Course catalog

Course duration

Course provider

Topic

Categories

Showing 21-40 of 59 items.

linkedin برنامه های OWASP Top 10 برای برنامه های بزرگ زبان (LLM): یک مرور کلی (2024) (Mitalearn-437288)

  • 51 minutes
  • مناسب همه
  • Release date: 27 March 2024
  • Author: Reet Kaur
درباره این دوره: 

 

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.


linkedin بنیادهای LLM: پایگاه داده های بردار برای ذخیره سازی و بازیابی نسل تقویت شده (RAG) (Mitalearn-427462)

  • 1 hours 33 minutes
  • مناسب همه
  • Release date: 25 July 2026
  • Author: Kumaran Ponnambalam
درباره این دوره:

با افزایش محبوبیت مدل های زبان ، زیرساخت هایی که در اطراف آنها مورد استفاده قرار می گیرد نیز برای کاهش هزینه ها ، ایجاد پاسخ های دقیق و بهبود کارآیی بسیار مهم می شود. بانکهای اطلاعاتی وکتور نقش مهمی در چندین مورد استفاده از LLM برای کمک به کاهش کاستی های LLM ، کاهش هزینه ها و تأخیر دارند. آگاهی از اصول اولیه و برنامه های کاربردی آن برای هر برنامه کاربردی ساختمان مهندس با LLM بسیار مهم است و در این دوره ، کوماران پونامبالام اصول پایگاه داده های بردار و نحوه استفاده از آنها را در ذخیره سازی LLM و نسل بازیابی-اوج (RAG) به شما می آموزد.

Kumaran با بحث در مورد اصول پایگاه داده های بردار و برنامه های کاربردی آنها آغاز می شود. وی سپس پایگاه داده های تخصصی را برای ذخیره بردارها بررسی می کند و از پایگاه داده Milvus به عنوان نمونه مرجع استفاده می کند و عملیات خواندن و نوشتن را با پایگاه داده Milvus نشان می دهد. بیاموزید که چگونه از پایگاه داده های بردار برای حافظه پنهان LLM استفاده کنید ، با یک مورد استفاده به عنوان مثال ، به همراه نمونه هایی از موارد استفاده از RAG. سرانجام ، کوماران با بحث در مورد بهینه سازی بانکهای اطلاعاتی بردار نتیجه می گیرد.

linkedin بنیادهای LLM: ساختمان برنامه های مؤثر برای شرکت ها (Mitalearn-427445)

  • 1 hours 43 minutes
  • مناسب همه
  • Release date: 25 July 2026
  • Author: Kumaran Ponnambalam
درباره این دوره:

از آنجا که مدل های هوش مصنوعی تولیدی به طور فزاینده ای محبوب شده اند ، شرکت ها شروع به ساختن برنامه های نهایی به انتها برای ادغام گردش کار موجود خود با هوش مصنوعی می کنند. در این دوره ، مربی Kumaran Ponnambalam به شما نشان می دهد که چگونه می توانید با ادغام ، مدیریت عملکرد ، اعتماد و نظارت برای ارائه برنامه های کاربردی AI مؤثر و قابل اعتماد در مقیاس ، از خواب برخیزید. Kumaran اصول اولیه مدل های ارزیابی و تنظیم دقیق و همچنین الگوهای و بهترین شیوه ها را برای طراحی کاربرد اصلی پوشش می دهد. در پایان این دوره ، شما همچنین به مهارت های جدید برای مدیریت عملکرد برنامه ، حفظ ایمنی و اعتماد مجهز خواهید شد و به برخی از مهمترین چالش های اخلاقی و حقوقی هوش مصنوعی حرکت می کنید.

linkedin ترانسفورماتورها: طبقه بندی متن برای NLP با استفاده از BERT (Mitalearn-269056)

  • 59 minutes
  • مناسب همه
  • Update date: 25 July 2026
  • Author: Jonathan Fernandes
درباره این دوره:

