فلش‌کارت‌های آموزشی طراحی الگوهای ورودی (پرامپت) پیشرفته برای مدل‌های زبانی هوش مصنوعی (DeepSeek و Phi3)

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره طراحی الگوهای ورودی (پرامپت) پیشرفته برای مدل‌های زبانی هوش مصنوعی (DeepSeek و Phi3)

موضوع کلی: هوش مصنوعی و پردازش زبان طبیعی

موضوع میانی: مهندسی پرامپت و مدل‌های زبانی بزرگ

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر هوش مصنوعی و پردازش زبان طبیعی
• 2. مبانی مدل‌های زبانی بزرگ
• 3. معماری ترنسفورمر در مدل‌های زبانی
• 4. آشنایی با مدل‌های DeepSeek و Phi3
• 5. اصول مهندسی پرامپت
• 6. انواع الگوهای ورودی (پرامپت)
• 7. طراحی پرامپت‌های دستوری ساده
• 8. طراحی پرامپت‌های پرسشی
• 9. طراحی پرامپت‌های خلاقانه
• 10. اصول تولید متن با مدل‌های زبانی
• 11. کنترل خروجی مدل‌های زبانی
• 12. تکنیک‌های تولید متن در مدل‌های زبانی
• 13. مدیریت طول خروجی
• 14. تعیین سبک و لحن خروجی
• 15. استفاده از مثال در پرامپت‌ها (Few-shot Prompting)
• 16. تکنیک Zero-shot Prompting
• 17. تکنیک One-shot Prompting
• 18. بهینه‌سازی پرامپت‌ها برای دقت
• 19. ارزیابی کیفیت خروجی مدل‌های زبانی
• 20. معیارهای ارزیابی متن تولید شده
• 21. استفاده از پرامپت‌ها برای خلاصه‌سازی متن
• 22. خلاصه‌سازی متن با رویکردهای مختلف
• 23. خلاصه‌سازی دستوری
• 24. خلاصه‌سازی استخراجی
• 25. خلاصه‌سازی خلاقانه
• 26. استفاده از پرامپت‌ها برای ترجمه ماشینی
• 27. چالش‌های ترجمه ماشینی با مدل‌های زبانی
• 28. بهبود کیفیت ترجمه با مهندسی پرامپت
• 29. استفاده از پرامپت‌ها برای تولید کد
• 30. تولید قطعه کد با مدل‌های زبانی
• 31. اشکال‌زدایی کد با مدل‌های زبانی
• 32. استفاده از پرامپت‌ها برای پاسخ به سوالات
• 33. انواع سوالات و روش‌های پاسخگویی
• 34. سوالات مبتنی بر دانش
• 35. سوالات استدلالی
• 36. استفاده از پرامپت‌ها برای طبقه‌بندی متن
• 37. طبقه‌بندی احساسات
• 38. طبقه‌بندی موضوعی
• 39. استفاده از پرامپت‌ها برای استخراج اطلاعات
• 40. استخراج موجودیت‌های نام‌دار
• 41. استخراج روابط بین موجودیت‌ها
• 42. طراحی پرامپت‌های تعاملی
• 43. ساخت چت‌بات‌های مبتنی بر مدل‌های زبانی
• 44. مدیریت مکالمه در چت‌بات‌ها
• 45. کاربرد پرامپت‌ها در آموزش و یادگیری
• 46. تولید محتوای آموزشی
• 47. شبیه‌سازی سناریوهای آموزشی
• 48. کاربرد پرامپت‌ها در کسب‌وکار
• 49. تحلیل بازار با مدل‌های زبانی
• 50. تولید محتوای بازاریابی
• 51. مدیریت ارتباط با مشتری
• 52. کاربرد پرامپت‌ها در تحقیقات علمی
• 53. مرور ادبیات علمی
• 54. تحلیل داده‌های متنی
• 55. کاربرد پرامپت‌ها در توسعه نرم‌افزار
• 56. تولید مستندات فنی
• 57. تست نرم‌افزار
• 58. ملاحظات اخلاقی در استفاده از مدل‌های زبانی
• 59. سوگیری در مدل‌های زبانی
• 60. مسئولیت‌پذیری در هوش مصنوعی
• 61. امنیت در مدل‌های زبانی
• 62. حفاظت از داده‌ها و حریم خصوصی
• 63. تکنیک‌های پیشرفته در مهندسی پرامپت
• 64. تکنیک Chain-of-Thought Prompting
• 65. تکنیک Self-Consistency Prompting
• 66. تکنیک Tree-of-Thoughts Prompting
• 67. مقایسه مدل‌های DeepSeek و Phi3 در سناریوهای مختلف
• 68. تنظیم دقیق (Fine-tuning) مدل‌های زبانی
• 69. مبانی تنظیم دقیق
• 70. کاربرد تنظیم دقیق در مهندسی پرامپت
• 71. ارزیابی مدل‌های زبانی تنظیم شده
• 72. مدیریت دانش در مدل‌های زبانی
• 73. استفاده از پایگاه‌های دانش خارجی
• 74. تکنیک Retrieval-Augmented Generation (RAG)
• 75. پیاده‌سازی RAG با مدل‌های زبانی
• 76. کاربرد RAG در پاسخ به سوالات پیچیده
• 77. پرامپت‌نویسی مولد برای وظایف خاص
• 78. تولید داستان و رمان
• 79. تولید شعر و ترانه
• 80. تولید فیلم‌نامه
• 81. پرامپت‌نویسی برای وظایف تحلیلی
• 82. تحلیل احساسات پیچیده
• 83. شناسایی تناقضات در متن
• 84. استنتاج منطقی از متن
• 85. آینده مهندسی پرامپت و مدل‌های زبانی
• 86. روندهای نوظهور در مدل‌های زبانی
• 87. چالش‌های آینده در مهندسی پرامپت
• 88. بهبود تعامل انسان و ماشین با مدل‌های زبانی
• 89. کاربرد مدل‌های زبانی در رباتیک
• 90. کنترل ربات‌ها با زبان طبیعی
• 91. تولید دستورالعمل برای ربات‌ها
• 92. مدل‌های زبانی چندوجهی (Multimodal)
• 93. پردازش همزمان متن و تصویر
• 94. تولید متن از روی تصویر
• 95. تولید تصویر از روی متن
• 96. ارزیابی مدل‌های زبانی چندوجهی
• 97. امنیت و پایداری مدل‌های زبانی
• 98. حملات adversaria
• 99. روش‌های دفاع در برابر حملات
• 100. تکنیک‌های بهینه‌سازی پرامپت برای کارایی