کتاب صوتی تولید پاسخ‌های هوشمند با استفاده از مدل‌های زبانی بزرگ و داده‌های خارجی در پلتفرم Vertex AI

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره تولید پاسخ‌های هوشمند با استفاده از مدل‌های زبانی بزرگ و داده‌های خارجی در پلتفرم Vertex AI

موضوع کلی: هوش مصنوعی و یادگیری ماشین

موضوع میانی: پردازش زبان طبیعی و تولید محتوا با هوش مصنوعی

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر هوش مصنوعی و یادگیری ماشین
• 2. مبانی یادگیری ماشین: نظارت شده، بدون نظارت و تقویتی
• 3. مقدمه‌ای بر شبکه‌های عصبی مصنوعی
• 4. معماری شبکه‌های عصبی عمیق
• 5. مبانی پردازش زبان طبیعی (NLP)
• 6. تحلیل احساسات با استفاده از NLP
• 7. شناسایی موجودیت نام‌دار (NER)
• 8. خلاصه‌سازی متن با هوش مصنوعی
• 9. ترجمه ماشینی با شبکه‌های عصبی
• 10. مبانی مدل‌های زبانی بزرگ (LLMs)
• 11. معماری ترنسفورمر و مکانیسم توجه
• 12. مدل‌های زبانی پیش‌آموزش‌دیده
• 13. تنظیم دقیق (Fine-tuning) مدل‌های زبانی
• 14. مقدمه‌ای بر تولید محتوا با هوش مصنوعی
• 15. تولید متن خلاقانه با LLMs
• 16. تولید کد با مدل‌های زبانی
• 17. تولید پاسخ‌های پرسش و پاسخ
• 18. مقدمه‌ای بر Vertex AI
• 19. محیط توسعه در Vertex AI
• 20. استفاده از APIهای Vertex AI
• 21. معرفی Gemini API
• 22. قابلیت‌های چندوجهی Gemini API
• 23. بازیابی اطلاعات تقویت‌شده با تولید (RAG)
• 24. مبانی بازیابی اطلاعات
• 25. شاخص‌گذاری داده‌ها برای بازیابی
• 26. الگوریتم‌های جستجوی بازیابی
• 27. تقویت تولید با اطلاعات بازیابی شده
• 28. تنظیم پارامترهای بازیابی
• 29. ارزیابی کیفیت بازیابی اطلاعات
• 30. مقدمه‌ای بر داده‌های خارجی در RAG
• 31. یکپارچه‌سازی منابع داده خارجی
• 32. مدیریت و پردازش داده‌های خارجی
• 33. انواع داده‌های خارجی (متن، تصویر، صدا)
• 34. بازیابی اطلاعات از پایگاه‌های داده رابطه‌ای
• 35. بازیابی اطلاعات از پایگاه‌های داده NoSQL
• 36. بازیابی اطلاعات از فایل‌های متنی و PDF
• 37. بازیابی اطلاعات از اسناد ساختاریافته
• 38. استفاده از Knowledge Graphs در RAG
• 39. استفاده از Vector Databases در RAG
• 40. شاخص‌گذاری معنایی با Embeddings
• 41. تولید Embeddings با مدل‌های زبانی
• 42. مقایسه شباهت Embeddings
• 43. فیلتر کردن نتایج بازیابی بر اساس شباهت
• 44. تنظیم آستانه شباهت برای بازیابی
• 45. استفاده از اطلاعات بازیابی شده در Prompt Engineering
• 46. طراحی Prompt برای RAG
• 47. Promptهای چندمرحله‌ای برای RAG
• 48. بهینه‌سازی Prompt برای دقت پاسخ
• 49. ارزیابی دقت و صحت پاسخ‌های تولید شده
• 50. سنجه‌های ارزیابی کیفیت متن تولید شده
• 51. معیارهای ارزیابی پاسخ‌های مبتنی بر RAG
• 52. تست A/B برای ارزیابی مدل‌ها
• 53. ملاحظات امنیتی در استفاده از RAG
• 54. حفظ حریم خصوصی داده‌ها در RAG
• 55. جلوگیری از تولید محتوای نامناسب
• 56. استفاده اخلاقی از هوش مصنوعی در تولید محتوا
• 57. مقابله با سوگیری در مدل‌های زبانی
• 58. شناسایی و کاهش سوگیری در داده‌های خارجی
• 59. شفافیت در فرآیند تولید محتوا
• 60. کاربردهای RAG در صنایع مختلف
• 61. کاربرد RAG در خدمات مشتریان
• 62. کاربرد RAG در تحقیق و توسعه
• 63. کاربرد RAG در آموزش و یادگیری
• 64. کاربرد RAG در تولید محتوای خبری
• 65. کاربرد RAG در حوزه‌های حقوقی
• 66. کاربرد RAG در حوزه‌های پزشکی
• 67. کاربرد RAG در تحلیل داده‌های مالی
• 68. کاربرد RAG در توسعه نرم‌افزار
• 69. کاربرد RAG در بازاریابی محتوا
• 70. مقدمه‌ای بر مدل‌های مولتی‌مدال
• 71. ترکیب متن و تصویر در Gemini API
• 72. تولید متن با ورودی تصویر
• 73. تولید متن با ورودی صدا
• 74. تولید تصویر با توضیحات متنی (ملاحظات شرعی)
• 75. استفاده از Gemini API برای جستجوی تصاویر
• 76. جستجوی معنایی تصاویر
• 77. استفاده از Gemini API برای خلاصه‌سازی ویدئو
• 78. تحلیل محتوای ویدئویی با هوش مصنوعی
• 79. کاربرد مدل‌های مولتی‌مدال در RAG
• 80. بازیابی اطلاعات چندوجهی
• 81. تولید پاسخ‌های چندوجهی
• 82. ارزیابی مدل‌های مولتی‌مدال
• 83. چالش‌های مدل‌های مولتی‌مدال
• 84. ملاحظات پیاده‌سازی RAG در مقیاس بزرگ
• 85. بهینه‌سازی عملکرد و هزینه در Vertex AI
• 86. مدیریت چرخه عمر مدل‌ها در Vertex AI
• 87. نظارت و نگهداری مدل‌های هوش مصنوعی
• 88. به‌روزرسانی مدل‌ها با داده‌های جدید
• 89. مقدمه‌ای بر مفاهیم پیشرفته در RAG
• 90. تکنیک‌های یادگیری تقویتی در RAG
• 91. یادگیری با فیدبک انسانی (RLHF)
• 92. کاربرد RLHF در بهبود پاسخ‌ها
• 93. استفاده از Chain-of-Thought Prompting
• 94. تکنیک‌های Tree-of-Thought Prompting
• 95. ملاحظات حقوقی و اخلاقی در تولید محتوا (ایران)
• 96. چارچوب‌های قانونی تولید محتوای دیجیتال در ایران
• 97. رعایت حدود شرعی در محتوای تولیدی
• 98. ملاحظات اقتصادی در پیاده‌سازی RAG
• 99. بررسی هزینه‌های زیرساخت و پردازش
• 100. تحلیل بازگشت سرمایه در پروژه‌های RAG