سپنتا کتاب اکسپرس
کتاب ساخت عامل هوشمند با استفاده از معماری RAG و مدل‌های زبان بزرگ

کتاب ساخت عامل هوشمند با استفاده از معماری RAG و مدل‌های زبان بزرگ

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 62,488 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی

📚 محتوای این محصول آموزشی (پکیج کامل)

💡 این محصول یک نسخهٔ کامل و جامع است

تمامی محتوای آموزشی این کتاب در قالب یک بسته‌ی کامل و یکپارچه ارائه می‌شود و شامل تمام نسخه‌ها و فایل‌های موردنیاز برای یادگیری است.

🎁 محتویات کامل بسته دانلودی

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل کتاب‌ها، تمرین‌ها و خودآزمایی .

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود و نسخهٔ چاپی ندارد.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های کتاب همانجا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره ساخت عامل هوشمند با استفاده از معماری RAG و مدل‌های زبان بزرگ

موضوع کلی: هوش مصنوعی و یادگیری ماشین

موضوع میانی: هوش مصنوعی مولد و عامل

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر هوش مصنوعی و یادگیری ماشین
  • 2. مبانی یادگیری ماشین
  • 3. انواع یادگیری ماشین
  • 4. یادگیری با نظارت
  • 5. یادگیری بدون نظارت
  • 6. یادگیری تقویتی
  • 7. شبکه‌های عصبی مصنوعی
  • 8. معماری‌های عمیق یادگیری
  • 9. مقدمه‌ای بر مدل‌های زبان بزرگ (LLMs)
  • 10. کاربردهای مدل‌های زبان بزرگ
  • 11. معماری ترنسفورمر
  • 12. توکن‌سازی و جاسازی کلمات
  • 13. توجه و مکانیسم‌های توجه
  • 14. مدل‌های پیش‌آموزش‌دیده
  • 15. تنظیم دقیق مدل‌های زبان بزرگ
  • 16. مقدمه‌ای بر هوش مصنوعی مولد
  • 17. کاربردهای هوش مصنوعی مولد
  • 18. مدل‌های تولید متن
  • 19. مدل‌های تولید تصویر
  • 20. مدل‌های تولید کد
  • 21. مقدمه‌ای بر عامل‌های هوشمند
  • 22. مفهوم عامل هوشمند
  • 23. معماری عامل هوشمند
  • 24. چرخه حیات عامل هوشمند
  • 25. طراحی عامل هوشمند
  • 26. پیاده‌سازی عامل هوشمند
  • 27. ارزیابی عامل هوشمند
  • 28. مقدمه‌ای بر بازیابی افزوده (RAG)
  • 29. مبانی بازیابی افزوده
  • 30. اجزای سیستم RAG
  • 31. موتور بازیابی
  • 32. موتور تولید
  • 33. ترکیب بازیابی و تولید
  • 34. کاربردهای RAG
  • 35. طراحی سیستم RAG
  • 36. پیاده‌سازی سیستم RAG
  • 37. بهینه‌سازی سیستم RAG
  • 38. مباحث پیشرفته در RAG
  • 39. مدل‌های زبان بزرگ در ایران
  • 40. قوانین و مقررات استفاده از LLMs
  • 41. اخلاق در هوش مصنوعی مولد
  • 42. مسئولیت‌پذیری عامل‌های هوشمند
  • 43. امنیت در عامل‌های هوشمند
  • 44. حریم خصوصی در عامل‌های هوشمند
  • 45. مباحث فقهی و حقوقی هوش مصنوعی
  • 46. کاربرد هوش مصنوعی در آموزش
  • 47. توسعه عامل‌های هوشمند با ابزارهای متن‌باز
  • 48. چارچوب‌های توسعه عامل هوشمند
  • 49. استفاده از کتابخانه‌های پایتون
  • 50. پایگاه‌های داده برای RAG
  • 51. شاخص‌گذاری داده‌ها
  • 52. جستجوی معنایی
  • 53. تولید پاسخ با LLMs
  • 54. ارزیابی کیفیت پاسخ‌ها
  • 55. تنظیم پارامترهای تولید
  • 56. مدیریت حافظه عامل هوشمند
  • 57. استراتژی‌های عامل هوشمند
  • 58. برنامه‌ریزی عامل هوشمند
  • 59. تصمیم‌گیری عامل هوشمند
  • 60. تعامل عامل هوشمند با محیط
  • 61. یادگیری عامل هوشمند
  • 62. تکامل عامل هوشمند
  • 63. مقدمه‌ای بر مدل‌های NVIDIA Nemotron
  • 64. معماری مدل‌های Nemotron
  • 65. قابلیت‌های مدل‌های Nemotron
  • 66. استفاده از مدل‌های Nemotron
  • 67. تنظیم دقیق مدل‌های Nemotron
  • 68. توسعه عامل هوشمند با Nemotron
  • 69. پیاده‌سازی RAG با Nemotron
  • 70. بهینه‌سازی عملکرد با Nemotron
  • 71. کاربردهای عملی با Nemotron
  • 72. ملاحظات امنیتی در استفاده از Nemotron
  • 73. ملاحظات اخلاقی در استفاده از Nemotron
  • 74. مقدمه‌ای بر چارچوب‌های عامل هوشمند
  • 75. فریم‌ورک LangChain
  • 76. فریم‌ورک LlamaIndex
  • 77. مقایسه چارچوب‌ها
  • 78. توسعه عامل با LangChain
  • 79. توسعه عامل با LlamaIndex
  • 80. ادغام RAG و عامل در LangChain
  • 81. ادغام RAG و عامل در LlamaIndex
  • 82. کاربرد عامل‌های هوشمند در کسب‌وکار
  • 83. عامل‌های هوشمند برای خدمات مشتری
  • 84. عامل‌های هوشمند برای تحلیل داده
  • 85. عامل‌های هوشمند برای اتوماسیون فرآیند
  • 86. توسعه عامل‌های هوشمند سفارشی
  • 87. آینده عامل‌های هوشمند
  • 88. چالش‌های پیش رو در عامل‌های هوشمند
  • 89. فرصت‌های آینده در عامل‌های هوشمند
  • 90. مقدمه‌ای بر پردازش زبان طبیعی (NLP)
  • 91. تکنیک‌های پیشرفته NLP
  • 92. استفاده از NLP در عامل‌های هوشمند
  • 93. مقدمه‌ای بر یادگیری عمیق مولد
  • 94. مدل‌های مولد پیشرفته
  • 95. کاربرد مدل‌های مولد در عامل‌ها
  • 96. ارزیابی عامل‌های هوشمند پیچیده
  • 97. تست و اشکال‌زدایی عامل‌های هوشمند
  • 98. توسعه پایدار عامل‌های هوشمند
  • 99. مقدمه‌ای بر مهندسی پرامپت
  • 100. تکنیک‌های مهندسی پرامپت برای عامل‌ها

📚 محتوای این محصول آموزشی (پکیج کامل)

💡 این محصول یک نسخهٔ کامل و جامع است

تمامی محتوای آموزشی این کتاب در قالب یک بسته‌ی کامل و یکپارچه ارائه می‌شود و شامل تمام نسخه‌ها و فایل‌های موردنیاز برای یادگیری است.

🎁 محتویات کامل بسته دانلودی

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل کتاب‌ها، تمرین‌ها و خودآزمایی .

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود و نسخهٔ چاپی ندارد.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های کتاب همانجا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.