فلش‌کارت‌های آموزشی ساخت برنامه‌های کاربردی با هوش مصنوعی مولد با استفاده از PaLM 2 و LangChain

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره ساخت برنامه‌های کاربردی با هوش مصنوعی مولد با استفاده از PaLM 2 و LangChain

موضوع کلی: هوش مصنوعی و یادگیری ماشین

موضوع میانی: هوش مصنوعی مولد و کاربردهای آن

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر هوش مصنوعی مولد
• 2. مبانی مدل‌های زبانی بزرگ (LLMs)
• 3. معماری ترنسفورمر در LLMs
• 4. درک PaLM 2
• 5. قابلیت‌های PaLM 2
• 6. نصب و راه‌اندازی Google Cloud
• 7. محیط توسعه در Google Cloud
• 8. معرفی LangChain
• 9. مبانی LangChain
• 10. کامپوننت‌های کلیدی LangChain
• 11. اتصال PaLM 2 به LangChain
• 12. توسعه برنامه‌های کاربردی با PaLM 2
• 13. مقدمه‌ای بر Prompt Engineering
• 14. تکنیک‌های پیشرفته Prompt Engineering
• 15. خلق متن با PaLM 2
• 16. خلق کد با PaLM 2
• 17. خلق تصاویر با PaLM 2
• 18. خلق صدا با PaLM 2
• 19. کاربردهای PaLM 2 در خلاقیت
• 20. کاربردهای PaLM 2 در تولید محتوا
• 21. کاربردهای PaLM 2 در آموزش
• 22. کاربردهای PaLM 2 در پژوهش
• 23. کاربردهای PaLM 2 در کسب و کار
• 24. کاربردهای PaLM 2 در خدمات مشتری
• 25. کاربردهای PaLM 2 در بهینه‌سازی فرآیندها
• 26. کاربردهای PaLM 2 در تحلیل داده
• 27. معماری برنامه‌های کاربردی هوش مصنوعی مولد
• 28. طراحی رابط کاربری برای برنامه‌های مولد
• 29. مدیریت داده در برنامه‌های مولد
• 30. امنیت در برنامه‌های هوش مصنوعی مولد
• 31. حریم خصوصی در برنامه‌های هوش مصنوعی مولد
• 32. اخلاق در هوش مصنوعی مولد
• 33. مسئولیت‌پذیری در هوش مصنوعی مولد
• 34. مدل‌های ارزیابی برنامه‌های مولد
• 35. بهینه‌سازی عملکرد برنامه‌های مولد
• 36. مقیاس‌پذیری برنامه‌های هوش مصنوعی مولد
• 37. مقدمه‌ای بر LangChain Agents
• 38. ساخت Agents سفارشی در LangChain
• 39. استفاده از Tools در LangChain
• 40. توسعه Chain های پیچیده
• 41. مدیریت حافظه در LangChain
• 42. استفاده از Vector Stores در LangChain
• 43. Embedded ها و Vector Databases
• 44. استقرار برنامه‌های هوش مصنوعی مولد
• 45. نظارت و نگهداری برنامه‌های مولد
• 46. عیب‌یابی برنامه‌های هوش مصنوعی مولد
• 47. مقدمه‌ای بر مدل‌های Embedding
• 48. کاربرد Embedding ها در جستجو
• 49. کاربرد Embedding ها در خلاصه‌سازی
• 50. کاربرد Embedding ها در طبقه‌بندی
• 51. مدل‌های PaLM 2 برای وظایف خاص
• 52. تنظیم دقیق (Fine-tuning) مدل‌ها
• 53. ملاحظات فرهنگی در هوش مصنوعی مولد
• 54. انطباق با قوانین داخلی در توسعه هوش مصنوعی
• 55. حفاظت از داده‌های کاربران
• 56. جلوگیری از تولید محتوای نامناسب
• 57. اصول طراحی تجربه کاربری اخلاقی
• 58. مبانی یادگیری ماشین برای درک LLMs
• 59. شبکه‌های عصبی عمیق
• 60. پردازش زبان طبیعی (NLP)
• 61. تکنیک‌های پیش‌پردازش متن
• 62. تحلیل احساسات با LLMs
• 63. خلاصه‌سازی متون با LLMs
• 64. ترجمه ماشینی با LLMs
• 65. تولید پاسخ به پرسش‌ها
• 66. مدل‌های زبانی مبتنی بر دانش
• 67. معماری‌های پیشرفته LLM
• 68. توسعه چت‌بات‌های هوشمند
• 69. کاربرد LLMs در بازیابی اطلاعات
• 70. LLMs و تولید متن خلاقانه
• 71. LLMs و خلاصه‌سازی اخبار
• 72. LLMs و تولید کد برنامه‌نویسی
• 73. LLMs و کمک به نویسندگان
• 74. LLMs و خلق محتوای آموزشی
• 75. LLMs و تولید سناریو
• 76. LLMs و ایده‌پردازی
• 77. LLMs و خلاصه‌سازی مقالات علمی
• 78. LLMs و تحلیل اسناد حقوقی
• 79. LLMs و کمک به پژوهشگران
• 80. LLMs و تولید محتوای بازاریابی
• 81. LLMs و شخصی‌سازی محتوا
• 82. LLMs و خلاصه‌سازی گزارش‌ها
• 83. LLMs و تولید پاسخ‌های خودکار
• 84. LLMs و تحلیل بازخورد مشتریان
• 85. LLMs و دستیاران مجازی
• 86. LLMs و پردازش گفتار
• 87. LLMs و تولید صدا
• 88. LLMs و ترجمه زنده
• 89. LLMs و خلاصه‌سازی مکالمات
• 90. LLMs و تولید شعر
• 91. LLMs و تولید داستان
• 92. LLMs و خلق شخصیت‌های داستانی
• 93. LLMs و تولید فیلم‌نامه
• 94. LLMs و ساخت بازی‌های متنی
• 95. LLMs و خلاصه‌سازی کتاب‌ها
• 96. LLMs و تولید محتوای آموزشی تعاملی
• 97. LLMs و کمک به یادگیری زبان
• 98. LLMs و شبیه‌سازی مکالمات
• 99. LLMs و تولید تمرین‌های زبانی
• 100. LLMs و خلاصه‌سازی مباحث درسی