کتاب صوتی آموزش جامع فریم‌ورک DSPy؛ طراحی و پیاده‌سازی خط‌لوله‌های هوشمند برای پردازش متن

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره آموزش جامع فریم‌ورک DSPy؛ طراحی و پیاده‌سازی خط‌لوله‌های هوشمند برای پردازش متن

موضوع کلی: هوش مصنوعی و یادگیری ماشین

موضوع میانی: مهندسی بهینه‌سازی مدل‌های زبانی بزرگ (LLM)

📋 سرفصل‌های دوره

• 1. مبانی و ضرورت استفاده از فریم‌ورک DSPy در توسعه هوش مصنوعی
• 2. تفاوت رویکرد سنتی Prompt Engineering با برنامه نویسی در DSPy
• 3. نصب و راه‌اندازی محیط توسعه برای کار با مدل‌های زبانی
• 4. آشنایی با معماری Signature در DSPy برای تعریف وظایف مدل
• 5. ساختاربندی انواع ورودی و خروجی در مدل‌های زبانی با Typed Predictors
• 6. مفاهیم پایه ماژول‌ها در DSPy و نحوه ترکیب آن‌ها
• 7. پیاده‌سازی نخستین خط‌لوله (Pipeline) پردازش متن با DSPy
• 8. کار با مدل‌های زبانی از طریق کتابخانه dspy.LM
• 9. مدیریت و تنظیمات فراخوانی مدل‌های زبانی در فریم‌ورک
• 10. آشنایی با مفهوم Teleprompter در بهینه‌سازی خودکار دستورات
• 11. استفاده از LabeledFewShot برای بهبود دقت پاسخ‌دهی مدل
• 12. پیاده‌سازی استراتژی‌های Chain-of-Thought در خط‌لوله‌های پردازشی
• 13. مبانی ارزیابی مدل‌ها (Metrics) در محیط DSPy
• 14. طراحی توابع ارزیابی سفارشی برای سنجش کیفیت خروجی‌ها
• 15. آشنایی با BootstrapFewShot و یادگیری مبتنی بر مثال
• 16. بهینه‌سازی خودکار دستورات با استفاده از دستورات بهینه‌ساز (Optimizers)
• 17. بررسی نقش Mipro در تنظیم و بهبود پارامترهای مدل
• 18. پیاده‌سازی سیستم‌های بازیابی اطلاعات (RAG) با استفاده از DSPy
• 19. یکپارچه‌سازی ابزارهای جستجو و پایگاه‌های داده برداری در خط‌لوله
• 20. طراحی سیستم‌های پاسخگویی به سوالات مبتنی بر دانش سازمانی
• 21. استفاده از Assertions و Constraints برای کنترل خروجی مدل
• 22. مدیریت خطاهای احتمالی در زنجیره‌های پردازش متن
• 23. ارزیابی عملکرد خط‌لوله‌های RAG در شرایط واقعی
• 24. بررسی مفاهیم پیشرفته در طراحی سیستم‌های چندمرحله‌ای (Multi-stage)
• 25. پیاده‌سازی عامل‌های هوشمند (Agents) ساده با استفاده از DSPy
• 26. نحوه عیب‌یابی و دیباگ کردن خط‌لوله‌های پیچیده
• 27. مقایسه عملکرد مدل‌های مختلف در یک ساختار ثابت DSPy
• 28. تکنیک‌های افزایش سرعت اجرای خط‌لوله‌ها
• 29. مدیریت حافظه و منابع در پیاده‌سازی‌های مقیاس‌پذیر
• 30. مستندسازی و نگهداری کدهای توسعه‌یافته با DSPy
• 31. امنیت در فراخوانی مدل‌های زبانی و حفاظت از داده‌های ورودی
• 32. رعایت استانداردهای اخلاقی در توسعه سیستم‌های هوشمند
• 33. طراحی ساختارهای بازگشتی در پردازش متن
• 34. کاربرد DSPy در استخراج اطلاعات ساختاریافته از متون غیرساختاریافته
• 35. شخصی‌سازی خروجی مدل برای کاربردهای تخصصی فارسی
• 36. استفاده از DSPy در تحلیل داده‌های متنی حجیم
• 37. بهینه‌سازی هزینه استفاده از مدل‌های زبانی از طریق DSPy
• 38. تلفیق مدل‌های زبانی با منطق برنامه‌نویسی کلاسیک
• 39. پروژه عملی: طراحی یک سامانه خلاصه ساز متون تخصصی
• 40. پروژه عملی: پیاده‌سازی یک دستیار هوشمند پاسخ به سوالات فنی
• 41. بررسی آینده فریم‌ورک‌های توسعه سیستم‌های مبتنی بر LLM