کتاب صوتی ساخت اپلیکیشن‌های مقیاس‌پذیر با درک متنی و چندمدلی

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره ساخت اپلیکیشن‌های مقیاس‌پذیر با درک متنی و چندمدلی

موضوع کلی: هوش مصنوعی و مهندسی پیشرفته

موضوع میانی: سیستم‌های چندمدلی و مقیاس‌پذیر

📋 سرفصل‌های دوره

• 1. مبانی پایتون برای هوش مصنوعی
• 2. آشنایی با محیط توسعه و ابزارهای دیتا ساینس
• 3. مفاهیم یادگیری ماشین: نظارتی و غیرنظارتی
• 4. شبکه‌های عصبی پایه و انتشار معکوس
• 5. پیش‌پردازش داده و مهندسی ویژگی
• 6. مبانی پردازش زبان طبیعی (NLP)
• 7. توکن‌سازی و بازسازی متن
• 8. مدل‌های زبانی بزرگ (LLM): معماری و اصول
• 9. توجه (Attention) و مکانیزم خود-توجه
• 10. مدل‌های ترنسفورمر: ساختار و عملکرد
• 11. بینایی ماشین: مبانی و شبکه‌های کانولوشی
• 12. ویژه‌بردارهای بصری و استخراج ویژگی
• 13. شبکه‌های مغزی مصنوعی کانولوشی عمیق (CNN)
• 14. معماری Vision Transformer (ViT)
• 15. چندمدولی: ترکیب متن، تصویر و صدا
• 16. مدل‌های چندمدولی: CLIP و مشتقهای آن
• 17. ردیابی و تشخیص اشیاء در ویدیو
• 18. پردازش سیگنال صوتی و تبدیل گفتار به متن
• 19. تولید تصویر با انتشار (Diffusion Models)
• 20. مهندسی Prompt و طراحی دستورالعمل
• 21. Fine-tuning مدل‌های زبانی بزرگ
• 22. تعمیق‌سازی مدل‌ها با LoRA و QLoRA
• 23. ارزیابی مدل‌ها: معیارها و ابزارها
• 24. مدیریت داده: دیتاست، خط لوله و نسخه‌بندی
• 25. مبانی معماری مقیاس‌پذیر: مونولیت و میکروسرویس
• 26. کانتینریزاسیون با Docker و Kubernetes
• 27. مواردگذاری خدمات هوش مصنوعی
• 28. طراحی API برای سرویس‌دهی مدل
• 29. خط لوله یادگیری ماشین (ML Pipeline)
• 30. پایپ‌لاین داده و آموزش توزیع‌شده
• 31. موانیتورینگ عملکرد مدل در تولید
• 32. رفع خطا و دیباگ مدل‌های بزرگ
• 33. بهینه‌سازی تأخیر و ظرفیت سرور
• 34. مدل‌سازی آفلاین و آنلاین
• 35. رشد افقی و عمودی در سیستم‌ها
• 36. Caching و سیستم‌های سریع‌سازی
• 37. دیتابیس برداری و جستجوی معنایی
• 38. RAG: تولید افزایش‌یافته با بازیابی
• 39. ساخت اژانس هوش مصنوعی
• 40. اینجکشن دانش و پایگاه دانش
• 41. امنیت و حریم خصوصی در اپلیکیشن‌های AI
• 42. اعتبارسنجی ورودی و مقابله با هجوم
• 43. مدیریت هزینه‌های ابری برای AI
• 44. مدل‌های چندزبانه و بومی‌سازی
• 45. تطبیق فرهنگی و حساسیت محتوا
• 46. تست خودکار و تضمین کیفیت مدل
• 47. اسکیلاینگ دیتاست‌های بزرگ
• 48. پردازش جریانی و بلادرنگ
• 49. طراحی UI/UX برای اپلیکیشن‌های AI
• 50. فرانت‌اند تعاملی با مدل‌های زبانی
• 51. ادغام با سرویس‌های ابری (AWS/GCP/Azure)
• 52. پایش و لاگ‌ها در سیستم‌های AI
• 53. CI/CD برای پروژه‌های هوش مصنوعی
• 54. استراتژی بازپخش و آپدیت مدل
• 55. معماری بدون سرور (Serverless) برای AI
• 56. مقیاس‌پذیری خودکار با Auto-scaling
• 57. بهینه‌سازی هاردآور برای استنتاج
• 58. مدل‌های کوچک و کارآمد (Small Language Models)
• 59. ترکیب مدل‌ها: آنsemble و ائکسپرت میکس
• 60. یادگیری تقویتی از بازخورد انسانی (RLHF)
• 61. اخلاق هوش مصنوعی و عدالت الگوریتمی
• 62. تفسیرپذیری و توضیح‌پذیری تصمیمات مدل
• 63. پروژه عملی: ساخت اپلیکیشن چندمدولی مقیاس‌پذیر