اکسپرس 24
کتاب ساخت اپلیکیشن‌های هوشمند با Ollama، Pydantic و پایتون

کتاب ساخت اپلیکیشن‌های هوشمند با Ollama، Pydantic و پایتون

تگ‌ها: AI ChromaDB Docker FastAPI LangChain LLM Ollama Pydantic Python RAG Streamlit vector database هوش مصنوعی یادگیری ماشین

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 62,488 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی

📚 محتوای این محصول آموزشی (پکیج کامل)

💡 این محصول یک نسخهٔ کامل و جامع است

تمامی محتوای آموزشی این کتاب در قالب یک بسته‌ی کامل و یکپارچه ارائه می‌شود و شامل تمام نسخه‌ها و فایل‌های موردنیاز برای یادگیری است.

🎁 محتویات کامل بسته دانلودی

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل کتاب‌ها، تمرین‌ها و خودآزمایی .

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود و نسخهٔ چاپی ندارد.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های کتاب همانجا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

🎓 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

📚 محتوای این محصول آموزشی (پکیج کامل)

💡 این محصول یک نسخهٔ کامل و جامع است

تمامی محتوای آموزشی این کتاب در قالب یک بسته‌ی کامل و یکپارچه ارائه می‌شود و شامل تمام نسخه‌ها و فایل‌های موردنیاز برای یادگیری است.

🎁 محتویات کامل بسته دانلودی

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل کتاب‌ها، تمرین‌ها و خودآزمایی .

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود و نسخهٔ چاپی ندارد.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های کتاب همانجا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.