فلش‌کارت‌های آموزشی ساخت اپلیکیشن‌های هوش مصنوعی مولد در بستر ابری گوگل

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره ساخت اپلیکیشن‌های هوش مصنوعی مولد در بستر ابری گوگل

موضوع کلی: هوش مصنوعی و یادگیری ماشین

موضوع میانی: توسعهٔ برنامه‌های کاربردی هوش مصنوعی

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر هوش مصنوعی مولد
• 2. مفاهیم کلیدی یادگیری ماشین
• 3. انواع مدل‌های هوش مصنوعی مولد
• 4. معماری مدل‌های زبانی بزرگ
• 5. کاربرد مدل‌های زبانی بزرگ
• 6. مقدمه‌ای بر Google Cloud Platform
• 7. خدمات هوش مصنوعی در Google Cloud
• 8. Vertex AI چیست؟
• 9. آماده‌سازی محیط توسعه
• 10. نصب ابزارها و کتابخانه‌ها
• 11. مفاهیم اولیه توسعه اپلیکیشن
• 12. طراحی معماری اپلیکیشن هوش مصنوعی
• 13. انتخاب مدل مناسب برای کاربرد
• 14. تنظیمات اولیه مدل‌های زبانی
• 15. مقدمه‌ای بر Prompt Engineering
• 16. تکنیک‌های پیشرفته Prompt Engineering
• 17. مدیریت تاریخچه مکالمه
• 18. پیاده‌سازی رابط کاربری ساده
• 19. فریم‌ورک‌های توسعه وب
• 20. ادغام مدل با اپلیکیشن وب
• 21. ذخیره‌سازی داده‌ها در Google Cloud
• 22. استفاده از Cloud Storage
• 23. مقدمه‌ای بر پایگاه‌های داده
• 24. استفاده از Cloud SQL
• 25. استفاده از Firestore
• 26. امنیت در اپلیکیشن‌های هوش مصنوعی
• 27. مدیریت دسترسی‌ها
• 28. پیاده‌سازی احراز هویت
• 29. آزمایش و اشکال‌زدایی اپلیکیشن
• 30. تست کارایی و دقت مدل
• 31. بهینه‌سازی عملکرد اپلیکیشن
• 32. مقدمه‌ای بر استقرار اپلیکیشن
• 33. استقرار اپلیکیشن در App Engine
• 34. استقرار اپلیکیشن در Cloud Run
• 35. مدیریت نسخه‌ها و به‌روزرسانی
• 36. پایش و نظارت بر اپلیکیشن
• 37. مفاهیم MLOps
• 38. کاربرد MLOps در توسعه هوش مصنوعی
• 39. مقدمه‌ای بر مدل‌های تولید تصویر
• 40. استفاده از Imagen در Google Cloud
• 41. تولید متن توصیفی برای تصاویر
• 42. تولید تصاویر از متن
• 43. تنظیمات مدل‌های تولید تصویر
• 44. کاربرد مدل‌های تولید تصویر در اپلیکیشن
• 45. مقدمه‌ای بر مدل‌های تولید صدا
• 46. استفاده از Text-to-Speech
• 47. تولید صدا از متن
• 48. تنظیمات مدل‌های تولید صدا
• 49. کاربرد مدل‌های تولید صدا در اپلیکیشن
• 50. مقدمه‌ای بر مدل‌های ترجمه ماشینی
• 51. استفاده از Translation API
• 52. ترجمه متون در اپلیکیشن
• 53. تنظیمات مدل‌های ترجمه
• 54. کاربرد مدل‌های ترجمه در اپلیکیشن
• 55. مقدمه‌ای بر خلاصه‌سازی متن
• 56. استفاده از مدل‌های خلاصه‌سازی
• 57. خلاصه‌سازی متون طولانی
• 58. تنظیمات مدل‌های خلاصه‌سازی
• 59. کاربرد خلاصه‌سازی در اپلیکیشن
• 60. مقدمه‌ای بر تشخیص موجودیت نام‌گذاری شده (NER)
• 61. استفاده از مدل‌های NER
• 62. شناسایی موجودیت‌ها در متن
• 63. تنظیمات مدل‌های NER
• 64. کاربرد NER در اپلیکیشن
• 65. مقدمه‌ای بر تحلیل احساسات
• 66. استفاده از مدل‌های تحلیل احساسات
• 67. تشخیص احساسات در متن
• 68. تنظیمات مدل‌های تحلیل احساسات
• 69. کاربرد تحلیل احساسات در اپلیکیشن
• 70. مقدمه‌ای بر سفارشی‌سازی مدل‌ها
• 71. تنظیم دقیق (Fine-tuning) مدل‌ها
• 72. آماده‌سازی داده‌ها برای Fine-tuning
• 73. فرآیند Fine-tuning در Vertex AI
• 74. ارزیابی مدل‌های Fine-tuned
• 75. مقدمه‌ای بر مدل‌های چندوجهی
• 76. مدل‌های پردازش متن و تصویر
• 77. مدل‌های پردازش متن و صدا
• 78. کاربرد مدل‌های چندوجهی
• 79. مقدمه‌ای بر اخلاق در هوش مصنوعی
• 80. مسئولیت‌پذیری در توسعه هوش مصنوعی
• 81. شفافیت در مدل‌های هوش مصنوعی
• 82. امنیت داده‌ها و حریم خصوصی
• 83. ملاحظات حقوقی و قانونی
• 84. مقدمه‌ای بر آینده هوش مصنوعی مولد
• 85. روندها و تحولات آینده
• 86. یادگیری مداوم و سازگاری
• 87. طراحی اپلیکیشن‌های نسل آینده
• 88. درس‌های آموخته و توصیه‌ها
• 89. کاربرد هوش مصنوعی در صنعت
• 90. کاربرد در حوزه سلامت
• 91. کاربرد در آموزش
• 92. کاربرد در امور مالی
• 93. کاربرد در کسب‌وکارهای کوچک
• 94. بهینه‌سازی هزینه در Google Cloud
• 95. مدیریت مصرف منابع
• 96. استفاده از ابزارهای مانیتورینگ هزینه
• 97. برنامه‌ریزی برای مقیاس‌پذیری
• 98. مدیریت ریسک در پروژه‌های هوش مصنوعی
• 99. بررسی موارد موفق
• 100. مطالعه موردی: اپلیکیشن پرسش و پاسخ