کتاب طراحی و پیاده‌سازی عامل‌های هوشمند با استفاده از مدل‌های زبانی بزرگ (LLMs) و یادگیری ماشین با فرمت AZW3 برای کتابخوان کیندل و فرمت EPUB

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 62,488 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره طراحی و پیاده‌سازی عامل‌های هوشمند با استفاده از مدل‌های زبانی بزرگ (LLMs) و یادگیری ماشین

موضوع کلی: هوش مصنوعی و یادگیری ماشین

موضوع میانی: سیستم‌های هوشمند تصمیم‌گیر و عامل‌های خودمختار

📋 سرفصل‌های دوره

  • 1. مبانی و مفاهیم بنیادین عامل‌های هوشمند
  • 2. معماری سیستم‌های هوشمند تصمیم‌گیر
  • 3. نقش مدل‌های زبانی بزرگ در فرآیندهای تصمیم‌گیری
  • 4. آشنایی با چرخه‌های ادراک و کنش در عامل‌های خودمختار
  • 5. پروتکل‌های طراحی عامل‌های مبتنی بر مدل‌های زبانی
  • 6. تکنیک‌های مهندسی پرامپت برای بهبود استدلال مدل
  • 7. استفاده از حافظه کوتاه‌مدت و بلندمدت در مدل‌های زبانی
  • 8. یکپارچه‌سازی مدل‌های زبانی با ابزارهای خارجی
  • 9. مدیریت و کنترل جریان کار در سیستم‌های عامل‌محور
  • 10. مبانی استدلال منطقی و حل مسئله در هوش مصنوعی
  • 11. استفاده از چارچوب‌های برنامه‌نویسی عامل (Frameworks)
  • 12. روش‌های ارزیابی عملکرد عامل‌های هوشمند
  • 13. تکنیک‌های زنجیره‌سازی فکر در فرآیندهای تصمیم‌گیری
  • 14. مدیریت دانش و پایگاه‌های داده برداری در سیستم‌های هوشمند
  • 15. پیاده‌سازی سیستم‌های پاسخ‌دهی مبتنی بر بازیابی اطلاعات
  • 16. روش‌های تنظیم دقیق (Fine-tuning) مدل‌ها برای وظایف تخصصی
  • 17. ملاحظات اخلاقی و انطباق با چارچوب‌های قانونی در سیستم‌های خودکار
  • 18. امنیت و پایداری در سیستم‌های تصمیم‌گیر مبتنی بر یادگیری ماشین
  • 19. مدیریت خطا و استراتژی‌های بازگشت در عامل‌های هوشمند
  • 20. بهینه‌سازی پاسخ‌ها برای کاهش توهم مدل‌های زبانی
  • 21. شبیه‌سازی محیط‌های تصمیم‌گیری برای آموزش عامل‌ها
  • 22. طراحی سیستم‌های چندعاملی (Multi-Agent Systems)
  • 23. هماهنگی و تعامل میان عامل‌های هوشمند
  • 24. تکنیک‌های یادگیری تقویتی در بهبود تصمیم‌گیری عامل‌ها
  • 25. مدل‌سازی ترجیحات کاربر در سیستم‌های هوشمند
  • 26. استفاده از ابزارهای تحلیل داده در پشتیبانی از تصمیم‌گیری
  • 27. نظارت انسانی بر سیستم‌های خودکار تصمیم‌گیر
  • 28. پیاده‌سازی واسط‌های کاربری برای تعامل با عامل‌های هوشمند
  • 29. مطالعه موردی طراحی عامل هوشمند در خدمات اداری
  • 30. مطالعه موردی طراحی عامل هوشمند در تحلیل داده‌های صنعتی
  • 31. آینده‌پژوهی و مسیرهای توسعه هوش مصنوعی بومی در کشور
تگ‌ها: LLM پردازش زبان طبیعی پیاده‌سازی عامل‌های خودمختار سیستم‌های تصمیم‌گیر عامل‌های هوشمند مدل‌های زبانی بزرگ هوش مصنوعی هوش مصنوعی مولد یادگیری ماشین یادگیری ماشین کاربردی

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.