فلش‌کارت‌های آموزشی دستیابی به کدنویسی هوشمند با DSPy: راهنمای جامع مولد کد NeurIPS

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره دستیابی به کدنویسی هوشمند با DSPy: راهنمای جامع مولد کد NeurIPS

موضوع کلی: هوش مصنوعی و یادگیری ماشین

موضوع میانی: تولید کد با هوش مصنوعی

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر هوش مصنوعی و یادگیری ماشین
• 2. مبانی یادگیری ماشین
• 3. انواع الگوریتم‌های یادگیری ماشین
• 4. یادگیری نظارت شده
• 5. یادگیری نظارت نشده
• 6. یادگیری تقویتی
• 7. شبکه‌های عصبی مصنوعی
• 8. مفاهیم پایه شبکه‌های عصبی
• 9. شبکه‌های عصبی عمیق
• 10. شبکه‌های کانولوشنال (CNN)
• 11. شبکه‌های بازگشتی (RNN)
• 12. مدل‌های زبانی بزرگ (LLMs)
• 13. معماری ترنسفورمر
• 14. مقدمه‌ای بر DSPy
• 15. معماری DSPy
• 16. مفهوم Signature در DSPy
• 17. مفهوم Module در DSPy
• 18. مفهوم Program در DSPy
• 19. تولید کد با DSPy
• 20. مراحل تولید کد با DSPy
• 21. تعریف مسئله کدنویسی
• 22. انتخاب Signature مناسب
• 23. طراحی Moduleهای DSPy
• 24. ترکیب Moduleها در Program
• 25. بهینه‌سازی Programهای DSPy
• 26. دستورالعمل‌های تولید کد
• 27. دستورالعمل‌های زبانی در تولید کد
• 28. دستورالعمل‌های منطقی در تولید کد
• 29. دستورالعمل‌های بهینه‌سازی در تولید کد
• 30. دستورالعمل‌های امنیتی در تولید کد
• 31. دستورالعمل‌های اخلاقی در تولید کد
• 32. تمرین‌های عملی تولید کد با DSPy
• 33. مثال‌های کاربردی تولید کد
• 34. تولید کد پایتون با DSPy
• 35. تولید کد جاوا اسکریپت با DSPy
• 36. تولید کد SQL با DSPy
• 37. تولید کد HTML/CSS با DSPy
• 38. تولید کد برای وظایف علمی
• 39. تولید کد برای پردازش داده
• 40. تولید کد برای وظایف وب
• 41. تولید کد برای خودکارسازی
• 42. ارزیابی کیفیت کد تولید شده
• 43. معیارهای ارزیابی کد
• 44. روش‌های ارزیابی خودکار کد
• 45. روش‌های ارزیابی دستی کد
• 46. رفع اشکال کد تولید شده
• 47. استراتژی‌های رفع اشکال
• 48. استفاده از DSPy برای رفع اشکال
• 49. مقدمه‌ای بر مهندسی Prompt برای کدنویسی
• 50. اصول مهندسی Prompt
• 51. تکنیک‌های پیشرفته Prompt
• 52. Promptهای صفر-شات و چند-شات
• 53. Promptهای زنجیره فکری (Chain-of-Thought)
• 54. Promptهای مبتنی بر نقش (Role-based Prompting)
• 55. Promptهای مبتنی بر مثال (Example-based Prompting)
• 56. Promptهای مبتنی بر ساختار (Structure-based Prompting)
• 57. Promptهای مبتنی بر محدودیت (Constraint-based Prompting)
• 58. Promptهای تعاملی
• 59. تنظیم دقیق (Fine-tuning) مدل‌های زبانی برای کدنویسی
• 60. مبانی تنظیم دقیق
• 61. روش‌های تنظیم دقیق
• 62. تنظیم دقیق با استفاده از داده‌های سفارشی
• 63. تنظیم دقیق با استفاده از LoRA
• 64. تنظیم دقیق با استفاده از QLoRA
• 65. ارزیابی مدل‌های تنظیم شده
• 66. کاربردهای پیشرفته DSPy
• 67. تولید کد پیچیده
• 68. تولید کد برای سیستم‌های توزیع شده
• 69. تولید کد برای برنامه‌های موبایل
• 70. تولید کد برای هوش مصنوعی مولد
• 71. تولید کد برای امنیت سایبری
• 72. تولید کد برای ابزارهای توسعه
• 73. DSPy و ادغام با ابزارهای موجود
• 74. ادغام DSPy با IDEها
• 75. ادغام DSPy با سیستم‌های کنترل نسخه
• 76. ادغام DSPy با ابزارهای CI/CD
• 77. ملاحظات اخلاقی در تولید کد با هوش مصنوعی
• 78. مسئولیت‌پذیری در تولید کد
• 79. شفافیت در استفاده از هوش مصنوعی
• 80. پیش‌گیری از سوگیری در کد تولید شده
• 81. ملاحظات حقوقی در تولید کد
• 82. حقوق مالکیت فکری کد تولید شده
• 83. استانداردهای کدنویسی و DSPy
• 84. استانداردهای کدنویسی پایتون (PEP 8)
• 85. استانداردهای کدنویسی جاوا اسکریپت
• 86. استانداردهای کدنویسی SQL
• 87. بهینه‌سازی عملکرد کد تولید شده
• 88. تکنیک‌های بهینه‌سازی کد
• 89. اندازه‌گیری عملکرد کد
• 90. پروفایلینگ کد
• 91. توسعه ابزارهای کمکی برای تولید کد
• 92. ایجاد افزونه‌ها برای DSPy
• 93. ایجاد کتابخانه‌های کمکی
• 94. ارائه راهنمایی و پشتیبانی
• 95. آینده تولید کد با هوش مصنوعی
• 96. روندهای نوظهور در DSPy
• 97. چالش‌های پیش رو
• 98. فرصت‌های آینده
• 99. کارگاه عملی: ساخت یک مولد کد سفارشی با DSPy
• 100. مرور نهایی و جمع‌بندی دوره