همانطور که هوش مصنوعی نحوه تعامل ما با فناوری را تغییر می دهد، ایمن سازی مدل های زبان بزرگ (LLM) و اکوسیستم های اطراف آن ها به یک وظیفه حیاتی تبدیل شده است. در این دوره، Reet Kaur - مدیر سابق CISO و مدیر اجرایی سابق مدیریت ریسک و امنیت فناوری اطلاعات - شما را از طریق آخرین نسخه OWASP Top 10 for LLMs (2025) راهنمایی می‌کند، راهنمای انجمنی برای درک مهم‌ترین آسیب‌پذیری‌ها در سیستم‌های LLM. هر خطر، از جمله تزریق سریع، مسمومیت داده ها، اطلاعات نادرست، و عاملیت بیش از حد را بررسی کنید، و استراتژی های کاهش عملی را بررسی کنید. بیاموزید که چگونه مدل‌سازی تهدید را به‌طور خاص برای برنامه‌های LLM اعمال کنید و خطرات امنیتی LLM را با چارچوب‌های استاندارد هماهنگ کنید. هنگامی که این دوره را تکمیل کردید، مهارت‌هایی برای پیاده‌سازی بهترین شیوه‌های امنیتی LLM در استقرار در دنیای واقعی خواهید داشت.

 از آنجا که مدلهای بزرگ زبان در صنایع مختلف به طور فزاینده ای رواج می یابد ، متخصصان باید نحوه ساخت ، تنظیم دقیق و استقرار این مدل ها را به طور مؤثر و با مسئولیت پذیری درک کنند. در این دوره ، پایه های ساختمان ، تنظیم دقیق و استقرار LLM ها را در برنامه های دنیای واقعی بیاموزید. مربیان Soham Chatterjee و Archana Vaidheeswaran با مقدمه ای برای LLMS و تکامل آنها در چشم انداز AI شروع می کنند. آنها سپس به معماری LLM شیرجه می زنند ، به شما نشان می دهند که چگونه می توانید استراتژی های تنظیم کارهای سفارشی را تنظیم کنید ، توضیح دهید که چرا و چگونه می توان LLM ها را فشرده کرد و در آخر جنبه های مهم مهندسی سریع را پوشش داد. در طول دوره ، آنها یک سری چالش ها و راه حل ها را ارائه می دهند تا بتوانید در هنگام رفتن درسها را تمرین کنید.

 

آیا شما آماده ساخت برنامه های کاربردی با مدل های بزرگ زبان (LLMS) هستید ، اما مطمئن نیستید که از کجا شروع کنید؟ این دوره که منحصر به فرد برای مبتدیان و بدون تجربه در فضای LLM طراحی شده است ، نمای کلی از اصول LLM ها را با چالش های دستی برای تقویت مهارت های شما در این راه ارائه می دهد. ملزومات مربوط به تولید با اوج بازیابی را از جمله اصول اولیه موتور جستجو ، محدودیت های مدل تعبیه شده و نحوه ساخت یک برنامه چت-با PDF کاوش کنید. در طول راه ، مربی هان لی تکنیک های مهندسی سریع را به شما نشان می دهد ، از جمله استراتژی هایی برای مهندسی زمینه برای مدیریت و بهینه سازی ورودی های ارائه شده به LLM ها و نظارت بر بینش آنها از طریق ابزارهای مشاهده ای مانند Langsmith. با استفاده از Codepaces GitHub ، می توانید از هر دستگاهی ، در هر زمان استفاده کنید-همه در حالی که از ابزاری استفاده می کنید که احتمالاً در محل کار با آن روبرو خواهید شد. برای یادگیری نحوه شروع کار ، از فیلم "استفاده از CodeSpaces GitHub با این دوره" دیدن کنید.

