کتاب صوتی ساخت دستیاران هوش مصنوعی محلی با استفاده از چارچوب‌های پیشرفته

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره ساخت دستیاران هوش مصنوعی محلی با استفاده از چارچوب‌های پیشرفته

موضوع کلی: هوش مصنوعی و توسعه نرم‌افزار

موضوع میانی: توسعه برنامه‌های هوش مصنوعی مولد

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر هوش مصنوعی مولد و دستیاران محلی
• 2. مفاهیم پایهٔ مدل‌های زبانی بزرگ (LLMs)
• 3. معماری مدل‌های ترنسفورمر
• 4. آموزش و تنظیم دقیق مدل‌های زبانی
• 5. کاربردهای دستیاران هوش مصنوعی در توسعهٔ نرم‌افزار
• 6. چارچوب LangChain: نمای کلی
• 7. نصب و راه‌اندازی LangChain
• 8. اجزای اصلی LangChain: مدل‌ها، پرامپت‌ها، زنجیره‌ها
• 9. توسعهٔ زنجیره‌های ساده با LangChain
• 10. مدیریت پرامپت‌های پیچیده
• 11. استفاده از تمپلیت‌های پرامپت
• 12. اتصال مدل‌های زبانی مختلف در LangChain
• 13. حافظه در LangChain: انواع و کاربردها
• 14. پیاده‌سازی حافظهٔ مکالمه‌ای
• 15. کاربرد LangChain در خلاصه‌سازی متون
• 16. استخراج اطلاعات از متون با LangChain
• 17. پرسش و پاسخ بر روی اسناد
• 18. مقدمه‌ای بر پایگاه‌های دادهٔ برداری (Vector Databases)
• 19. چرا پایگاه‌های دادهٔ برداری برای LLMs ضروری هستند؟
• 20. معرفی FAISS (Facebook AI Similarity Search)
• 21. نصب و راه‌اندازی FAISS
• 22. ساخت و مدیریت شاخص‌های FAISS
• 23. جستجوی شباهت در FAISS
• 24. ادغام FAISS با LangChain
• 25. توسعهٔ سیستم‌های پرسش و پاسخ بر روی اسناد با FAISS
• 26. مقدمه‌ای بر NVIDIA NIM (Neural Machine Inference)
• 27. معماری NIM و بهینه‌سازی اجرای مدل
• 28. نصب و راه‌اندازی NIM
• 29. استفاده از مدل‌های از پیش آموزش‌دیده در NIM
• 30. ارتباط NIM با LangChain
• 31. بهینه‌سازی عملکرد دستیاران هوش مصنوعی
• 32. اندازه‌گیری کارایی مدل‌های زبانی
• 33. تکنیک‌های تنظیم دقیق مدل‌ها
• 34. آموزش با داده‌های سفارشی
• 35. روش‌های ارزیابی مدل‌های هوش مصنوعی
• 36. مدیریت و استقرار مدل‌های محلی
• 37. مفهوم دستیار هوش مصنوعی محلی
• 38. چالش‌های توسعهٔ دستیاران هوش مصنوعی محلی
• 39. انتخاب مدل‌های مناسب برای دستیاران محلی
• 40. تنظیم دقیق مدل‌ها برای وظایف خاص
• 41. توسعهٔ رابط کاربری برای دستیاران هوش مصنوعی
• 42. ادغام دستیاران هوش مصنوعی در گردش کار توسعهٔ نرم‌افزار
• 43. امنیت و حریم خصوصی در دستیاران هوش مصنوعی محلی
• 44. ملاحظات اخلاقی در توسعهٔ هوش مصنوعی مولد
• 45. پایگاه‌های دانش محلی برای دستیاران هوش مصنوعی
• 46. استفاده از داده‌های سازمانی در دستیاران هوش مصنوعی
• 47. توسعهٔ دستیاران هوش مصنوعی برای پشتیبانی فنی
• 48. دستیاران هوش مصنوعی برای تولید کد
• 49. دستیاران هوش مصنوعی برای مستندسازی
• 50. دستیاران هوش مصنوعی برای تست نرم‌افزار
• 51. تکنیک‌های پیشرفتهٔ پرامپت‌نویسی
• 52. توسعهٔ زنجیره‌های پیچیده با ابزارهای LangChain
• 53. مدیریت جریان‌های کاری پیچیده با LangChain Agents
• 54. استفاده از ابزارهای خارجی در LangChain
• 55. ادغام با APIهای مختلف
• 56. توسعهٔ سیستم‌های توصیه‌گر با هوش مصنوعی
• 57. کاربرد هوش مصنوعی در تحلیل داده‌های نرم‌افزار
• 58. پردازش زبان طبیعی (NLP) در توسعهٔ نرم‌افزار
• 59. استفاده از مدل‌های زبانی برای تحلیل احساسات
• 60. استخراج موجودیت‌های نام‌دار (NER)
• 61. مدل‌سازی موضوعی (Topic Modeling)
• 62. خلاصه‌سازی اسناد بلند
• 63. ترجمهٔ ماشینی با مدل‌های زبانی
• 64. تولید متن خلاقانه
• 65. کاربرد هوش مصنوعی در امنیت سایبری (با رویکرد دفاعی)
• 66. تشخیص ناهنجاری در لاگ‌ها
• 67. تحلیل بدافزار (با رویکرد تحلیل و شناسایی)
• 68. شناسایی حملات فیشینگ
• 69. مقدمه‌ای بر مدل‌های گراف دانش (Knowledge Graphs)
• 70. استفاده از گراف دانش در دستیاران هوش مصنوعی
• 71. ادغام گراف دانش با LangChain و FAISS
• 72. توسعهٔ دستیاران هوش مصنوعی با قابلیت استدلال
• 73. یادگیری تقویتی در هوش مصنوعی مولد
• 74. کاربرد یادگیری تقویتی در بهبود پاسخ‌ها
• 75. ملاحظات مربوط به داده‌های آموزشی
• 76. پاکسازی و پیش‌پردازش داده‌ها
• 77. تکنیک‌های افزایش داده (Data Augmentation)
• 78. ارزیابی مدل‌ها در شرایط دنیای واقعی
• 79. مراحل استقرار مدل‌های هوش مصنوعی
• 80. نظارت بر عملکرد مدل پس از استقرار
• 81. به‌روزرسانی و بازآموزی مدل‌ها
• 82. آیندهٔ دستیاران هوش مصنوعی محلی
• 83. روندهای نوظهور در هوش مصنوعی مولد
• 84. تأثیر هوش مصنوعی بر آیندهٔ توسعهٔ نرم‌افزار
• 85. جمع‌بندی و گام‌های بعدی
• 86. کارگاه عملی: ساخت یک دستیار هوش مصنوعی محلی
• 87. پروژهٔ پایانی: توسعهٔ یک دستیار هوش مصنوعی پیشرفته
• 88. ارائهٔ پروژه‌ها
• 89. بازخورد و بهبود مستمر
• 90. اصول اخلاقی در توسعهٔ نرم‌افزار با هوش مصنوعی
• 91. چارچوب‌های قانونی و مقررات مرتبط با هوش مصنوعی در ایران
• 92. مسئولیت‌پذیری در توسعهٔ هوش مصنوعی
• 93. آموزش مداوم و به‌روزرسانی دانش در حوزهٔ هوش مصنوعی
• 94. منابع تکمیلی و مطالعات بیشتر