توضیحات
آموزش جامع Generative AI از صفر تا پیشرفته با پروژههای واقعی
نام دوره : Complete Generative AI Course: RAG, AI Agents & Deployment
پیشنیاز
آشنایی مقدماتی با زبان برنامهنویسی پایتون
درک پایهای از مفاهیم یادگیری ماشین
هیچگونه دانش قبلی در زمینه هوش مصنوعی مولد (Generative AI) نیاز نیست؛ آموزش از مفاهیم پایه آغاز شده و به مباحث پیشرفته میرسد
تنها پیشنیاز اصلی، علاقه و انگیزه برای یادگیری از طریق پروژههای واقعی است
توضیحات
این دوره جامع هوش مصنوعی مولد (Generative AI) شما را از سطح مبتدی تا پیشرفته همراهی میکند و با تمرکز بر پروژههای عملی، کاربردهای واقعی و مهارتهای مورد نیاز بازار کار طراحی شده است.
در این دوره، مبانی Generative AI را بهصورت عمیق یاد میگیرید، با مدلهای زبانی بزرگ (LLMs) آشنا میشوید و کار با فریمورکهای قدرتمندی مانند LangChain، LlamaIndex، CrewAI و PydanticAI را بهصورت عملی تجربه میکنید.
در ادامه، نحوه استقرار و راهاندازی راهکارهای هوش مصنوعی بر بستر کلاد را فرا خواهید گرفت.
هدف اصلی این دوره، آمادهسازی شما برای ورود حرفهای به نقش مهندس هوش مصنوعی مولد (Generative AI Engineer) با ترکیبی از دانش تئوری و تجربه عملی است.
هر بخش شامل کوئیزها و تمرینهای کدنویسی است تا میزان یادگیری خود را ارزیابی کرده و مهارتهایتان را تثبیت کنید.
سرفصلها و آنچه در هر بخش خواهید آموخت
1. مقدمه
آشنایی با ساختار دوره
بررسی مسیر یادگیری
راهاندازی محیطهای پایتون (Google Colab، Jupyter، PyCharm)
2. مبانی هوش مصنوعی مولد
تفاوت AI، ML، DL و Generative AI
آشنایی با مدلهای زبانی بزرگ (LLMs)
درک معماری Transformer
3. استفاده از LLMها در پایتون
کار با مدلهای OpenAI، Gemini، Groq و Ollama
اتصال LLMها با LangChain و LlamaIndex
4. مهندسی پرامپت (Prompt Engineering)
طراحی قالبهای پرامپت
Zero-shot و Few-shot Prompting
تعامل مؤثر با مدلهای زبانی
5. ساخت چتباتهای Generative AI
طراحی و پیادهسازی چتباتها بهصورت گامبهگام
استفاده از LangChain و LlamaIndex
ساخت رابط کاربری با Streamlit
استقرار در Streamlit Cloud
6. تولید تقویتشده با بازیابی (RAG)
درک معماری RAG
پیادهسازی RAG با LangChain و LlamaIndex
ساخت ربات پرسش و پاسخ PDF
7. ایجنتهای هوش مصنوعی
آشنایی با مفهوم AI Agents
ساخت ایجنتها با PydanticAI، AutoGen و CrewAI
پیادهسازی سیستمهای چندایجنتی
8. استقرار مدلهای زبانی (LLM Deployment)
استقرار LLMهای متنباز با Ollama
استفاده از Docker و vLLM
راهاندازی مدلها روی AWS EC2 برای کاربردهای واقعی
9. پروتکل زمینه مدل (Model Context Protocol – MCP)
درک مفهوم MCP
ساخت MCP Server
یکپارچهسازی ابزارهای MCP با PydanticAI و CrewAI
10. پروژههای نهایی (Capstone Projects)
پیادهسازی پروژههای واقعی شامل:
چتباتهای سازمانی
دستیارهای RAG
ایجنتهای هوشمند چندعامله
استقرار کامل پروژهها روی کلاد
دستاوردهای دوره آموزش جامع Generative AI از صفر تا پیشرفته با پروژههای واقعی
با پایان این دوره، شما قادر خواهید بود:
سیستمهای Generative AI را بهصورت عملی طراحی و پیادهسازی کنید
با LLMها و فریمورکهای مدرن AI کار کنید
چتباتها، RAG Assistantها و AI Agentهای پیشرفته بسازید
راهکارهای هوش مصنوعی را در محیطهای واقعی و ابری مستقر کنید
برای ورود به بازار کار بهعنوان Generative AI Engineer آماده شوید
دوره آموزش جامع Generative AI از صفر تا پیشرفته با پروژههای واقعی برای چه کسانی مناسب است؟
دانشجویان حوزه کامپیوتر، داده و هوش مصنوعی
برنامهنویسان و توسعهدهندگان نرمافزار
متخصصانی که دانش پایه پایتون و ML دارند و میخواهند وارد حوزه Generative AI شوند
افرادی که به یادگیری پروژهمحور و مهارتمحور علاقهمند هستند
یودمی ایران –
دوره درخواستی خود را از راه های ارتباطی درخواست کنید