کتاب صوتی ساخت اپلیکیشن‌های هوشمند با Ollama، Pydantic و پایتون

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره ساخت اپلیکیشن‌های هوشمند با Ollama، Pydantic و پایتون

موضوع کلی: هوش مصنوعی و یادگیری ماشین

موضوع میانی: توسعهٔ برنامه‌های کاربردی هوش مصنوعی

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر هوش مصنوعی مولد و کاربردهای آن
• 2. معرفی Ollama و نصب و پیکربندی آن
• 3. نصب و راه‌اندازی Pydantic برای اعتبارسنجی داده
• 4. پایتون برای توسعهٔ اپلیکیشن‌های هوش مصنوعی: مروری سریع
• 5. مفهوم Memory در اپلیکیشن‌های هوش مصنوعی
• 6. انواع حافظه در LLM ها: Short-term vs. Long-term
• 7. پیاده‌سازی حافظه کوتاه مدت با استفاده از بافرها
• 8. استفاده از ChromaDB به عنوان یک حافظه برداری
• 9. Embeddings و نحوه تولید آن‌ها
• 10. شاخص‌گذاری داده‌ها با ChromaDB
• 11. جستجوی شباهت معنایی در ChromaDB
• 12. معرفی Tools در اپلیکیشن‌های هوش مصنوعی
• 13. ساخت Tool های سفارشی با پایتون
• 14. ادغام Tool ها با LLM ها از طریق Ollama
• 15. مفهوم Retrieval Augmented Generation (RAG)
• 16. پیاده‌سازی RAG با استفاده از Ollama و ChromaDB
• 17. استفاده از Docstring ها برای مستندسازی Tool ها
• 18. مدیریت Context در اپلیکیشن‌های هوش مصنوعی
• 19. بهینه‌سازی Prompt ها برای بهبود نتایج
• 20. Pydantic برای تعریف Schema های ورودی و خروجی
• 21. اعتبارسنجی داده‌های ورودی با Pydantic
• 22. استفاده از Pydantic برای تولید داده‌های ساختاریافته
• 23. خروجی ساختاریافته با Ollama و Pydantic
• 24. ایجاد API با FastAPI برای اپلیکیشن‌های هوش مصنوعی
• 25. استقرار اپلیکیشن‌های هوش مصنوعی با Docker
• 26. نظارت و Logging اپلیکیشن‌های هوش مصنوعی
• 27. تست و دیباگ اپلیکیشن‌های هوش مصنوعی
• 28. امنیت در اپلیکیشن‌های هوش مصنوعی
• 29. مقدمه‌ای بر LangChain و مقایسه با Ollama
• 30. ادغام LangChain با Ollama و ChromaDB
• 31. استفاده از Agents در LangChain
• 32. پیاده‌سازی یک Agent برای حل مسائل پیچیده
• 33. بهینه‌سازی عملکرد اپلیکیشن‌های هوش مصنوعی
• 34. مقیاس‌پذیری اپلیکیشن‌های هوش مصنوعی
• 35. استفاده از Streamlit برای ساخت رابط کاربری
• 36. ساخت یک چت‌بات با Ollama و Streamlit
• 37. استفاده از Webhooks برای ارتباط با سرویس‌های دیگر
• 38. پیاده‌سازی یک سیستم پرسش و پاسخ (Question Answering)
• 39. استفاده از Ollama برای خلاصه‌سازی متن
• 40. استفاده از Ollama برای ترجمه زبان
• 41. استفاده از Ollama برای تولید محتوا
• 42. ساخت یک اپلیکیشن تشخیص احساسات
• 43. ساخت یک اپلیکیشن تحلیل متن
• 44. استفاده از Ollama برای تولید کد
• 45. استفاده از Ollama برای تولید ایمیل
• 46. استفاده از Ollama برای تولید پست‌های شبکه‌های اجتماعی
• 47. استفاده از Ollama برای تولید گزارش
• 48. بهبود کیفیت پاسخ‌های LLM با Fine-tuning
• 49. استفاده از Vector Databases پیشرفته‌تر
• 50. آشنایی با پایگاه‌های داده‌های Graph برای هوش مصنوعی
• 51. معرفی ابزارهای مانیتورینگ و ارزیابی LLM
• 52. بهینه‌سازی هزینه برای استفاده از LLM ها