توضیحات

آموزش مفاهیم و اصطلاحات هوش مصنوعی از Maximilian Schwarzmüller

نام دوره : AI Key Concepts & Terms – The Missing Guide

پیش‌نیازها

• بدون نیاز به پیش‌زمینه قبلی در هوش مصنوعی یا برنامه‌نویسی: این دوره از پایه طراحی شده و هیچ نیازی به کدنویسی، دانش ریاضیات پیشرفته یا الگوریتم‌های پیچیده ندارد.

• بدون نیاز به اشتراک‌های پولی یا کلیدهای API: تمام آموزش‌ها بر پایه دیاگرام‌های شفاف، مدل‌های مفهومی و مثال‌های ملموس ارائه می‌شوند و نیازی به خرید اشتراک ابزارهایی نظیر ChatGPT Plus یا Claude Pro نیست.

• رایانه، تبلت یا تلفن همراه متصل به اینترنت: تنها با داشتن یک دستگاه هوشمند برای مشاهده جلسات و کنجکاوی ذهنی برای درک روندهای نوین فناوری می‌توانید این دوره را دنبال کنید.

• بدون نیاز به نصب نرم‌افزارهای سنگین: تمامی مفاهیم به شکل بصری و شماتیک تدریس شده و نیازی به پیکربندی محیط‌های محلی یا اجرای کدهای پایتون روی سیستم وجود ندارد.

توضیحات:

چرا عبور از اصطلاحات ژورنالیستی (Buzzwords) و دستیابی به یک درک یکپارچه از اجزای هوش مصنوعی، مهم‌ترین گام برای مدیران، توسعه‌دهندگان و کاربران ابزارهای مدرن است؟ در موج پرشتاب هوش مصنوعی، افراد روزانه با انبوهی از تعاریف پراکنده مواجه می‌شوند؛ از پرامپت‌نویسی و توکن‌ها گرفته تا پروتکل‌های اتصال ایجنت نظیر MCP و پایپ‌لاین‌های بازیابی اطلاعات RAG. عدم درک زیرساخت این ابزارها منجر به انتظارات غیرواقعی، طراحی غلط محصولات نرم‌افزاری، هدررفت بودجه سازمان‌ها و ناتوانی در تحلیل ریسک‌های امنیتی می‌شود.

این دوره مرجع و بنیادین که توسط ماکسیمیلیان شوارتزمولر (Maximilian Schwarzmüller)، یکی از مشهورترین و پرمخاطب‌ترین مدرسان حوزه مهندسی نرم‌افزار در جهان تدریس می‌شود، حلقه مفقوده یادگیری هوش مصنوعی را تکمیل می‌کند. دوره با رویکردی کاملاً ساختاریافته، پدیده‌های پیچیده را به زبان ساده، با کمک نمودارهای مفهومی و مثال‌های عینی به یکدیگر پیوند می‌دهد. شما در طول این برنامه یاد می‌گیرید که شبکه‌های عصبی و یادگیری ماشین چگونه به مدل‌های زبانی بزرگ تبدیل شدند، چه عواملی مانند دما (Temperature) یا اندازه پنجره کانتکست بر کیفیت خروجی اثر می‌گذارند، ایجنت‌های هوشمند چگونه با استفاده از ابزارها و حلقه‌های بازخورد مستقل کارهای روزمره را حل می‌کنند، و چگونه با تکیه بر بنچمارک‌ها و ارزیابی‌های واقعی (Evals)، ادعاهای تجاری پیرامون هوش مصنوعی را اعتبارسنجی کنید.

سرفصل‌های تخصصی و مهارت‌های کسب‌شده در آموزش مفاهیم و اصطلاحات هوش مصنوعی از Maximilian Schwarzmüller

• رمزگشایی از مدل‌های زبانی و معماری بنیادین هوش مصنوعی:

  • درک سلسله‌مراتب ارتباطی میان هوش مصنوعی (AI)، یادگیری ماشین (Machine Learning) و شبکه‌های عصبی عمیق (Neural Networks).

  • تمایز مدل‌های زبانی بزرگ (LLMs)، مدل‌های فشرده و کوچک (SLMs) و مدل‌های چندوجهی پردازش صوت و تصویر (Multimodal Models).

  • سازوکار پیش‌بینی کلمات بعدی و نحوه استخراج مفهوم از الگوهای زبانی در معماری ترنسفورمرها.

• مهندسی کانتکست و عوامل تعیین‌کننده پاسخ‌های مدل (Prompt & Context Engineering):

  • کالبدشکافی مفهوم توکن‌ها (Tokens)، نحوه تبدیل متن به ارقام عددی و محاسبه هزینه‌های پنجره کانتکست (Context Windows).

  • اثر پارامترهای تنظیمی نظیر دما (Temperature) و Top-P بر خلاقیت یا قطعیت پاسخ‌های خروجی.

  • تفاوت بنیادین میان پرامپت‌نویسی ساده و مهندسی کانتکست پویا (Context Engineering) در محصولات هوشمند.

