با 10 درس سریع هوش مصنوعی که برای متخصصان شلوغ طراحی شده است ، بهره وری خود را تقویت کنید. هر اسپرینت روزانه 10 دقیقه ای مهارتهای عملی را آموزش می دهد که می توانید با گردش کار خود سازگار شوید. اعتماد به نفس ایجاد کنید ، الهام بگیرید و با زحمت راه حل های عملی هوش مصنوعی را در روال خود ادغام کنید ، همه بدون برنامه نویسی یا جلسات آموزشی طولانی. به طور مستقیم به ایده های عملی و آسان برای دنبال کردن که مزایای فوری را ارائه می دهد ، پرش کنید و شما را برای الهام بخش و آماده بیشتر می کند.

 چگونه می توانید از استفاده از هوش مصنوعی برای مفید بودن هوش مصنوعی برای شما استفاده کنید؟ این همان چیزی است که مربی اصلی LinkedIn ، Morten Rand-Hendriksen برای یافتن در این سری 30 قسمت ، که در ابتدا به عنوان یک فیلم و مقاله روزانه در LinkedIn منتشر شده است ، اعلام کرد. هر ویدئو و مقاله یک استفاده عملی ، عملی ، تاکتیکی از هوش مصنوعی را در بر می گیرد و تمام اطلاعات مورد نیاز شما را برای امتحان کردن آن به شما می دهد. بیایید این چیزهای هوش مصنوعی را با هم بفهمیم!

 MCP ، پروتکل زمینه Model ، شما را قادر می سازد تا تقریباً هر چیزی را به AI وصل کنید. در این دوره سریال به نوبه خود ، مربی اصلی LinkedIn Morten Rand-Hendriksen Unboxes MCP. شما می آموزید که MCP چیست و چرا اهمیت دارد. سپس دست به دست هم دهید و یاد بگیرید که چگونه سرورهای MCP را از ابتدا بسازید ، از ویژگی های برش مانند انتخاب و نمونه برداری ، مدیریت امنیت و مجوز استفاده کنید و سرورهای MCP از راه دور را برای دسترسی و استفاده آسان تر مستقر کنید.

 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.

 

آزمون معتبر AI AI (AIF-C01) برای افرادی که می توانند در نظر گرفته شده باشند به طور مؤثر دانش کلی از هوش مصنوعی و یادگیری ماشین ، فناوری های تولید AI و خدمات و ابزارهای مرتبط با AWS را نشان می دهد ، مستقل از یک نقش شغلی خاص. این دوره را برای آماده سازی برای امتحان بررسی کنید ، که تا زمانی که دانش شما را در مورد: AI ، ML و مفاهیم ، روش ها و استراتژی های AI تولیدی به طور کلی و در AWS آزمایش کنید. استفاده مناسب از AI/ML و فن آوری های تولید کننده هوش مصنوعی برای پرسیدن سؤالات مربوطه در سازمان شما. انواع صحیح فن آوری های AI/ML برای استفاده در موارد استفاده خاص. و با استفاده از فن آوری های هوش مصنوعی ، ML و AI با مسئولیت پذیری.

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

 Claude Code گردش کار توسعه دهنده را با Ai Agentic ساخته شده برای درک و دستکاری کل قسمت های کد تبدیل می کند. این اقدامات در زمان واقعی مانند اصلاح مجدد ، اشکال زدایی و تولید تعهدات با استفاده از زبان طبیعی را انجام می دهد. پرش از اسکریپت دستکاری و غواصی مستندات. Claude Code که برای توسعه دهندگان جدی طراحی شده است ، اصطکاک را از بین می برد و یک روش باهوش تر برای ساخت نرم افزار را باز می کند.

 

Google Gemini یک خانواده جدید از مدل‌های زبان بزرگ چندوجهی است که به طور یکپارچه در تصویر، ویدیو، صدا و کد کار می‌کند. در این دوره آموزشی، مربی Lynn Langit به شما نشان می‌دهد که چگونه می‌توانید با استفاده از الگوهای طراحی، ابزارها و ویژگی‌های Google Gemini با پیروی از بهترین روش‌ها برای ساخت برنامه‌های مبتنی بر LLM، شروع به کار کنید.

قابلیت‌های Google Gemini را با شروع کاوش کنید. با Google AI Studio، قبل از شروع به توسعه، آزمایش و استقرار مدل‌های بزرگتر و پیچیده‌تر. در طول مسیر، لین به شما نشان می دهد که چگونه از نوت بوک های Gemini در GCP Vertex AI Studio و برنامه های Gemini در GCP استفاده کنید. پس از تکمیل این دوره، شما آماده خواهید بود تا حرفه خود را به عنوان یک متخصص DevOps با ML آشنا 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.

 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.

 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.

