمال دانش خود با پروژه‌های واقعی و عملی که برای تقویت هر مفهوم طراحی شده‌اند.
• دستورالعمل کارشناسانه - یادگیری از یک مدرس با تجربه گسترده در هوش مصنوعی و یادگیری عمیق
• آزمون‌های تعاملی - محک زدن دانش خود با آزمون‌هایی که درک شما از هر بخش را به چالش می‌کشد.

بررسی دوره:

بخش 1 - مقدمه

• بررسی ساختار و اهداف دوره

بخش 2 - آشنایی با PyTorch

• یادگیری گراف‌های محاسباتی، تانسورها و عملیات‌های تانسور
• بررسی عمیق تایپ‌های داده‌ تانسور، عملیات‌های ریاضی و دستکاری شکل
• درک Autograd و انجام عملیات‌های درجا (in-place)

بخش 3 - توابع ضرر در یادگیری عمیق

• بررسی توابع ضرر مختلف مانند لایه 1 و لایه 2، آنتروپی متقاطع باینری و واگرایی KL

بخش 4 - توابع فعال‌سازی مختلف در یادگیری عمیق

• درک اهمیت توابع فعال‌سازی مانند ReLU و Leaky ReLU و PReLU

بخش 5 - نرمال‌سازی و منظم‌سازی

• یادگیری تکنیک‌های منظم‌سازی و روش‌های نرمال‌سازی

بخش 6 - بهینه‌سازی در هوش مصنوعی

• تسلط به تکنیک‌های بهینه‌سازی از جمله گرادیان کاهشی و SGD مینی بچ

بخش 7 - ساخت یک شبکه عصبی در PyTorch

• راهنمای گام‌به‌گام برای طراحی، آموزش و تست یک شبکه عصبی با استفاده از مجموعه داده MNIST

بخش 8 - مجموعه داده و Dataloader سفارشی PyTorch

• ایجاد و استفاده از مجموعه‌ داده‌ها و Dataloader سفارشی برای پردازش داده‌ کارآمد

بخش 9 - ساخت مدل CNN برای طبقه‌بندی تصویر

• ساخت، آموزش و مصورسازی مدل CNN برای طبقه‌بندی اعداد دست‌نویس

بخش 10 - ساخت یک چت‌بات با استفاده از معماری ترنسفرمر

• راهنمای جامع برای درک و پیاده‌سازی معماری ترنسفرمر برای توسعه چت‌بات

بخش 11 - ساخت یک چت‌بات با استفاده از چت‌جی‌پی‌تی از پیش‌ آموزش دیده

• راهنمای جامع برای درک و تیونینگ دقیق چت‌جی‌پی‌تی از پیش‌ آموزش دیده برای اهداف پرسش و پاسخ

چرا در این دوره شرکت کنید؟

• درک عمیقی از اصول هوش مصنوعی و یادگیری عمیق خواهید داشت.
• در استفاده از PyTorch برای تسک‌های مختلف یادگیری ماشین مهارت خواهید گرفت.
• توانایی ساخت و استقرار شبکه‌های عصبی و مدل‌های ترنسفرمر
• کسب مهارت در طراحی یک چت‌بات تابعی

چه کسانی باید در دوره شرکت کنند؟

• دانشمندان مشتاق داده و مهندسان یادگیری ماشین
• توسعه‌دهندگان نرم‌افزار که می‌خواهند به نقش‌های هوش مصنوعی منتقل شوند.
• حرفه‌ای‌هایی که به دنبال گسترش مهارت‌های هوش مصنوعی خود هستند.
• علاقه‌مندان به یادگیری فناوری‌های هوش مصنوعی پیشرفته

همین حالا در دوره شرکت کنید و از محتوای منحصربه‌فرد و تجربه عملی که شما را از بقیه متمایز می‌کند، بهره‌مند شوید.

این دوره برای چه کسانی مناسب است؟

• برنامه‌نویس مبتدی پایتون که می‌خواهد همه مطالب را درباره هوش مصنوعی و GenAI یاد بگیرد
• کسی که علاقه‌مند به یادگیری شبکه‌های عصبی و یادگیری عمیق است.
• کسی که می‌خواهد سفر خود را به دنیای هوش مصنوعی و GenAI آغاز کند.