Course catalog

Course duration

Course provider

Topic

Categories

Showing 1-6 of 6 items.

linkedin Hands-On AI: RAG با استفاده از LlamaIndex (Mitalearn-441861)

  • 6 hours 25 minutes
  • مناسب همه
  • Release date: 2 August 2024
  • Author: Harpreet Sahota
درباره این دوره: 

 

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.


linkedin LLaMa for Developers (Mitalearn-385336)

  • 1 hours 49 minutes
  • مناسب همه
  • Update date: 25 July 2026
  • Author: Denys Linkov
درباره این دوره:

در این دوره آموزشی، یاد بگیرید که چگونه مدل‌های AI منبع باز را با یکی از رایج‌ترین مدل‌های منبع باز، LLaMa (متا هوش مصنوعی مدل زبان بزرگ) سفارشی کنید. مدرس دنیس لینکوف یک رویکرد عملی برای کار با LLaMa را به اشتراک می‌گذارد که معماری LLaMa، راه‌اندازی، استقرار و مدل‌های آموزشی را توضیح می‌دهد. او از مجموعه‌ای از نوت‌بوک‌های پایتون استفاده می‌کند تا به شما نشان دهد چگونه LLaMa را با موارد استفاده خود تطبیق دهید و آن را در یک محیط سازمانی یا راه‌اندازی به کار بگیرید.

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.

datacamp تنظیم دقیق با Llama 3 (Mitalearn-446995)

  • 25 minutes
  • مناسب همه
  • Release date: 28 June 2026
  • Author: Francesca Donadoni
درباره این دوره:

Llama منبع باز LLM را برای بهینه سازی عملکرد آن برای برنامه های تخصصی تنظیم دقیق کنید. با نحوه استفاده از سیستم مبتنی بر دستور العمل TorchTune و SFTTrainer Hugging Face برای اجرای حلقه های تنظیم دقیق، آماده سازی مدل های خود با مجموعه داده های سفارشی آشنا شوید. در نهایت، تکنیک‌های کارآمد پارامتر مانند LoRA را آزمایش کنید و برای کاهش استفاده از حافظه مدل و اجرای کارآمدتر وظایف خود، کوانتیزاسیون را اعمال کنید.

datacamp کار با Llama 3 (Mitalearn-400891)

  • 21 minutes
  • مناسب همه
  • Release date: 28 June 2026
  • Author: Imtihan Ahmed
درباره این دوره:

مدل‌های زبان بزرگ منبع باز مانند Llama می‌توانند روی رایانه شخصی شما اجرا شوند و به شما کمک می‌کنند داده‌ها را خصوصی نگه دارید و هزینه‌ها را کاهش دهید. در این دوره، نحوه تنظیم و استفاده از Llama را به صورت محلی یاد خواهید گرفت. شما تکنیک‌های ساده‌ای مانند تنظیم اعلان‌ها برای دریافت پاسخ‌های بهتر، ایجاد مکالمه‌هایی که زمینه را به خاطر می‌آورند، و تطبیق خروجی‌ها برای مطابقت با نیازهای پروژه خود را بررسی خواهید کرد - چه به معنای تولید داده‌های ساختاریافته یا اصلاح پاسخ‌ها برای وضوح باشد. این دوره برای زبان آموزان با تجربه کار با پایتون طراحی شده است.

linkedin هوش مصنوعی عملی: ساخت عوامل هوش مصنوعی با LlamaIndex (Mitalearn-441436)

  • 1 hours 10 minutes
  • مناسب همه
  • Release date: 25 July 2026
  • Author: Kumaran Ponnambalam
درباره این دوره:

عوامل هوش مصنوعی به دلیل توانایی آنها در تصمیم گیری مستقل و سپس اقدام بر اساس آنها به سرعت محبوب می شوند. در این دوره عملی تعاملی برای مهندسان هوش مصنوعی و ML، مربی Kumaran Ponnambalam به شما کمک می‌کند تا با قابلیت‌های هوش مصنوعی عاملی در LlamaIndex، چارچوب محبوبی که چندین بلوک ساختمانی را برای ایجاد و استقرار سریع عوامل هوش مصنوعی به آسانی فراهم می‌کند، به سرعت برسید. در طول راه، انواع مختلفی از موارد استفاده از هوش مصنوعی عاملی را با LlamaIndex کاوش کنید تا الگوهای رایج در هوش مصنوعی عاملی و نحوه اجرای موفقیت آمیز آنها را با LlamaIndex درک کنید.

این دوره با GitHub Codespaces، یک محیط توسعه دهنده ابر فوری که تمام عملکردهای IDE مورد علاقه شما را بدون نیاز به هیچ دستگاه محلی ارائه می دهد، ادغام 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 آشنایی با نحوه شروع کار، «استفاده از فضاهای کد GitHub» را با این دوره بررسی کنید.

Related Skills

Suggestions