 آیا شما یک مهندس ، معمار راه حل یا توسعه دهنده نرم افزار هستید که وظیفه ساخت برنامه های سازمانی را دارید؟ وقت آن است که با جدیدترین ابزارها و تکنیک های هوش مصنوعی سرعت بگیریم-در این حالت ، نسل بازیابی شده با اوج (RAG). در این دوره ، که توسط آزمایشگاه های پیشرو در زمینه فناوری AI طراحی شده است ، به مربی گای ارنست بپیوندید ، زیرا او مفاهیم بنیادی و پیشرفته مورد نیاز برای استفاده از پارچه را برای مدل های بزرگ زبان ، از جمله رمزگذاری متن با استفاده از بردارهای تعبیه شده ، تکه های مستند با استراتژی های غنی سازی ، بهبود بازیابی اسناد و موارد دیگر ، بیان می کند. در پایان این دوره ، شما به مهارت های لازم برای استفاده از قدرت Rag مجهز خواهید شد.

 همانطور که برنامه های مبتنی بر LLM گسترش می یابد ، بسیاری از آنها به عنوان روکش های نازک در اطراف مدل های قوی تر مانند GPT عمل می کنند. در این دوره ، مربی لورنس مورونی اصول اولیه ساخت برنامه LLM خود را نشان می دهد و کنترل نحوه عملکرد آن از انتهای آن را نشان می دهد. در مورد برخی از موارد اصلی استفاده LLM در توسعه برنامه ، مقدمه ای کسب کنید. دانش اساسی Python ، Node.js و LLMS لازم است. در پایان این دوره ، شما آماده خواهید بود که یک اکوسیستم OPS ایجاد کنید که عملکرد اصلی آن مبتنی بر LLM است.

 امروز با دو مورد از بحث و گفتگو در زمینه فناوری امروز سرعت بگیرید: پردازش زبان طبیعی (NLP) و مدل های زبان بزرگ (LLMS). در این دوره ، که به طور منحصر به فرد برای متخصصان غیر فنی و غیر برنامه نویسی طراحی شده است ، مربی Gwendolyn Stripling یک مرور کلی از نحوه پردازش رایانه ها و درک زبان انسانی ارائه می دهد. برنامه های کاربردی در دنیای واقعی NLP و LLMS را در صنایع مختلف ، از Chatbots و دستیاران مجازی گرفته تا تجزیه و تحلیل احساسات و تولید محتوا ، کاوش کنید. در طول راه ، ضمن ایجاد دیدگاه مهم از مزایا ، هزینه ها و چالش های آنها ، برخی از تأثیرات بالقوه این فناوری های قدرتمند را کشف کنید.

 

به عنوان مدل های بزرگ زبان (LLMS) چشم انداز هوش مصنوعی را متحول می کند ، درک و پرداختن به چالش های امنیتی منحصر به فرد که ارائه می دهند بسیار مهم است. در این دوره جامع از آزمایشگاه های Pragmatic AI ، مربی آلفردو دزا دانش و مهارت های فنی مورد نیاز برای شناسایی ، کاهش و جلوگیری از آسیب پذیری های امنیتی در برنامه های LLM خود را پوشش می دهد. تهدیدات امنیتی مشترک ، مانند سرقت مدل ، تزریق سریع و افشای اطلاعات حساس را کشف کنید و تکنیک های عملی را برای جلوگیری از سوء استفاده از آسیب پذیری ها و به خطر انداختن سیستم های خود یاد بگیرید. بهترین شیوه ها را برای طراحی پلاگین ایمن ، اعتبار سنجی ورودی و ضد عفونی و همچنین نحوه نظارت فعال وابستگی ها برای به روزرسانی های امنیتی و آسیب پذیری ها کشف کنید. در طول راه ، آلفردو استراتژی هایی را برای محافظت از سیستم های هوش مصنوعی در برابر دسترسی غیرمجاز و نقض داده ها تشریح می کند. در پایان دوره ، شما آماده خواهید بود تا راه حل های قوی ، ایمن و مؤثر AI را مستقر کنید. ما خوشحالیم که این آموزش را در کتابخانه خود میزبانی می کنیم.

