تصور کنید بتوانید صفحات گسترده و نمودارهای اکسل پیچیده ایجاد کنید - و به سرعت بینش هایی را برای ذینفعان خود جمع آوری کنید - با استفاده از چیزی بیش از یک چت ساده. با Microsoft 365 Copilot، که قدرت مدل‌های زبان بزرگ (LLM) را به برنامه‌های بهره‌وری مورد علاقه‌تان می‌آورد، این می‌تواند واقعیت شما امروز باشد. به Jess Stratton بپیوندید تا به مبتدیان و متخصصان نحوه استفاده از Copilot برای ساده‌سازی اساسی گردش‌های کاری رایج اکسل را نشان دهد.

 افزونه Copilot در Teams به شما امکان می دهد از چندین ویژگی هوش مصنوعی برای افزایش بهره وری خود استفاده کنید. به مربی نیک برازی بپیوندید تا نحوه دریافت خلاصه یا پاسخ در مورد مکالمات چت را نشان دهد. Copilot همچنین می تواند به شما در یافتن اطلاعات درباره جلسات کمک کند. بنابراین، اگر به یک جلسه دیر رسیدید، Copilot می تواند شما را درگیر کند. این دوره همچنین نحوه استفاده از دستیار چت مایکروسافت 365 را برای دریافت پاسخ در مورد برنامه، اسناد و سایر اطلاعات سازمان خود نشان می دهد.

 

Microsoft 365 Copilot—یک ویژگی جدید مبتنی بر هوش مصنوعی در دسترس برای برنامه‌های مایکروسافت 365— می‌تواند به شما در ایجاد، اصلاح و قالب‌بندی ارائه‌هایی با ظاهر حرفه‌ای در عرض چند ثانیه کمک کند. در این دوره، به جولی تربرگ MVP مایکروسافت پاورپوینت بپیوندید تا به شما نحوه استفاده از Copilot در پاورپوینت را از ابتدا تا انتها برای ایجاد یک ارائه کامل و متقاعدکننده نشان دهد.

یاد بگیرید که چگونه یک ایده ایجاد کنید و یک درخواست وارد کنید، هدایت Copilot برای تولید اسلایدهای جدید مخصوص موضوع شما. کشف کنید که چگونه می توانید از Copilot برای ایجاد یک ارائه از یک سند موجود یا از ابتدا استفاده کنید. جولی در مورد چگونگی اصلاح و سفارشی کردن متن و تصاویر تولید شده توسط Copilot و همچنین نکات و ترفندهای کاربردی آسان در مورد استفاده از Copilot برای صرفه جویی در وقت شما در پاورپوینت اطلاعاتی ارائه می دهد.

 

سفر به استاد کپی اکسل را آغاز کنید و رویکرد خود را به Pivottables تحول دهید. این دوره برای کاربران واسطه اکسل با دسترسی به Copilot طراحی شده است و به دنبال بالا بردن مهارت های تجزیه و تحلیل داده های آنها است. این که آیا شما یک تحلیلگر داده ، حرفه ای تجارت یا شخصی هستید که علاقه زیادی به دستکاری داده ها دارید ، این دوره می تواند به شما در تقویت گردش کار خود با راه حل های عملی اکسل AI کمک کند. یاد بگیرید که چگونه داده ها را برای عملکرد بهینه کپیلوت ساختار دهید ، و شما را قادر می سازد تا مجموعه داده ها را با دقت تمیز و تهیه کنید. قدرت مرتب سازی ، فیلتر و استفاده از برش ها را برای اصلاح فرآیندهای اکتشاف داده خود کشف کنید. تکنیک های پیشرفته را برای تقویت Pivottables خود با قالب بندی مشروط و ارائه داده های روشنگری انجام دهید.

به این دوره شیرجه بزنید تا دریابید که چگونه قابلیت های مدیریت داده های برش Copilot می تواند وظایف تکراری را خودکار کند و به شما در کشف بینش معنی دار کمک کند.

