فلش‌کارت‌های آموزشی مهندسی فرمان برای تولید محتوای سفارشی با مدل‌های زبانی بزرگ

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره مهندسی فرمان برای تولید محتوای سفارشی با مدل‌های زبانی بزرگ

موضوع کلی: هوش مصنوعی و پردازش زبان طبیعی

موضوع میانی: مهندسی پرامپت و کاربردهای آن

📋 سرفصل‌های دوره

• 1. مبانی هوش مصنوعی و مدل‌های زبانی بزرگ
• 2. مقدمه‌ای بر پردازش زبان طبیعی
• 3. تاریخچه مدل‌های زبانی
• 4. معماری ترنسفورمر و ترانسفورمرهای مولد
• 5. مفهوم توکن و توکنایز کردن
• 6. روش‌های مختلف توکنایز کردن
• 7. آشنایی با مدل‌های GPT
• 8. مدل‌های زبانی مولد و کاربردهای آن‌ها
• 9. اصول مهندسی پرامپت
• 10. اهمیت مهندسی پرامپت در تولید محتوا
• 11. انواع پرامپت‌ها و ساختار آن‌ها
• 12. پرامپت‌های دستوری ساده
• 13. پرامپت‌های پرسشی
• 14. پرامپت‌های توصیفی
• 15. پرامپت‌های خلاقانه
• 16. پرامپت‌های مبتنی بر نقش
• 17. پرامپت‌های مبتنی بر مثال (Few-shot prompting)
• 18. پرامپت‌های زنجیره‌ای (Chain-of-Thought prompting)
• 19. بهینه‌سازی طول و ساختار پرامپت
• 20. انتخاب کلمات کلیدی مناسب در پرامپت
• 21. استفاده از علائم نگارشی در پرامپت
• 22. تکنیک‌های تکرار و بازگشت در پرامپت
• 23. مدیریت ابهام در پرامپت‌ها
• 24. تنظیم پارامترهای مدل زبانی (Temperature, Top-p, Max tokens)
• 25. تأثیر پارامترها بر خروجی مدل
• 26. کاربرد مهندسی پرامپت در تولید محتوای متنی
• 27. تولید مقالات و گزارش‌ها
• 28. تولید محتوای وبلاگ و شبکه‌های اجتماعی
• 29. تولید شعر و داستان
• 30. تولید سناریو و نمایشنامه
• 31. تولید محتوای آموزشی
• 32. تولید محتوای بازاریابی و تبلیغات
• 33. تولید خلاصه‌ها و چکیده‌ها
• 34. ترجمه ماشینی با پرامپت‌های سفارشی
• 35. بازنویسی و تنوع‌بخشی به متون
• 36. اصلاح و ویرایش متون با استفاده از پرامپت
• 37. کاربرد مهندسی پرامپت در خلاصه‌سازی متون
• 38. کاربرد مهندسی پرامپت در پاسخ به سوالات
• 39. کاربرد مهندسی پرامپت در دسته‌بندی متون
• 40. کاربرد مهندسی پرامپت در استخراج اطلاعات
• 41. کاربرد مهندسی پرامپت در تولید کد
• 42. تولید کد پایتون با پرامپت
• 43. تولید کد جاوا با پرامپت
• 44. تولید کد SQL با پرامپت
• 45. تولید کد HTML/CSS با پرامپت
• 46. کاربرد مهندسی پرامپت در اشکال‌زدایی کد
• 47. کاربرد مهندسی پرامپت در مستندسازی کد
• 48. ملاحظات اخلاقی در استفاده از مدل‌های زبانی بزرگ
• 49. حریم خصوصی و امنیت داده‌ها در پرامپت‌نویسی
• 50. تعصب در مدل‌های زبانی و راه‌های مقابله
• 51. تولید محتوای مسئولانه و اخلاقی
• 52. ارزیابی کیفیت خروجی مدل‌های زبانی
• 53. معیارهای سنجش کیفیت متن تولید شده
• 54. روش‌های ارزیابی خودکار خروجی
• 55. ارزیابی انسانی خروجی مدل‌ها
• 56. مقایسه مدل‌های زبانی مختلف
• 57. مروری بر مدل‌های زبانی متن‌باز
• 58. مدل‌های زبانی در چارچوب قوانین جمهوری اسلامی ایران
• 59. تولید محتوای سازگار با فرهنگ ایرانی-اسلامی
• 60. مبانی فقهی تولید محتوا
• 61. چارچوب شرعی در تولید محتوای علمی
• 62. استفاده از منابع معتبر و مورد تأیید
• 63. اصول اخلاقی در پژوهش و تولید محتوا
• 64. اهمیت حفظ منافع ملی در تولید محتوا
• 65. قوانین و مقررات مربوط به محتوای دیجیتال
• 66. آیین‌نامه ساماندهی محتوای دیجیتال
• 67. مصوبات شورای عالی انقلاب فرهنگی
• 68. حدود شرعی در تولید محتوا
• 69. کاربرد هوش مصنوعی در حوزه‌های فرهنگی و اجتماعی
• 70. تولید محتوای فرهنگی با رویکرد بومی
• 71. پاسخگویی به شبهات دینی با استفاده از مدل‌های زبانی
• 72. تحلیل متون دینی با رویکرد علمی
• 73. کاربرد مهندسی پرامپت در پژوهش‌های علوم انسانی
• 74. تحلیل تاریخی با رویکرد مستند
• 75. تولید محتوای علمی در حوزه اقتصاد اسلامی
• 76. بانکداری بدون ربا و پرامپت‌نویسی
• 77. عقود اسلامی و مدل‌های زبانی
• 78. مقررات بانک مرکزی ایران در حوزه رمزارزها
• 79. تحلیل و پیش‌بینی اقتصادی با مدل‌های زبانی
• 80. کاربرد هوش مصنوعی در پزشکی و سلامت
• 81. تولید محتوای پزشکی مطابق پروتکل‌های وزارت بهداشت
• 82. تحلیل داده‌های پزشکی با مدل‌های زبانی
• 83. ملاحظات اخلاقی در کاربرد هوش مصنوعی در پزشکی
• 84. کاربرد مهندسی پرامپت در آموزش و یادگیری
• 85. تولید محتوای آموزشی تعاملی
• 86. طراحی آزمون و تمرین با مدل‌های زبانی
• 87. شخصی‌سازی فرآیند یادگیری
• 88. آینده مهندسی پرامپت و مدل‌های زبانی
• 89. نوآوری‌های آتی در مدل‌های زبانی
• 90. چالش‌های پیش رو در توسعه مدل‌های زبانی
• 91. نقش مهندسی پرامپت در آینده هوش مصنوعی