• فرآیند آموزش، بهینه‌سازی و انطباق مدل‌ها (Training & Fine-Tuning):

  • کالبدشکافی مراحل پیش‌آموزش (Pre-training)، استنتاج (Inference) و آموزش بر پایه بازخورد انسانی (RLHF).

  • تکنیک‌های انطباق کارآمد مدل‌ها با منابع کم نظیر LoRA، فاین‌تیونینگ بر اساس دیتای تخصصی و داده‌های سنتتیک (Synthetic Data).

  • تکنیک‌های کاهش هزینه و شتاب‌دهی: کش‌کردن پرامپت‌ها (Prompt Caching)، کوانتیزاسیون (Quantization) و مسیریابی میان مدل‌ها (Model Routing).

• معماری ایجنت‌های خودمختار و پروتکل ارتباطی MCP (AI Agents & Tools):

  • ساختار حلقه عملکرد ایجنت (Agent Loop)، فراخوانی ابزارها (Tool Calling) و مفهوم بستر اجرایی (Agent Harness).

  • بررسی جامع پروتکل نوین Model Context Protocol (MCP) و اتصال ایمن مدل‌ها به سیستم‌فایل و پایگاه‌های داده.

  • مهارت‌های ایجنت، کنترل کامپیوتر توسط مدل (Computer Use) و الگوهای نظارت و مداخله انسانی (Human-in-the-Loop).

• پایپ‌لاین‌های بازیابی دانش، حافظه بلندمدت و قابلیت اطمینان (RAG & Memory):

  • زمینه‌سازی داده‌ها (Grounding)، امبدینگ‌های متنی (Embeddings) و پایگاه‌های داده برداری (Vector Databases).

  • سازوکار بازیابی اطلاعات تقویت‌شده با تولید متن (RAG) و اتصال مدل‌ها به دانش اختصاصی شرکت‌ها.

  • مدیریت حافظه بلندمدت، فشرده‌سازی کانتکست و مقابله با پدیده زوال توجه در گفتگوهای طولانی (Context Rot).

• ارزیابی عملکرد، امنیت و ریسک‌های استقرار سیستم‌های هوشمند:

  • تحلیل واقعی بنچمارک‌ها، متدولوژی ارزیابی خروجی‌ها (Evals) و تمایز واقعیت از ادعاهای تبلیغاتی.

  • پدیده‌های خطا و آسیب‌پذیری: توهم مدل (Hallucinations)، حملات تزریق پرامپت (Prompt Injection) و سرقت اطلاعات (Data Exfiltration).

  • بررسی اکوسیستم مدل‌های با وزن باز (Open Weights) و مزایای اجرای محلی مدل‌ها از منظر امنیت و حریم خصوصی.

چرا باید در این دوره شرکت کنید؟

• آموزش توسط یکی از برترین اساتید توسعه نرم‌افزار جهان: انتقال مفاهیم با بیان شفاف، تدریس روان و رویکرد بدون ابهام ماکسیمیلیان شوارتزمولر.

• پیوند دادن قطعات پراکنده پازل هوش مصنوعی: تبدیل لغات جداگانه به یک نقشه ذهنی منسجم و درک رابطه دقیق مفاهیمی چون RAG، ایجنت‌ها، وکتور دیتابیس و کانتکست.

• جلسات فشرده، بصری و چنددقیقه‌ای: یادگیری سریع و منعطف بدون اتلاف وقت، مناسب برای بازبینی‌های موردی حین مواجهه با اصطلاحات ناآشنا.

• ارتقای مهارت گفتگوی فنی و تجاری: کسب توانایی صحبت با تسلط کامل در جلسات محصول، مصاحبه‌های کاری و گفتگو با مهندسان تیم هوش مصنوعی.

دوره آموزش مفاهیم و اصطلاحات هوش مصنوعی از Maximilian Schwarzmüller برای چه کسانی مناسب است؟

• افراد مبتدی و علاقه‌مندان به فناوری: تمام کسانی که می‌خواهند از سردرگمی در برابر اصطلاحات پیچیده هوش مصنوعی خلاص شده و تصویر روشنی از واقعیت این حوزه به دست آورند.

• کاربران ابزارهایی نظیر ChatGPT و Claude: افرادی که می‌خواهند بدانند این سامانه‌ها در پشت‌صحنه چگونه کار می‌کنند و چرا کیفیت پاسخ‌های آن‌ها تغییر می‌کند.

• مدیران محصول، راهبران تیم و صاحبان کسب‌وکار: مدیرانی که برای تصمیم‌گیری استراتژیک، ارزیابی پیشنهادهای فنی و تعامل مؤثر با تیم‌های مهندسی به بینش هوش مصنوعی نیاز دارند.

• توسعه‌دهندگان و متخصصان IT: برنامه‌نویسانی که قصد دارند شکاف‌های دانشی خود پیرامون ایجنت‌ها، مدل‌های زبانی و سیستم‌های RAG را پیش از کدنویسی پر کنند.

بخشی از دوره :