در این دوره جامع Udemy با عنوان LLM & Generative AI Masterclass که در نسخه ۲۰۲۵-۴ به‌روزرسانی شده، شما با تکنیک‌های پیشرفته تولید محتوا و تحلیل زبان طبیعی با استفاده از پلتفرم‌های LangChain و HuggingFace آشنا می‌شوید. این دوره مناسب مهندسین نرم‌افزار، داده‌کاوان و علاقه‌مندان به هوش مصنوعی است که قصد دارند پروژه‌های واقعی را با استفاده از مدل‌های زبانی بزرگ (LLM) و فریم‌ورک‌های متن‌باز پیاده‌سازی کنند.

دوره در پنج بخش تخصصی تدوین شده است تا فراگیران از مفاهیم پایه تا پیاده‌سازی معماری‌های پیشرفته LLM را به‌سادگی بیاموزند. ابتدا با مبانی NLP و ساختار مدل‌های زبانی بزرگ آشنا می‌شوید، سپس به‌تدریج به تکنیک‌های Fine-tuning، افزایش کارایی، و تولید محتوا می‌پردازیم. در نهایت، طی پروژه‌های عملی، چندین نمونه کاربردی را بررسی کرده و کد واقعی را اجرا می‌کنیم.

• درک مفاهیم پایه LLM و Transformer.
• کار با کتابخانه‌های HuggingFace Transformers و Datasets.
• ایجاد و بهینه‌سازی Prompt برای تولید متن دقیق‌تر.
• مدیریت جریان‌های کاری با فریم‌ورک LangChain.
• اجرای فرآیند Fine-tuning روی داده‌های سفارشی.
• استفاده از سرویس‌های ابری برای آموزش و استقرار مدل.
• طراحی چت‌بات هوشمند و ابزارهای تولید محتوا (گزارش، خلاصه، ترجمه).

• دسترسی همیشگی به محتوا و کدهای نمونه.
• آپدیت‌های دوره مطابق با نسخه‌های جدید کتابخانه‌ها.
• پشتیبانی از انجمن پرسش و پاسخ Udemy.
• مدرس حرفه‌ای با تجربه چند ساله در پروژه‌های هوش مصنوعی.
• تمرین‌های عملی همراه با راهنمای گام‌به‌گام.
• قابلیت پیاده‌سازی در پروژه‌های صنعتی و آکادمیک.

• آشنایی مقدماتی با زبان Python.
• درک پایه از Machine Learning و NLP.
• نصب pip و محیط مجازی (virtualenv یا conda).
• دسترسی به GPU یا خدمات ابری برای شتاب‌دهی آموزش مدل.

در صورت نداشتن دستگاه قوی، می‌توانید از سرویس‌های ابری مانند Google Colab یا AWS SageMaker بهره ببرید.

دوره در هشت فصل زیر سازماندهی شده است:

• فصل ۱: مقدمه‌ای بر معماری Transformer و LLM
• فصل ۲: نصب و راه‌اندازی محیط توسعه
• فصل ۳: کار با HuggingFace Transformers و Datasets
• فصل ۴: طراحی Prompt و بهبود کیفیت خروجی
• فصل ۵: آموزش و Fine-tuning مدل‌های زبانی
• فصل ۶: پیاده‌سازی جریان‌های کاری در LangChain
• فصل ۷: استقرار مدل در سرویس‌های ابری و API
• فصل ۸: پروژه پایانی – ساخت چت‌بات و تولید گزارش اتوماتیک

در هر فصل، مثال‌های کاربردی زیر را بررسی می‌کنیم:

• تولید خلاصه خودکار از متون بلندی مانند مقالات و خبرها.
• طراحی چت‌بات پشتیبان مشتری با استفاده از LangChain.
• ترجمه تخصصی متون فنی با دقت بالا.
• ساخت ابزار تولید گزارش مالی با خروجی PDF.
• استفاده از Fine-tuning برای بهبود پاسخ‌های مدل در حوزه پزشکی.

برای دسترسی به دوره به‌صورت رایگان کافی است فایل نصبی دوره را از لینک موجود دانلود کرده و مطابق دستورالعمل زیر عمل کنید:

1. فایل فشرده را استخراج کنید.
2. با اجرای pip install -r requirements.txt تمام وابستگی‌ها را نصب نمایید.
3. در محیط مجازی کدها را اجرا کرده و فصل‌ها را به ترتیب دنبال کنید.

با تکمیل هر فصل می‌توانید آزمون‌های کوتاه داخل Udemy را برای ارزیابی یادگیری خود پشت سر بگذارید. پس از پایان دوره، مدرک معتبر Udemy را دریافت خواهید کرد.