 در این دوره ، جورج مونت - نویسنده ، مربی ، مربی و Excel MVP - به شما نشان می دهد که چگونه می توانید از پیچیدگی های محاسبات اکسل حرکت کنید. بیاموزید که چگونه جداول ساختاری را طراحی کرده و محاسبات دقیق را با استفاده از راهنمایی های Copilot انجام دهید. به تجزیه و تحلیل داده های پویا با عملکردهای قدرتمند جستجو و تجمع خودکار ، غواصی کنید و بینش داده های محور در زمان واقعی را تضمین کنید. روش هایی را برای تمیز کردن و استاندارد سازی داده های متنی کشف کنید ، و مجموعه داده های خود را دقیق و آماده تجزیه و تحلیل کنید. در مدیریت آرایه ها و اشکال زدایی مهارت کسب کنید و فرمولهای پیچیده را به قسمتهای قابل درک و قابل درک تبدیل کنید. همچنین ، با استفاده از Copilot برای عملیات صفحه گسترده یکپارچه ، چگونه می توانید گردش کار داده خود را تغییر دهید. این دوره کاربران Excel واسطه ای را که می خواهند از ابزارهای AI برای افزایش بهره وری استفاده کنند ، هدف قرار می دهد. چه برای تجارت ، آموزش و یا توسعه شخصی ، این دوره به شما این امکان را می دهد تا توانایی های اکسل را بهینه کنید ، باعث افزایش کارایی و قدرت تحلیلی شما شوید.

 

گواهینامه Google Cloud Digital Leader برای هر کسی است که می‌خواهد دانش خود را در مورد مبانی محاسبات ابری و نحوه استفاده از محصولات و خدمات Google Cloud برای دستیابی به اهداف سازمان نشان دهد. این دوره یکی از مجموعه دوره هایی است که برای آمادگی شما برای آزمون Cloud Digital Leader طراحی شده است. در این دوره، بررسی کنید که چگونه سازمان ها می توانند از هوش مصنوعی و یادگیری ماشینی برای تغییر فرآیندهای کسب و کار خود استفاده کنند. درباره اصول AI و ML و راه حل های AI و ML موجود از طریق Google Cloud مانند BigQuery ML، AutoML، API های از پیش آموزش دیده، TensorFlow و غیره بیاموزید.

توجه: این دوره توسط Google Cloud ایجاد شده است. ما خوشحالیم که میزبان این آموزش در کتابخانه خود هستیم.

 کسب گواهینامه مهندس حرفه‌ای یادگیری ماشین Google Cloud تأیید می‌کند که می‌توانید با استفاده از قابلیت‌های Google Cloud و دانش رویکردهای مرسوم ML، راه‌حل‌های هوش مصنوعی بسازید، ارزیابی، تولید و بهینه کنید. در این دوره، هدیه نوح شما را برای صدور گواهینامه آماده می‌کند و با مروری بر آزمون شروع می‌کند – از جمله فرمت امتحان، زمانی که باید طول بکشد، و اینکه چگونه و کجا می‌توانید در آزمون شرکت کنید. نوح سپس به شش بخش امتحان می پردازد و آنچه را که باید در مورد آن بدانید را پوشش می دهد: معماری راه حل های ML با کد پایین. همکاری درون و بین تیم‌ها برای مدیریت داده‌ها و مدل‌ها؛ مقیاس بندی نمونه های اولیه در مدل های ML. مدل های سرویس دهی و مقیاس بندی؛ اتوماسیون و تنظیم خطوط لوله ML؛ و نظارت بر راه حل های ML.

 به سرعت با Gemini ، دستیار AI Google شروع کنید. در این کارگاه ، بیاموزید که چگونه جمینی می تواند با استفاده از یک مدل قدرتمند زبان چند حالته به سؤالات و درخواست های ساده یا پیچیده کمک کند. کشف کنید که چگونه می توان از Gemini در برنامه های فضای کاری Google از جمله Google Docs ، Google Sheets و Gmail استفاده کرد تا اسناد و پیام ها را پیش نویس ، خلاصه یا تجزیه و تحلیل کنید.