 هوش مصنوعی تکامل یافته است و طیف وسیعی از افراد از توسعه دهندگان ، سرگرمی ها و رهبران فناوری که به دنبال کشف اکوسیستم هستند ، وجود دارد. در این دوره ، مربی Wuraola Oyewusi اکتشافی هدایت شده از توسعه دهندگان ابزارهای نوظهور در حال ظهور ارائه می دهد تا بتوانند در شغل خود رقابت کنند. با ظهور ابزارهای هوش مصنوعی مانند رابط های چت و مدل های AI به راحتی در دسترس ، می تواند برای کسانی که به دنبال بخشی از موج هوش مصنوعی هستند ، بسیار زیاد باشد. این دوره دانش را به شما می دهد تا با اطمینان در اکوسیستم AI حرکت کنید و ابزارها و منابع مرتبط با اهداف خود را شناسایی کنید.

 تخصص خود را در تجزیه و تحلیل داده های محور AI و تعامل با مشتری بالا ببرید و بدانید که چگونه می توانید هوش مصنوعی مکالمه را در تعامل داده ها با Chatgpt و Langchain ادغام کنید. در این دوره دستی ، رهبر متمایز فناوری و نوآوران Kesha Williams شما را از طریق ساختن یک چت بابات با چتپپ با استفاده از Langchain راهنمایی می کند ، با تمرکز بر مباحث کلیدی مانند مهندسی سریع ، بانکهای اطلاعاتی وکتور ، بازیابی داده ها و پاسخ به سؤال. در پایان دوره ، شما می دانید که چگونه برنامه های پیچیده LLM را توسعه دهید ، پایگاه داده های بردار را اداره کنید و راه حل های هوش مصنوعی ایجاد کنید که به طور هوشمندانه با آنها ارتباط برقرار کرده و بینش را از منابع داده های متنوع استخراج کرده و استخراج کنید.

 

در این دوره ، جاناتان دینو - یک مربی اختصاصی ، نویسنده و سخنران - یک تور تعاملی از مدل سازی عمیق تولید می کند. بیاموزید که چگونه مدل های تولیدی خود را از ابتدا آموزش دهید تا بی نهایت تصاویر ایجاد شود. کشف کنید که چگونه می توانید متن را با مدل های بزرگ زبان شبیه به آنهایی که برنامه های کاربردی مانند ChatGPT ایجاد می کنند ، ایجاد کنید. خط لوله متن به تصویر خود را بنویسید تا درک کنید که چگونه مدل های تولیدی مبتنی بر سریع کار می کنند. به علاوه ، مدل های بزرگ پیش ساخته مانند انتشار پایدار را برای تولید تصاویر از موضوعات جدید در سبک های بینایی منحصر به فرد شخصی سازی کنید. این دوره یک منبع کاربردی را برای تکمیل هر دانش نظری یا مفهومی شما ارائه می دهد.

این دوره توسط جاناتان دینو و پیرسون ایجاد شده است. ما خوشحالیم که این آموزش را در کتابخانه خود میزبانی می کنیم.

 

از زمان انتشار ChatGPT ، به نظر می رسد همه در مورد مدل های بزرگ زبان (LLMS) صحبت می کنند. با اتخاذ سریع این فناوری جدید هیجان انگیز ، برای سازمانها بسیار مهم است که به بازیگران تهدیدآمیز که می توانند از مزایای پیشرفت های نوظهور سوء استفاده کنند و خطرات قابل توجهی را برای داده ها و حریم خصوصی شما سوءاستفاده کنند ، بسیار مهم است. به مربی Reet Kaur بپیوندید زیرا او ده آسیب پذیری امنیتی مهم و مهم در زمینه تجارت ، از جمله تزریق سریع ، کار با خروجی ناامن ، مسمومیت با داده های آموزش ، انکار مدل خدمات ، آسیب پذیری های زنجیره تأمین ، ناسازگاری اطلاعات حساس ، طراحی افزونه های ناامن ، آژانس بیش از حد ، بیش از حد و مدل سرقت را در بر می گیرد.