ترانسفورماتورها دنیای پردازش زبان طبیعی (NLP) را طوفانی می کنند. در این دوره، مربی Jonathan Fernandes همه چیز را در مورد این معماری پیشرو 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 به بررسی اندازه های مدل BERT، تعصب در BERT و نحوه آموزش BERT می پردازد. 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.

linkedin تسلط بر مدل‌های استدلال: الگوریتم‌ها، بهینه‌سازی و کاربردها (Mitalearn-463570)

  • 1 hours 20 minutes
  • مناسب همه
  • Release date: 6 October 2025
  • Author: Nayan Saxena
درباره این دوره:

این دوره کاوشی جامع از مدل‌های استدلال مدرن ارائه می‌کند، با تمرکز بر نوآوری‌های الگوریتمی که مدل‌هایی مانند DeepSeek R1، OpenAI o1 و جایگزین‌های منبع باز آنها را تقویت می‌کنند. بر چهار رویکرد کلیدی برای ایجاد LLMهای استدلالی مسلط شوید: مقیاس بندی زمان استنتاج، یادگیری تقویتی خالص، SFT+RL و تقطیر دانش. از طریق مثال‌های عینی و غواصی عمیق فنی، نحوه پیاده‌سازی مقیاس‌بندی محاسباتی زمان آزمایش را بیاموزید، مکانیزم بهینه‌سازی خط مشی نسبی گروهی (GRPO) را درک کنید و خطوط لوله استنتاج کارآمدی را برای وظایف استدلال بسازید. در پایان دوره، شما باید هم دانش نظری و هم مهارت‌های عملی برای استفاده از این تکنیک‌های پیشرفته در برنامه‌های کاربردی خود داشته باشید، خواه با منابع در مقیاس سازمانی کار می‌کنید یا بودجه‌های محاسباتی محدودتری.

linkedin تکنیک‌های کوانتیزاسیون پیشرفته برای مدل‌های زبان بزرگ (Mitalearn-449477)

  • 1 hours 10 minutes
  • مناسب همه
  • Release date: 15 January 2026
  • Author: Nayan Saxena
درباره این دوره:

<h3>توضیح</h3> <h4>این دوره در مورد چیست؟</h4> با تمرکز بر الگوریتم‌ها و استراتژی‌های بهینه‌سازی که بهترین عملکرد را ارائه می‌کنند، تکنیک‌های کوانتیزه‌سازی پیشرفته را برای مدل‌های زبان بزرگ کشف کنید. مربی Nayan Saxena با پوشش مبانی ریاضی شروع می‌کند، قبل از اینکه از طریق روش‌های پیشرفته از جمله GPTQ، AWQ و SmoothQuant با مثال‌های عملی در Google Colab پیشرفت کند. در طول مسیر، نکات سریعی را برای تسلط بر مفاهیم مهم مانند فرمت های دقیق، استراتژی های کالیبراسیون و روش های ارزیابی جمع آوری کنید. این دوره با استفاده از اصول نظری و کاربردهای عملی، شما را با مهارت های مورد نیاز برای کاهش قابل توجه اندازه مدل و سرعت بخشیدن به استنتاج و حفظ کیفیت عملکرد مجهز می کند. </p> <h3>اهداف</h3> <h4>تا پایان این دوره چه کاری می توانم انجام دهم؟</h4> <ul> <li>مبانی ریاضی کوانتیزاسیون و تأثیر آنها بر معماری ترانسفورماتور را تجزیه و تحلیل کنید.</li> <li>از تکنیک‌های کوانتیزاسیون پیشرفته از جمله GPTQ، AWQ و SmoothQuant برای LLM استفاده کنید.</li> <li>معادل بین رویکردهای کوانتیزاسیون مختلف را با استفاده از معیارهای مناسب ارزیابی کنید.</li> <li>نتایج کمی سازی را از طریق استراتژی های کالیبراسیون پیشرفته بهینه کنید.</li> <li>روش‌های کوانتیزاسیون را بر اساس معماری مدل و الزامات مورد استفاده مقایسه و انتخاب کنید.</li> </ul></p> <h3>مخاطب</h3> <h4>این دوره برای چه کسانی است؟</h4> <ul> <li>مهندسین یادگیری ماشین</li> <li>تمرین‌کنندگان هوش مصنوعی</li> <li>سرنخ های فنی کار با LLM</li> </ul></p>

linkedin تنظیم دقیق LLM برای امنیت سایبری: Mistral، Llama، AutoTrain، AutoGen، و نمایندگان LLM (Mitalearn-441657)