 فناوری های پیشرفته هوش مصنوعی در حال تغییر جهان هستند. اما بدون استقرار و مدیریت مناسب، برنامه های شما ممکن است هرگز به پتانسیل کامل خود نرسند. بدتر از آن، آنها به سادگی می توانند از کار بیفتند یا حتی باعث ایجاد خطاهای مهم در سیستم شما شوند. از آنجایی که سازمان‌های بیشتری مدل‌های زبانی بزرگ را در جریان کار خود وارد می‌کنند، نیاز روزافزونی به متخصصان ماهر در استقرار و نظارت بر این مدل‌ها به طور موثر، مسئولانه و ایمن در محیط‌های تولید وجود دارد. در این دوره، تکنیک های پیشرفته و بهترین روش ها برای استقرار و نظارت بر LLM ها در محیط های تولیدی را بیاموزید. گزینه‌های استقرار LLM، مدیریت محدودیت‌های API، تکنیک‌های نظارت بر عملکرد، مدیریت سریع، رسیدگی به توهمات و موارد دیگر را کاوش کنید. به علاوه، در مورد ملاحظات امنیت و هزینه اطلاعات کسب کنید و یادگیری خود را با چالش ها و راه حل ها آزمایش کنید.

 

از زمان راه‌اندازی ChatGPT و انتشار زبان‌های مدل‌سازی جدید توسط OpenAI در سال ۲۰۲۲، علاقه فزاینده‌ای در جامعه فناوری گسترده‌تر برای کشف پتانسیل برنامه‌های کاربردی متعدد هوش مصنوعی مولد در نرم‌افزار و توسعه وب وجود داشته است. در این دوره، به مربی سندی لودوسکی بپیوندید تا با جدیدترین ابزارها و فن‌آوری‌ها، با تمرینات عملی و چالش‌های تمرینی در طول مسیر، به سرعت به سرعت برسید.

با نحوه استفاده از هوش مصنوعی مولد برای ایجاد موارد بعدی آشنا شوید. نسل برنامه های پایتون، از جمله OpenAI API، که به شما امکان می دهد چت ربات دستیار هوش مصنوعی خود را مستقیماً در یک برنامه بسازید و سفارشی کنید. سندی به شما نشان می‌دهد که چگونه می‌توانید با مدل‌های تولیدی دیگر مانند DALL-E و Whisper Audio API و همچنین نحوه گسترش قابلیت‌های LLM با فراخوانی تابع و ساخت یک ربات چت با دانش سفارشی با استفاده از LangChain، embeddings و ChromaDB، آزمایش کنید.

 با API Realtime Openai ، می توانید از طریق WeBRTC ، یک گپ AI Voice-to-Voice در زمان واقعی سفارشی ایجاد کنید. در این دوره ، شما بررسی خواهید کرد که چگونه API Realtime کار می کند ، چگونه می توانید یک اتصال ایمن WEBRTC را با نشانه های زودگذر تنظیم کنید ، و نمونه هایی از نحوه اضافه کردن چت AI در زمان واقعی سفارشی با صدا ، متن و عملکرد را با استفاده از JavaScript دریافت کنید.

 عوامل هوش مصنوعی برنامه هایی را تولید می کنند و کارهای پیچیده چند مرحله ای را بر اساس ورودی کاربر انجام می دهند. OpenAi API پشتیبانی کاملی را برای ساخت عوامل هوش مصنوعی که از مدل ها ، ابزارها ، دانش و حافظه ، صوتی و گفتار ، نگهبان ، ارکستر و MCP استفاده می کنند ، پشتیبانی می کند که می توانند متناسب با نیازها و سناریوها سفارشی شوند. این دوره به بررسی چگونگی توسعه عوامل پیشرفته با API OpenAI و عوامل Python SDK می پردازد. از طریق فیلم ها ، مقالات و تمرین های دستی در Codespaces GitHub ، نمایندگان سفارشی را تعریف می کنید ، دونده های عامل را تنظیم می کنید ، دستگیره هایی را پیکربندی می کنید تا نمایندگان بتوانند با هم کار کنند ، نگهبانان را برای اعتدال محتوا اضافه کنند ، و عوامل را با ویژگی های OpenAi خارج از قفسه ، توابع سفارشی و سرورهای MCP (Model Context Protocol) گسترش دهند.

 دو برنامه وب آماده تولید را با استفاده از Lovable و N8N-که به کد نویسی لازم نیست ، بسازید. بیاموزید که یک صفحه فرود سرب ایجاد کنید با صلاحیت خودکار و یک نماینده پشتیبانی مشتری با هوش مصنوعی که به سؤالات سیاست های شرکت و سؤالات متداول پاسخ می دهد. رابط های پاسخگو را با استفاده از متن متن در دوست داشتنی ایجاد کنید ، سپس آنها را به گردش کار در N8N متصل کنید تا مدیریت ارسال ها ، اعلان ها ، ذخیره داده ها و مکالمات هوش مصنوعی را مدیریت کنید. این دوره برای مبتدیان ، کارآفرینان و زبان آموزان غیر فنی که به دنبال ساخت برنامه های وب حرفه ای سریع و کارآمد هستند ایده آل است.

