کتاب آموزش جامع توسعه هوش مصنوعی با Semantic Kernel در محیط دات‌نت (C#) با فرمت AZW3 برای کتابخوان کیندل و فرمت EPUB

249,950 تومان
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 آموزش جامع توسعه هوش مصنوعی با Semantic Kernel در محیط دات‌نت (C#)

موضوع کلی: هوش مصنوعی و توسعه نرم‌افزار

موضوع میانی: چارچوب‌های توسعه برنامه‌های مبتنی بر مدل‌های زبانی بزرگ (LLM)

📋 سرفصل‌های دوره (100 موضوع)

  • 1. مبانی هوش مصنوعی مولد و نقش مدل‌های زبانی بزرگ
  • 2. معرفی معماری و قابلیت‌های کتابخانه Semantic Kernel
  • 3. نصب و راه‌اندازی محیط توسعه دات‌نت برای Semantic Kernel
  • 4. آشنایی با مفاهیم اصلی Kernel و نحوه پیکربندی آن
  • 5. مدیریت سرویس‌های هوش مصنوعی و اتصال به مدل‌های ابری
  • 6. ساختار و عملکرد Promptها در محیط Semantic Kernel
  • 7. استفاده از Semantic Functionها برای اجرای دستورات هوشمند
  • 8. آشنایی با Native Functionها و فراخوانی کدهای سی‌شارپ در هوش مصنوعی
  • 9. کار با Prompt Templateها و شخصی‌سازی خروجی مدل
  • 10. مدیریت حافظه در هوش مصنوعی و استفاده از Memory Connectorها
  • 11. درک مفهوم Embeddings و کاربرد آن در جستجوی معنایی
  • 12. پیاده‌سازی پایگاه داده‌های برداری برای ذخیره‌سازی دانش
  • 13. استفاده از Plannerها برای خودکارسازی اجرای زنجیره‌ای دستورات
  • 14. معرفی Sequential Planner و طراحی گردش کارهای چندمرحله‌ای
  • 15. مدیریت و کنترل توکن‌ها در تعامل با مدل‌های زبانی
  • 16. تکنیک‌های مهندسی پرامپت برای بهبود دقت پاسخ‌ها
  • 17. مدیریت وضعیت و تاریخچه گفتگو در برنامه‌های هوش مصنوعی
  • 18. استفاده از Connectorها برای اتصال به سرویس‌های خارجی
  • 19. فراخوانی توابع سیستم و دسترسی به فایل‌ها از طریق مدل
  • 20. طراحی سیستم‌های پرسش و پاسخ مبتنی بر مستندات داخلی
  • 21. امنیت در توسعه برنامه‌های هوش مصنوعی و احراز هویت
  • 22. بهینه‌سازی عملکرد و کاهش تاخیر در پاسخ‌دهی مدل
  • 23. پیاده‌سازی مکانیزم‌های لاگ‌گیری و مانیتورینگ در Semantic Kernel
  • 24. مدیریت خطاها و استثناها در تعامل با مدل‌های هوش مصنوعی
  • 25. تکنیک‌های تست و ارزیابی کیفیت خروجی‌های مدل
  • 26. معرفی مفاهیم پیشرفته در Agentها و خودکارسازی فرآیندها
  • 27. طراحی تعاملات چندوجهی با استفاده از قابلیت‌های مدل
  • 28. استفاده از فیلترها برای مدیریت و اصلاح ورودی و خروجی
  • 29. پیاده‌سازی سناریوهای کاربردی در محیط‌های سازمانی
  • 30. اصول اخلاقی و ضوابط بومی‌سازی در توسعه سامانه‌های هوشمند
  • 31. پروژه نهایی: طراحی یک دستیار هوشمند سازمانی با Semantic Kernel
تگ‌ها: LLM Semantic Kernel برنامه‌نویسی دات‌نت پردازش زبان طبیعی توسعه نرم‌افزار توسعه هوش مصنوعی سی‌شارپ مدل‌های زبانی بزرگ هوش مصنوعی یادگیری ماشین

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.