  • 2 hours 52 minutes
  • مناسب همه
  • Release date: 29 October 2024
  • Author: Akhil Sharma
درباره این دوره: 

 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.

linkedin تنظیم دقیق برای LLMS: از مبتدی تا پیشرفته (Mitalearn-420543)

  • 3 hours 25 minutes
  • مناسب همه
  • Release date: 25 July 2026
  • Author: Axel Sirota
درباره این دوره:

این دوره از جدیدترین پیشرفت ها در مدل های بزرگ زبان (LLM) مانند Flan-T5 استفاده می کند و متخصصان را قادر می سازد تا این ابزارها را به طور مؤثر در چشم انداز AI در حال تحول در حال تحول داشته باشند. مربی Axel Sirota به شما کمک می کند تا یک پایه محکم در اصول اولیه LLMS ایجاد کنید و به بررسی معماری ، تکامل و نقش آنها در چشم انداز فعلی هوش مصنوعی بپردازید. به مهندسی سریع بپردازید و یاد بگیرید که چگونه می توانید از پیشبردهای مؤثر استفاده کنید که خروجی های LLM را برای کارهای خاص راهنمایی می کند. سپس با استفاده از LORA ، به یادگیری انتقال و تنظیم دقیق Peft شیرجه بزنید و نحوه تطبیق و بهینه سازی LLM ها را برای کارهای متنوع NLP پیدا کنید. هر بخش دوره شامل کلیپ های اکشن ، اسلایدها و نسخه های نمایشی و همچنین چالش های دنیای واقعی است که مهندسی سریع ، یادگیری انتقال و تکنیک های تنظیم دقیق را برای تقویت توانایی های FLAN-T5 پوشش می دهد. به علاوه ، شما یک پروژه نهایی با محوریت ساخت یک راه حل NLP شامل تجزیه و تحلیل احساسات ، خلاصه متن و پاسخ به سؤال را تکمیل خواهید کرد.

linkedin توسعه برنامه های کاربردی LLM با Langchain و OpenAI (Mitalearn-427003)

  • 3 hours 52 minutes
  • مناسب همه
  • Release date: 24 September 2024
  • Author: Sandy Ludosky
درباره این دوره: 

 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.

linkedin توسعه مبتنی بر هوش مصنوعی با API Anthropic (Mitalearn-450361)

  • 37 minutes
  • مناسب همه
  • Release date: 20 March 2025
  • Author: Ray Villalobos
درباره این دوره:

APIهای هوش مصنوعی راه‌های قدرتمندی برای ساخت برنامه‌های هوشمند ارائه می‌دهند، اما استفاده مؤثر از آن‌ها به مهندسی سریع ماهرانه و دانش API نیاز دارد. در این دوره، تجربه عملی در مورد درخواست‌های API به دست خواهید آورد، بهترین روش‌ها برای ساختاربندی اعلان‌ها را یاد می‌گیرید و قابلیت‌های مدل هوش مصنوعی را مقایسه می‌کنید. یاد بگیرید که هوش مصنوعی را در جریان کار توسعه خود ادغام کنید.

linkedin جمینی پیشرفته برای توسعه دهندگان (Mitalearn-442371)

  • 1 hours 11 minutes
  • مناسب همه
  • Release date: 22 May 2025
  • Author: Lynn Langit
درباره این دوره: 

 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.

linkedin حافظه هوش مصنوعی: کاوش و ساخت سیستم های حافظه LLM (Mitalearn-410768)

  • 53 minutes
  • مناسب همه
  • Release date: 18 December 2024
  • Author: Morten Rand-Hendriksen
درباره این دوره: 

 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.