 حوزه نوظهور امنیت سایبری که توسط مدل‌های زبان بزرگ (LLM) افزایش یافته است را در این دوره مفصل و تعاملی کاوش کنید. مربی آخیل شارما با اصول اولیه شروع می کند، از جمله دنیای LLM های منبع باز، معماری و اهمیت آنها، و تفاوت آنها با مدل های منبع بسته. بیاموزید که چگونه مدل‌ها را اجرا و تنظیم کنید تا به طور مؤثرتری با چالش‌های امنیت سایبری مقابله کنید. برای شناسایی تهدیدهای جدید، تولید داده‌های مصنوعی، انجام هوش منبع باز (OSINT) و اسکن آسیب‌پذیری‌های کد با مثال‌های عملی و چالش‌های هدایت‌شده، بینش جمع‌آوری کنید. این دوره آموزشی برای متخصصان امنیت سایبری، متخصصان فناوری اطلاعات و هر کسی که علاقه مند به درک این موضوع است که چگونه هوش مصنوعی می‌تواند پروتکل‌های امنیتی را تقویت کند، ایده‌آل است، این دوره شما را آماده می‌کند تا هم افزایی هوش مصنوعی را برای امنیت سایبری، باز کردن پتانسیل‌های جدید در تشخیص تهدید، پیشگیری و واکنش نشان دهد.

 با تمرکز بر ادغام آنها در برنامه های کاربردی با استفاده از OpenAI API به دنیای مدل های زبان بزرگ (LLM) شیرجه بزنید. نحوه تقویت LLM با اجزای بازیابی، استقرار برنامه های چت تعاملی، و ساخت عوامل چند بازیابی برای مدیریت پیشرفته داده ها را کشف کنید. به مربی سندی لودوسکی بپیوندید تا مهارت‌هایی را برای ایجاد عوامل هوشمندی که قادر به انجام کارهای پیچیده هستند، از جستجوهای معنایی گرفته تا ربات‌های گفتگوی پاسخ‌گو، به دست آورید که به طور قابل توجهی تجربیات کاربر را افزایش می‌دهد. چه بخواهید در نقش فعلی خود نوآوری کنید یا پروژه های هوش مصنوعی جدیدی را آغاز کنید، این دوره دانش اساسی و مهارت های عملی مورد نیاز برای مهار موثر قدرت LLM را ارائه می دهد.

 در این دوره یاد بگیرید که از الگوها و سناریوهای اپلیکیشن های گوگل جمینی برای ساخت اپلیکیشن های مبتنی بر LLM استفاده کنید. اینها شامل الگوهایی برای اعتبار سنجی سریع، ساخت برنامه کاربردی RAG و LLM است. مربی Lynn Langit همچنین شامل مقایسه هایی با استفاده از Model Garden با سایر LLM های بنیادی برای سناریوهای برنامه شما می شود.

 به نظر می رسد سیستم های AI مانند ChatGPT حافظه دارند ، اما مدل های زبان نمی توانند چیز جدیدی یاد بگیرند ، بنابراین چه خبر است؟ در این دوره ، ما بررسی خواهیم کرد که چگونه سیستم ها با استفاده از مدل های زبان از حافظه تقلید می کنند تا مکالمات مداوم ایجاد کنند. با شروع از ویژگی حافظه ChatGPT و پایان دادن به یک برنامه سفارشی با مدیریت حافظه ، همه چیز را از زمینه ویندوز و محدودیت های توکن گرفته تا مدیریت موضوع دستیار و طراحی حافظه هوش مصنوعی کاربر محور بررسی خواهیم کرد.

 

در این دوره جامع ، Sinan Ozdemir متخصص AI و LLM دانش و مهارت های خود را برای ارزیابی عملکرد LLM به اشتراک می گذارد. مقدمه مفصلی در مورد فرآیند ارزیابی LLMS ، Multimodal AI و برنامه های کاربردی AI مانند عوامل و RAG دریافت کنید. بیاموزید که چگونه این ابزارهای هوش مصنوعی قدرتمند و غالباً ناخوشایند را ارزیابی و ارزیابی کنید تا بتوانید اطمینان حاصل کنید که آنها نیازهای دنیای واقعی شما را برآورده می کنند. این دوره شما را برای ارزیابی و بهینه سازی LLM ها آماده می کند تا بتوانید برنامه های برش AI را تولید کنید.

این دوره توسط پیرسون ایجاد شده است. ما خوشحالیم که این آموزش را در کتابخانه خود میزبانی می کنیم.