 کشف اپراتور چتپپ ، یک عامل هوش مصنوعی در پیش نمایش تحقیقاتی که برای شبیه سازی تعامل انسانی با وب سایت ها برای اتوماسیون کار طراحی شده است. در این دوره ، شما بررسی خواهید کرد که چگونه مشاغل و افراد می توانند با توانایی های آن آزمایش کنند ، پیامدهای ایمنی و اخلاقی را در نظر بگیرند و برای ادغام عوامل هوش مصنوعی در گردش کار برنامه ریزی کنند. بیاموزید که موارد استفاده بالقوه را ارزیابی کنید ، در مورد اجرای آنها با انتقاد فکر کنید و برای آینده اتوماسیون هوش مصنوعی آماده شوید.

 قدرت استفاده از رایانه جدید Claude را با استفاده از API استفاده کنید و AI را قادر به خودکار سازی کلیک ، تایپ و حرکت در کارهای مرور کنید. این دوره شامل تنظیم ، عملکرد و شیوه های ایمنی اساسی است که به نگرانی های کلیدی امنیت و قابلیت اطمینان می پردازد. در پایان ، شما می دانید که چگونه می توانید از Claude 3.5 Sonnet برای اتوماسیون پیشرفته استفاده کنید در حالی که خطرات منحصر به فرد را در کار با محیط های دسک تاپ کنترل شده AI کنترل می کنید.

 

پتانسیل و فرصت شگفت انگیز هوش مصنوعی مولد نگرانی های اخلاقی را نیز به همراه داشته است. چگونه می‌توانید با استقرار ابزارها و محصولاتی که با هوش مصنوعی تولید می‌شوند، این نگرانی‌ها را به طور مؤثر برطرف کنید؟ در این دوره، متخصص Vilas Dhar، طراحان و تصمیم گیرندگان را برای درک بهتر و اقدام در مورد خطرات اخلاقی در حال ظهور و ملاحظات هوش مصنوعی مولد مجهز می کند. مقدمه ای محکم با نگرانی های اخلاقی در مورد هوش مصنوعی مولد دریافت کنید، سپس یاد بگیرید که چگونه از چارچوب تحلیل اخلاقی برای رفع این نگرانی ها استفاده کنید. به‌علاوه، راه‌هایی را کاوش کنید که می‌توانید سازمان خود را برای رسیدگی به اصول اخلاقی در هوش مصنوعی در همه ذینفعان از فناوری گرفته تا رهبران C-Suite آماده کنید.

 

ظهور هوش مصنوعی از زمان انتشار اولین مدل‌های زبان GPT توسط OpenAI در نوامبر 2022، مرکز جذب در وب بوده است. در نتیجه، علاقه روزافزونی در جامعه فناوری برای کشف پتانسیل‌های مولد وجود دارد. فناوری‌های هوش مصنوعی در توسعه وب.

در این دوره، به مربی سندی لودوسکی بپیوندید تا مقدمه‌ای بر هوش مصنوعی مولد و بسیاری از برنامه‌های ممکن آن با استفاده از زبان جاوا اسکریپت و چارچوب‌های آن ارائه کند. مفاهیم اصلی هوش مصنوعی مولد را با مثال‌های عملی و عملی کاوش کنید. سندی به شما نشان می دهد که چگونه با Node.js یک چت بات مجهز به هوش مصنوعی بسازید و سپس با اجازه دادن به آن برای فراخوانی API های خارجی با فراخوانی تابع، قابلیت های چت بات را گسترش دهید. در پایان این دوره، شما همچنین آماده خواهید بود که یک دستیار مجازی مبتنی بر هوش مصنوعی با OpenAI Assistants API بسازید.

 هوش مصنوعی تولیدی می تواند بهره وری توسعه دهندگان MAUI را تا حد زیادی افزایش دهد. در این دوره ، عمل توسعه ، کوین فورد به شما نشان می دهد که چه چیزی در دسترس است و نحوه استفاده از این ابزارها. پس از معرفی کامل راه هایی که می تواند AI تولید کننده بتواند از توسعه دهندگان MAUI بهره مند شود ، با استفاده از بسیاری از کاربردهای GitHub Copilot شروع کنید. بررسی کنید که چگونه AI تولید کننده می تواند در طراحی UI به شما کمک کند. نحوه تولید وثیقه سفارشی را برای برنامه های MAUI پیدا کنید. هر موضوع اصلی با چالش های عملی و عملی همراه است ، بنابراین می توانید آنچه را که یاد می گیرید تقویت کنید.