linkedin دستیار کد خود را با Llama 2، Node.js و React.js ایجاد کنید (Mitalearn-454883)

  • 1 hours 57 minutes
  • مناسب همه
  • Release date: 10 October 2024
  • Author: Steven Emmerich
درباره این دوره:

<p>دستیارهای کدنویسی از نظر تئوری ایده خوبی به نظر می رسند. اما آنها اغلب خیلی عمومی هستند و توانایی شخصی کردن سبک ها و نیازهای فردی را ندارند. این دوره به توسعه دهندگان این امکان را می دهد تا شرکای اختصاصی هوش مصنوعی بسازند که گردش کار آنها را درک کرده و نیازهای آنها را پیش بینی کند. به مربی استیون امریک بپیوندید تا شما را در فرآیند ایجاد دستیار کد سفارشی ساخته شده با Llama 2، Node.js و React.js راهنمایی کند. اگر توسعه‌دهنده‌ای هستید که به دنبال ایجاد گردش‌های کاری کارآمدتر از طریق کمک شخصی‌سازی شده است، در این دوره آموزشی به استیون بپیوندید تا دریابید که چگونه می‌توانید دستیار بسازید تا به شما کمک کند—و همزمان مهارت‌های هوش مصنوعی خود را تقویت کنید.</p> <p>این دوره با GitHub Codespaces یکپارچه شده است، یک محیط توسعه دهنده ابر فوری که تمام عملکردهای IDE مورد علاقه شما را بدون نیاز به هیچ گونه راه اندازی ماشین محلی ارائه می دهد. با GitHub Codespaces، می‌توانید در هر زمان و در هر زمانی از هر ماشینی تمرین عملی داشته باشید، در حالی که از ابزاری استفاده می‌کنید که احتمالاً در محل کار با آن مواجه خواهید شد. برای یادگیری نحوه شروع، ویدیوی «استفاده از GitHub Codespace» را بررسی کنید.</p>

linkedin راهنمای پیشرفته چت ، تعبیه و سایر مدل های بزرگ زبان (LLMS) (Mitalearn-409391)

  • 14 hours 1 minutes
  • مناسب همه
  • Release date: 25 July 2026
  • Author: Sinan Ozdemir,Pearson
درباره این دوره:

به دنبال کسب اطلاعات بیشتر در مورد بسیاری از موارد استفاده بالقوه از مدل های زبان بزرگ (LLM) هستید؟ این دوره یک راهنمای شروع سریع است که برای کمک به شما در یادگیری نحوه استفاده و راه‌اندازی ChatGPT، T5 و BERT در مقیاس طراحی شده است. با مطالعات موردی در دنیای واقعی برای نشان دادن مفاهیم، ​​مربی سینان اوزدمیر یک رویکرد گام به گام برای ساخت و استقرار LLM ها را با سهولت تشریح می کند. از ایجاد یک موتور توصیه و راه‌اندازی یک سیستم بازیابی اطلاعات گرفته تا ساختن یک سیستم شرح تصاویر و فراتر از آن، این دوره دستورالعمل‌ها و بهترین شیوه‌ها را برای هر کسی که علاقه‌مند به استفاده از LLM برای ایجاد بینش‌هایی است که در غیر این صورت به سختی می‌توانست به دست آورد، ارائه می‌کند.

linkedin راهنمای کامل برای ارزیابی مدلهای بزرگ زبان (LLMS) (Mitalearn-415086)

  • 7 hours 56 minutes
  • مناسب همه
  • Release date: 2 July 2025
  • Author: Sinan Ozdemir,Pearson
درباره این دوره: 

 

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.


linkedin روندهای مدل هوش مصنوعی: جدیدترین چیزی که باید بدانید (Mitalearn-450208)

  • 2 hours 36 minutes
  • مناسب همه
  • Update date: 21 September 2026
  • Author: Ray Villalobos
درباره این دوره:

