کتاب راهنمای کاربردی پیاده‌سازی و به‌کارگیری مدل‌های زبانی متن‌باز در پروژه‌های هوشمند با استفاده از LangChain و ابزارهای مرتبط با فرمت AZW3 برای کتابخوان کیندل و فرمت EPUB

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره راهنمای کاربردی پیاده‌سازی و به‌کارگیری مدل‌های زبانی متن‌باز در پروژه‌های هوشمند با استفاده از LangChain و ابزارهای مرتبط

موضوع کلی: هوش مصنوعی و یادگیری ماشین

موضوع میانی: مدل‌های زبانی بزرگ (LLM) و چارچوب‌های توسعه‌دهنده

📋 سرفصل‌های دوره (100 موضوع)

• 1. مبانی مدل‌های زبانی بزرگ و معماری مدل‌های متن‌باز
• 2. آشنایی با خانواده مدل‌های Mixtral و معماری Mixture of Experts
• 3. آماده‌سازی محیط توسعه و نیازمندی‌های سخت‌افزاری برای مدل‌های محلی
• 4. نصب و راه‌اندازی ابزارهای مدیریت محیط‌های مجازی پایتون
• 5. کار با کتابخانه‌های پردازش متن در محیط‌های عملیاتی
• 6. آشنایی با مفاهیم توکنایزیشن و بردارسازی کلمات
• 7. استفاده از رابط‌های برنامه‌نویسی برای فراخوانی مدل‌های محلی
• 8. معرفی فریم‌ورک LangChain و ساختار اجزای آن
• 9. مدیریت حافظه و تاریخچه گفتگو در مدل‌های زبانی
• 10. طراحی و پیاده‌سازی Prompt Templates برای بهبود دقت پاسخ‌ها
• 11. استفاده از Chains برای اتصال مراحل پردازش متن
• 12. آشنایی با مفاهیم RAG و اهمیت بازیابی اطلاعات در مدل‌های زبانی
• 13. کار با پایگاه‌های داده برداری برای ذخیره‌سازی دانش
• 14. استفاده از LlamaIndex در مدیریت و ایندکس‌گذاری داده‌های متنی
• 15. پیاده‌سازی سیستم‌های پرسش و پاسخ روی اسناد شخصی
• 16. آشنایی با فریم‌ورک AutoGen و سیستم‌های چند عاملی
• 17. تعریف نقش‌ها و وظایف برای عوامل هوشمند در AutoGen
• 18. مدیریت تعاملات و گفتگوهای بین عوامل هوشمند
• 19. یکپارچه‌سازی مدل‌های متن‌باز با فریم‌ورک Haystack
• 20. ساختاردهی به خط لوله پردازش اطلاعات در Haystack
• 21. بهینه‌سازی مصرف منابع در زمان استنتاج مدل‌های بزرگ
• 22. روش‌های کوانتایزیشن برای اجرای مدل‌ها روی سخت‌افزارهای محدود
• 23. استفاده از ابزارهای استقرار مدل در محیط‌های سرور
• 24. ایجاد رابط کاربری ساده برای تعامل با مدل‌های محلی
• 25. امنیت در استقرار مدل‌های زبانی و جلوگیری از تزریق دستورات
• 26. بررسی محدودیت‌های مدل‌های زبانی و روش‌های ارزیابی خروجی
• 27. تکنیک‌های بهبود پاسخ‌دهی از طریق تنظیم دقیق پارامترها
• 28. آموزش ساخت یک دستیار هوشمند محلی با استفاده از LangChain
• 29. پیاده‌سازی ابزارهای جانبی و اتصال مدل به منابع داده خارجی
• 30. نظارت بر عملکرد و تحلیل خطاهای مدل در محیط عملیاتی
• 31. به‌روزرسانی و مدیریت نسخه‌های مختلف مدل‌های زبانی
• 32. تکنیک‌های پیشرفته در مهندسی دستورات برای افزایش دقت
• 33. مستندسازی پروژه‌های مبتنی بر هوش مصنوعی
• 34. اخلاق در توسعه هوش مصنوعی و رعایت حریم خصوصی کاربران
• 35. ارائه نهایی و توسعه پروژه‌های هوشمند در چارچوب قوانین کشور