 

در این دوره سریع و دستی ، یاد بگیرید که یک ابزار تجزیه و تحلیل داده های سبک و دارای هوش مصنوعی با استفاده از Python ، Streamlit و OpenAI API بسازید. مربی Maggie Ma به شما نشان می دهد که چگونه می توانید یک مجموعه داده را بارگذاری کنید و به زبان انگلیسی ساده بپرسید - برنامه شما ورودی را به کد (Python یا SQL) تبدیل می کند ، آن را اجرا می کند و بینش های مفیدی را باز می گرداند. ایده آل برای تیم های فنی که به دنبال پشتیبانی از ذینفعان غیر فنی هستند ، این دوره شما را از طریق ساختمان و آزمایش یک رابط زبان طبیعی برای داده های ساخت یافته می برد. هیچ تجربه قبلی با LLMS لازم نیست - فقط پایتون و کمی پاندا - و دوره را با یک نمونه اولیه کار می کنید که می توانید در داخل آن گسترش یا استقرار دهید.

این دوره با CodeSpaces GitHub ، یک محیط توسعه دهنده ابر فوری که تمام عملکردهای IDE مورد علاقه شما را بدون نیاز به تنظیمات محلی محلی ارائه می دهد ، یکپارچه شده است. با استفاده از Codepaces GitHub ، می توانید از هر دستگاهی ، در هر زمان استفاده کنید-همه در حالی که از ابزاری استفاده می کنید که احتمالاً در محل کار با آن روبرو خواهید شد. برای یادگیری نحوه شروع کار ، "تنظیمات Codepaces Github" را با این دوره بررسی کنید.

 ترانسفورماتورها دنیای پردازش زبان طبیعی (NLP) را طوفانی می کنند. در این دوره، مربی جاناتان فرناندز همه چیز را در مورد این معماری برای کارهای NLP و بینایی کامپیوتر و مهارت های لازم در جعبه ابزار هوش مصنوعی به شما آموزش می دهد. جاناتان از یک رویکرد عملی برای نشان دادن اصول اولیه کار با ترانسفورماتورها در NLP و تولید استفاده می کند. او در مورد اندازه های مدل BERT، تعصب در BERT و نحوه آموزش BERT صحبت می کند. جاناتان یادگیری انتقالی را بررسی می‌کند، نحوه استفاده از مدل BERT و توکن‌سازی را به شما نشان می‌دهد و طبقه‌بندی متن را پوشش می‌دهد. پس از توضیح کامل معماری مدل ترانسفورماتور، او با چند دوره آموزشی اضافی به پایان می رساند.

 این دوره به بررسی مدل استدلال Openai (سری O) با تمرکز بر قابلیت های استدلال پیشرفته و کاربردهای عملی در زمینه های تجاری و علمی می پردازد. مربی Anurag Karuparti همه چیز را از مفاهیم اساسی و پیاده سازی های فنی گرفته تا ملاحظات اخلاقی و توسعه آینده پوشش می دهد. مهارت های جدید خود را در طول مسیر با تمرینات عملی عملی در برنامه نویسی ، تجزیه و تحلیل ریسک و اجرای ایمنی تست کنید. در پایان این دوره ، شما آماده خواهید بود تا از ویژگی های منحصر به فرد سری O ، از جمله معماری مقیاس بندی استنباط آن و قابلیت های استدلال زنجیره ای استفاده کنید.

 با استفاده از برنامه Jan، نحوه راه‌اندازی، عملکرد و آزمایش LLM‌ها را در دستگاه خود کشف کنید. مدل‌های منبع باز و بسته و الزامات نصب را کاوش کنید. مدل‌های هوش مصنوعی از جمله Meta's Llama، Mistral AI و ChatGPT منبع بسته OpenAI را به صورت محلی آزمایش کنید. این دوره برای کسانی که مشتاق آزمایش مدل‌های هوش مصنوعی با داده‌های شخصی بدون اشتراک‌گذاری شخص ثالث هستند، یا برای کسانی که می‌خواهند از ChatGPT استفاده کنند، مناسب است، اما باید مطمئن شوند که هوش مصنوعی‌های دیگر را آموزش نمی‌دهند.