<p>ارائه‌دهندگان بزرگ هوش مصنوعی مدل‌های جدید را با سرعتی ارسال می‌کنند که ردیابی آن دشوار است. این دوره یک مکان واحد و قابل اعتماد برای درک همه آن در اختیار شما قرار می دهد. هر ویدیو با پوشش OpenAI، Anthropic، Google Gemini، و مدل‌های با وزن باز برتر، موارد جدید را نشان می‌دهد. عملکرد مدل‌ها، نحوه عملکرد ویژگی‌ها، هزینه‌ها و اهمیت به‌روزرسانی‌ها برای پروژه‌های شما را بررسی کنید. موارد استفاده متمرکز بر توسعه‌دهنده، مقایسه‌های معیار، و ارزیابی‌های صادقانه از خطر استهلاک را مرور کنید. منتظر آخرین اخبار باشید - این دوره به طور مرتب به روز می شود تا محتوا را به روز نگه دارد. </p> <p>توجه: از آنجایی که این سریال در حال انجام است، بینندگان گواهی پایان کار دریافت نخواهند کرد.</p>

linkedin ساخت با AI: برنامه تجزیه و تحلیل داده های LLM با Python و StreamLit (Mitalearn-413998)

  • 1 hours 35 minutes
  • مناسب همه
  • Release date: 12 September 2025
  • Author: Maggie Ma
درباره این دوره: 

 

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.


linkedin ساخت با AI: برنامه های کاربردی با LLM با streamlit (Mitalearn-413981)

  • 3 hours 16 minutes
  • مناسب همه
  • Release date: 25 July 2026
  • Author: Megan Silvey
درباره این دوره:

در این دوره دستی ، مربی مگان سیلوی به شما نشان می دهد که چگونه می توانید از StreamLit برای ساخت برنامه های وب استفاده کنید. این چارچوب پایتون منبع باز به ابزاری اصلی برای دانشمندان داده و مهندسان AI/ML تبدیل شده است. به طور خاص ، یاد بگیرید که چگونه می توانید یک سند بازیابی (RAG) را با استفاده از Python و API OpenAi ، طراحی و استقرار کنید. با یک مرور کلی از مدل های زبان و زبان بزرگ (LLMS) همراه با بهترین شیوه ها برای کار با هوش مصنوعی و API شروع کنید. در مرحله بعد ، نحوه تهیه داده های متنی را برای ایجاد خط لوله RAG که در یک رابط چت Streamlit ادغام می شود ، پیدا کنید. در پایان این دوره ، شما آماده خواهید بود که یک Chatbot کاملاً کاربردی را بر روی ابر جامعه Cloud آزمایش ، نگهداری و مستقر کنید. 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.

linkedin ساخت با هوش مصنوعی: عوامل SQL با مدل های زبان بزرگ (Mitalearn-453064)

  • 1 hours 6 minutes
  • مناسب همه
  • Release date: 16 October 2025
  • Author: Rami Krispin
درباره این دوره:

<p>در این دوره آموزشی، نحوه عملکرد عوامل AI SQL و نحوه ساخت یک عامل از ابتدا را بیاموزید. با معماری کلی یک عامل SQL شروع کنید و سپس به اجزای مختلف آن بپردازید. مربی Rami Krispin به شما نشان می دهد که چگونه یک موتور سریع طراحی کنید و با چارچوب های مختلف LLM مانند OpenAI GPT 4.1، Google Gemini Flash 2.0 و Anthropic Cloud 4 با استفاده از کلاینت پایتون کار کنید. در نهایت، Rami شما را از ابتدا در ساخت مؤلفه عامل هوش مصنوعی از ابتدا با استفاده از پایتون راهنمایی می‌کند.</p><p>این دوره با GitHub Codespaces، یک محیط توسعه ابر فوری که تمام قابلیت‌های IDE مورد علاقه شما را بدون نیاز به راه‌اندازی ماشین محلی ارائه می‌دهد، یکپارچه شده است. با GitHub Codespaces، می‌توانید در هر زمان و در هر زمانی از هر ماشینی تمرین عملی داشته باشید، در حالی که از ابزاری استفاده می‌کنید که احتمالاً در محل کار با آن مواجه خواهید شد. برای یادگیری نحوه شروع، ویدیوی «استفاده از فضاهای کد GitHub با این دوره» را بررسی کنید.</p>

linkedin ساختن سیستم های پیشنهادی مبتنی بر LLM (Mitalearn-452656)

