دوره راهنمای جامع طراحی و برنامه‌نویسی خودکار دستورات (Prompt Engineering) با فریم‌ورک DSPy همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره راهنمای جامع طراحی و برنامه‌نویسی خودکار دستورات (Prompt Engineering) با فریم‌ورک DSPy

موضوع کلی: علوم رایانه و هوش مصنوعی

موضوع میانی: مهندسی بهینه‌سازی مدل‌های زبانی (LLM)

📋 سرفصل‌های دوره

• 1. مبانی و ضرورت‌های برنامه‌نویسی دستورات در عصر هوش مصنوعی
• 2. معرفی فریم‌ورک DSPy و تحول در مهندسی پرامپت
• 3. مقایسه روش‌های سنتی پرامپت‌نویسی با رویکرد برنامه‌نویسی در DSPy
• 4. نصب و راه‌اندازی محیط توسعه برای پروژه‌های DSPy
• 5. ساختار کلی و معماری فریم‌ورک DSPy
• 6. درک مفاهیم امضاها (Signatures) در DSPy
• 7. تعریف ورودی‌ها و خروجی‌ها در مدل‌های زبانی
• 8. کار با ماژول‌های پیش‌فرض و سفارشی‌سازی آن‌ها
• 9. اصول طراحی پرامپت برای وظایف طبقه‌بندی متن
• 10. مدیریت و کنترل جریان اجرای دستورات
• 11. آشنایی با نقش بهینه‌سازها (Optimizers) در DSPy
• 12. فرایند خودکارسازی بهینه‌سازی دستورات
• 13. معرفی مجموعه داده‌های آموزشی برای تنظیم مدل
• 14. نقش ارزیاب‌ها (Metrics) در بهبود عملکرد مدل
• 15. تکنیک‌های زنجیره‌سازی افکار (Chain of Thought) در DSPy
• 16. پیاده‌سازی ماژول‌های چند مرحله‌ای برای حل مسائل پیچیده
• 17. استفاده از تکنیک‌های Few-Shot در ساختار DSPy
• 18. بررسی عملکرد مدل در مواجهه با نمونه‌های آموزشی
• 19. بهینه‌سازی پرامپت‌ها برای کاهش هزینه‌های محاسباتی
• 20. تکنیک‌های افزایش دقت در پاسخ‌دهی مدل
• 21. روش‌های عیب‌یابی و دیباگ کردن پرامپت‌های خودکار
• 22. مدیریت حافظه و تاریخچه در سیستم‌های مبتنی بر DSPy
• 23. یکپارچه‌سازی DSPy با مدل‌های زبانی مختلف
• 24. توسعه سیستم‌های پرسش و پاسخ مبتنی بر دانش (RAG)
• 25. بهینه‌سازی بازیابی اطلاعات با استفاده از DSPy
• 26. ارزیابی کیفی خروجی مدل‌ها بر اساس استانداردهای دقت
• 27. استفاده از DSPy در پروژه‌های پردازش زبان فارسی
• 28. چالش‌های زبانی و راهکارهای بهینه‌سازی برای زبان فارسی
• 29. پیاده‌سازی واسط‌های کاربری هوشمند با مدل‌های بهینه‌شده
• 30. مستندسازی و مدیریت نسخه‌های پرامپت‌های برنامه‌نویسی شده
• 31. امنیت و حریم خصوصی در طراحی سیستم‌های مبتنی بر LLM
• 32. بررسی محدودیت‌های مدل‌های زبانی و راهکارهای کاهش خطا
• 33. تست و اعتبارسنجی سیستم‌های هوشمند در محیط عملیاتی
• 34. مقیاس‌پذیری پروژه‌های هوش مصنوعی با ابزارهای DSPy
• 35. پروژه عملی: طراحی یک سامانه تحلیل‌گر متون تخصصی
• 36. پروژه عملی: پیاده‌سازی دستیار هوشمند با قابلیت استدلال
• 37. بهترین شیوه‌ها در نگهداری و بروزرسانی مدل‌های خودکار
• 38. آینده مهندسی دستورات و نقش برنامه‌نویسی سیستماتیک
• 39. جمع‌بندی و مسیر پیش رو در یادگیری هوش مصنوعی مولد