 نحوه ساخت برنامه های هوش مصنوعی بدون هیچ کدنویسی را کشف کنید. با استفاده از زبان انگلیسی به‌عنوان زبان برنامه‌نویسی جدید خود، ایجاد اعلان‌های پیشرفته، ایجاد پایگاه‌های دانش جامع و شخصی‌سازی خروجی‌های مدل برای کارهای خاص را بررسی کنید. برای ایجاد سه GPT سفارشی: KK، Sun Tzu، و Lilis، به Alina Zhang، یک دانشمند با تجربه داده بپیوندید. در تکنیک‌های نوآورانه، از جمله چارچوب پنتاگرام برای مهندسی سریع، زنجیره‌ای از فکر، یادگیری چند شات، تشخیص قصد کاربر، و استراتژی‌هایی برای محافظت در برابر حملات تزریق سریع، شیرجه بزنید.

 این دوره نحوه استفاده از گرامر پیشرفته و پیشنهادات سبک، تشخیص لحن و بررسی سرقت ادبی را برای اصلاح و ارتقای نوشتار خود نشان می دهد. فارغ از اینکه دانشجو هستید، حرفه‌ای یا نویسنده خلاق، از کمک نوشتن بلادرنگ Grammarly برای بهبود وضوح و تعامل و تولید محتوای صیقلی و بدون خطا به راحتی استفاده کنید.

 

هوش مصنوعی تولیدی تأثیر عمیقی بر هر جنبه ای از کار ، از جمله توسعه وب دارد. از برنامه ریزی گرفته تا نوشتن کد تا آزمایش ، روند ایجاد یک برنامه وب در حال تغییر است. در این دوره ، مربی جو کازابونا به شما نشان می دهد که چگونه می توانید از هوش مصنوعی برای برنامه ریزی ، نوشتن و تست یک برنامه وب با ایجاد یک وب سایت بررسی فیلم استفاده کنید. در طول راه ، بیاموزید که AI به بهترین وجه می تواند به شما کمک کند ، و مهارت های شما به عنوان یک توسعه دهنده وب هنوز هم می تواند عالی باشد. در پایان این دوره ، شما مجهز به یک برنامه وب کاملاً کارآمد که با استفاده از قدرت AI Generative نوشتید ، مجهز خواهید شد. با استفاده از Codepaces GitHub ، می توانید از هر دستگاه ، در هر زمان ، همه در حالی که از ابزاری استفاده می کنید که احتمالاً در محل کار با آن روبرو خواهید شد ، استفاده کنید. برای یادگیری نحوه شروع کار "استفاده از Codespaces GitHub" را با این دوره بررسی کنید.

 در این دوره ، Eduardo Corpeño - یک مهندس برق ، برنامه نویس رایانه و معلم - با استفاده از پایتون ، یک پایه محکم در پردازش تصویر می سازید. با ایجاد و دستکاری تصاویر شطرنجی در وضوح و قالب های مختلف شروع کنید. بیاموزید که فیلترهای مختلف را بمالید و با فیلترهای Sobel برای استخراج ویژگی های تصویر معنی دار در تشخیص لبه استفاده کنید. تحولات تصویر مستر مانند تغییر اندازه ، و تکنیک های حذف شی و حکاکی درز را برای دوخت موثر تصویر درک کنید. بیاموزید که چگونه می توانید جزئیات تصویر را با استفاده از تحولات مورفولوژیکی مانند فرسایش ، اتساع ، باز و بسته شدن اصلاح کنید. به علاوه ، چالش های عملی کامل مانند از بین بردن نویز ، تنظیم وضوح و افزایش کیفیت تصویر. این که آیا شما به دنبال ارتقاء یک پروژه هستید یا در حرفه جدید AI شروع به کار می کنید ، این دوره شما را به دانش و تکنیک های عملی مجهز می کند تا تصاویر را به طور کارآمد انجام دهید.