  • 2 hours 18 minutes
  • مناسب همه
  • Release date: 5 February 2026
  • Author: Rishabh Misra
درباره این دوره:

<h3>توضیح</h3> <h4>این دوره در مورد چیست؟</h4> یک نمای کلی فنی از نحوه شروع ساخت نسل بعدی سیستم های توصیه گر هوشمند دریافت کنید. فراتر از الگوریتم‌های سنتی، این دوره به شما نشان می‌دهد که چگونه سیستم‌های موجود را با استفاده از تکنیک‌های مبتنی بر هوش مصنوعی برای جاسازی تولید، رتبه‌بندی مجدد معنایی و کاهش شروع سرد تقویت کنید. مدرس Rishabh Misra نحوه طراحی معماری های پیچیده بومی GenAI را توضیح می دهد که تجربیات پویا مانند جستجوی مکالمه و توصیه های چندوجهی را امکان پذیر می کند. این دوره بر ارزیابی قوی، از جمله چگونگی اندازه گیری کیفیت، انصاف، و دقت واقعی با استفاده از رویکردهایی مانند تولید افزوده بازیابی (RAG) تاکید می کند. در پایان، شما آماده طراحی، ارزیابی و عملیاتی کردن سیستم‌های توصیه‌کننده مؤثر و مسئولانه GenAI در یک محیط تولید خواهید بود.</p> <p>این دوره با GitHub Codespaces یکپارچه شده است، یک محیط توسعه مبتنی بر ابر که عملکرد کامل IDE را بدون نیاز به تنظیم محلی ارائه می‌کند و تمرین عملی را از هر ماشینی امکان‌پذیر می‌کند.</p> <h3>مدرس</h3> <h4>چه کسی این دوره را تدریس می کند؟</h4> Rishabh Misra یک مهندس اصلی ML در Atlassian است، جایی که او ابتکارات پس از آموزش LLM و شخصی سازی GenAI را رهبری می کند.</p> <h3>اهداف</h3> <h4>تا پایان این دوره چه کاری می توانم انجام دهم؟</h4> <ul> <li>تفاوت‌های بین سیستم‌های توصیه‌گر سنتی و رویکردهای مدرن مبتنی بر GenAI، از جمله تغییر به درک معنایی را بیان کنید.</li> <li>تکنیک‌های کاربردی GenAI مانند تولید جاسازی، رتبه‌بندی مجدد زنجیره‌ای از افکار، و تولید تقویت‌شده با بازیابی (RAG) را برای بهبود عملکرد و قابلیت اطمینان به کار ببرید.</li> <li>معماری‌های سطح بالا را برای سیستم‌های توصیه‌گر بومی GenAI، انتخاب مدل‌ها و زیرساخت‌های مناسب مانند پایگاه‌های داده برداری طراحی کنید.</li> <li>راهبردهای ارزیابی را با استفاده از معیارهای کیفیت، انصاف و دقت واقعی ایجاد کنید.</li> <li>برنامه های عملیاتی برای استقرار، از جمله مدیریت تأخیر، نظارت بر مدل، و یکپارچه سازی خط لوله CI/CD ایجاد کنید.</li> </ul></p> <h3>مخاطب</h3> <h4>این دوره برای چه کسانی است؟</h4> <ul> <li>مهندسین نرم افزار</li> <li>دانشمندان داده</li> <li>مهندسین AI و ML</li> <li>مدیران محصول فنی</li> </ul></p> <h3>پیش نیازها</h3> <h4>چه چیزی باید قبل از شرکت در این دوره بدانم؟</h4> <ul> <li>درک اولیه مفاهیم یادگیری ماشین</li> <li>آشنایی با چارچوب ها و ابزارهای هوش مصنوعی و ML</li> <li>تجربه در مهندسی نرم افزار یا تجزیه و تحلیل داده ها مفید است</li> </ul></p>

Suggestions