 یک نمای کلی از الگوریتم های دید رایانه در خانواده YOLO دریافت کنید و نحوه استفاده از این الگوریتم ها را برای پرداختن به چالش های دنیای واقعی نشان دهید. این دوره شامل پیاده روی های فنی برای تکنیک های اساسی مانند طبقه بندی تصویر ، تشخیص شی ، ردیابی شی ، تقسیم نمونه ، تخمین پوز و جعبه های محدود کننده گرا (OBB) با استفاده از بسته Ultralytics Python است. مربی محمد مونوار شما را از طریق حاشیه نویسی داده ها ، مدل های آموزش و صادر کردن آنها راهنمایی می کند و نشان می دهد که چگونه روند صادرات زمان استنباط را سرعت می بخشد. علاوه بر این ، ببینید که چگونه راه حل های Ultralytics برای حل چالش های عملی بینایی رایانه متناسب است ، با نمونه های عمیق اجرای فنی ارائه شده در طول دوره

 

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.

 این دوره شما را با چارچوب های ارتباطی Model Context (MCP) و Agent2Agent (A2A) آشنا می کند و برای طراحی عوامل AI مشترک ، آگاه و آگاه ، ضروری است. معماری ها ، ابزارها و پیاده سازی های MCP را کاوش کنید و یاد بگیرید که چگونه برنامه های کاربردی و عوامل هوش مصنوعی را ایجاد کنید که از درک متنی غنی استفاده می کنند. علاوه بر این ، مربی Kumaran Ponnambalam در ساختار ، گردش کار و کاربردهای عملی A2A فرو می رود و به شما کمک می کند تا با اکوسیستم های چند عامل تجربه ای کسب کنید. برای به دست آوردن دانش عملی برای طراحی ، پیاده سازی و اجرای عوامل هوشمند هوشمند هوش مصنوعی در سناریوهای دنیای واقعی ، این دوره را بررسی کنید.

 نسل بازیابی (RAG) به سرعت خود را به عنوان یکی از محبوب ترین راه ها برای استفاده از مدلهای بزرگ زبان (LLM) از هم جدا کرد. چرا؟ از آنجا که RAG یک مشکل اساسی در استفاده از LLMS برای موارد استفاده خودمان ایجاد می کند. LLM ها روی داده های زیادی آموزش دیده اند ، اما آنها به داده های تخصصی مورد نیاز ما برای موارد استفاده شخصی یا تجاری دسترسی ندارند و همین امر باعث می شود که آنها پاسخ دهند. این جایی است که RAG وارد می شود. RAG از مدل های جاسازی شده و پایگاه داده های بردار استفاده می کند تا داده های خود را به گونه ای ذخیره کند که بتواند از آن به عنوان زمینه برای LLM استفاده شود. این دوره به شما نشان می دهد که قطعات مختلف یک برنامه RAG ، نحوه استفاده از آنها و نحوه ساخت برنامه RAG خود از ابتدا در پایتون چیست. این دوره همچنین از مدل های github برای تقویت یادگیری خود استفاده می کند.

 داشتن یک نمودار دانش با حمایت LLM شما ، قوام ، اعتماد و کیفیت بیشتری را به LLM ها و برنامه هایی که از آنها پشتیبانی می کنند ، می افزاید و برای شروع استفاده از نمودارهای دانش لازم نیست متخصص باشید. در این دوره ، Ashleigh Faith متخصص نمودار دانش ، چه نمودار دانش را پوشش می دهد ، انواع مختلف نمودارهای دانش و آنچه که هر نوع به طور کلی برای آن استفاده می شود. مبانی مدل سازی و جمع آوری نمودار دانش و معماری ها را برای پشتیبانی از نمودارهای دانش کشف کنید. بیاموزید که چگونه از نمودار دانش و چگونگی LLMS می توانند از نمودارهای دانش برای پشتیبانی از داده های حساس به زمان و کاهش توهم استفاده کنید. دریابید که چگونه می توانید شناسایی کنید که چه نوع نمودار دانش برای انواع مختلفی از موارد استفاده از نمودار دانش و همچنین چه معماری و ابزار به بهترین وجه از پروژه نمودار دانش شما پشتیبانی می کند. به علاوه ، راه هایی را برای ساخت و جمع آوری نمودار دانش و سپس استفاده از نمودار دانش در فضای LLM کشف کنید.

 

در این دوره دستی ، سازنده محتوای فنی Ebenezer Don شما را از طریق ساخت یک برنامه چت AI با استفاده از مدل های Next.JS و OpenAI GPT راهنمایی می کند. بیاموزید که چگونه یک چت بابات کاملاً کاربردی با ویژگی هایی مانند موضوع مکالمه ، پایداری پیام و پاسخ های زمان واقعی ایجاد کنید. این دوره بر بهترین شیوه ها در مدیریت دولت ، ادغام API و توسعه UI مدرن تأکید دارد. هنگامی که دوره را تمام می کنید ، یک برنامه چت AI آماده تولید خواهید داشت که شیوه های مدرن توسعه وب را به نمایش می گذارد.

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 ، تمرین کنید-همه در حالی که از ابزاری استفاده می کنید که احتمالاً در محل کار با آن روبرو خواهید شد.

 

این دوره با تمرکز بر سیستم نوآورانه LlamaIndex، به اصول و کاربردهای نسل افزوده بازیابی (RAG) اشاره می‌کند. کاوش کنید که چگونه RAG مدل‌های یادگیری ماشین را با یکپارچه‌سازی منابع دانش خارجی برای خروجی‌های آگاهانه‌تر و دقیق‌تر بهبود می‌بخشد. مربی هارپریت ساهوتا معماری سیستم های بازیابی، مکانیک نمایه سازی مجموعه داده های وسیع و ادغام LlamaIndex با مدل های هوش مصنوعی را پوشش می دهد.

درک زیربنای نظری RAG، مهارت های عملی در ساخت و استقرار LlamaIndex، و بررسی تحلیل انتقادی برنامه های RAG در صنایع مختلف را به دست آورید. موضوعات از مبانی بازیابی داده ها و نمایه سازی تا تکنیک های پیشرفته در تقویت مدل های تولیدی با داده های خارجی متغیر است. در پایان دوره، شما برای طراحی، پیاده‌سازی و ارزیابی سیستم‌های RAG و قرار دادن آن‌ها در لبه برتر اجرای فناوری هوش مصنوعی آماده خواهید شد.

 

OpenAI در خط مقدم هوش مصنوعی قرار دارد، به‌ویژه وقتی صحبت از مدل‌های زبان بزرگ (LLM) می‌شود. اگر توسعه‌دهنده یا رهبر کسب‌وکاری هستید که به دنبال استفاده از ابزارهای مبتنی بر هوش مصنوعی هستید، این دوره به شما کمک می‌کند تا با نحوه استفاده از APIهای OpenAI برای ساخت راه‌حل‌هایی بر اساس تکنیک نسل افزوده بازیابی (RAG) به سرعت آشنا شوید.

به مربی رودریگو دیاز کونچا بپیوندید زیرا او طیف گسترده‌ای از گزینه‌های راه‌حل‌سازی از جمله استفاده از Audio API برای رونویسی صدا و Chat Completions API برای ایجاد اسناد را نشان می‌دهد. مهارت های جدید خود را با یک پروژه واقعی به نام KinderLogger با ساختن یک دستیار با استفاده از Assistants API، پیاده سازی فرآیند نسل افزوده بازیابی (RAG) در دستیار و پیاده سازی Web API با استفاده از FastAPI برای افشای دستیار آزمایش کنید. در طول مسیر، یاد بگیرید که چگونه محتوای مضر را با Moderations API شناسایی کنید و یک GPT را به عنوان یک صفحه جلویی برای فراخوانی سرویس و آزمایش پروژه KinderLogger خود ایجاد و استفاده کنید.