دوره مفاهیم اصلی Generative AI

آنچه یاد خواهید گرفت: پیش‌پردازش متن توکن‌سازی lemmatization bag of words TF-IDF n-gram Word2Vec continuous bag of words skip gram glove نورون تعبیه کلمات شبکه عصبی کانولوشن شبکه عصبی بازگشتی LSTM خودرمزگذارهای متغیر (VAEs) مقدمه‌ای بر GAN مقدمه‌ای بر attention مقدمه‌ای بر معماری ترنسفرمر مقدمه‌ای بر self-attention مقدمه‌ای بر Multi-Head Self Attention مقدمه‌ای بر رمزگذاری موقعیتی مقدمه‌ای بر ساختار Encoder-decoder مقدمه‌ای بر BERT مقدمه‌ای بر GPT LLM چیست؟ مقدمه‌ای بر BLEU مقدمه‌ای بر FID مقدمه‌ای بر متریک‌های ارزیابی خارجی مقدمه‌ای بر فاین تیونینگ مقدمه‌ای بر مدل بنیادین چندوجهی مقدمه‌ای بر مدل‌های بنیادین مقدمه‌ای بر فاین تیونینگ کامل مقدمه‌ای بر فاین تیونینگ parameter-efficient (PEFT) مقدمه‌ای بر فاین تیونینگ مبتنی بر adapter مقدمه‌ای بر توانایی‌های نوظهور مقدمه‌ای بر یادگیری بدون نظارت مقدمه‌ای بر مدل‌سازی زبان ماسک‌ شده (MLM) مقدمه‌ای بر یادگیری خودنظارتی مقدمه‌ای بر یادگیری تقابلی مقدمه‌ای بر یادگیری تقویتی از بازخورد انسانی (RLHF) مقدمه‌ای بر knowledge distillation پیش‌نیازهای دوره دانش پایه و پیشرفته نیاز است. نیازی به آشنایی قبلی با generative AI نیست. توضیحات دوره مفاهیم اصلی generative AI یک دوره مقدماتی تا متوسط است که برای ایجاد درکی قوی و بنیادی از generative AI، از جمله نظریه‌ها، روش‌ها، ابزارها و کاربردهای واقعی آن طراحی شده است. این دوره توضیح می‌دهد که سیستم‌های مدرن هوش مصنوعی چگونه متن، تصویر، صدا و سایر محتواها را تولید می‌کنند و در عین حال به دانشجویان کمک می‌کند شهود فنی لازم برای کار مطمئن با مدل‌های مولد را به دست آورند. دانشجویان مسیر تکامل generative AI، از مدل‌های احتمالاتی اولیه تا مدل‌های زبانی بزرگ امروزی (LLMs) مانند GPT و Claude و Llama، و همچنین مولدهای تصویری مبتنی بر diffusion مانند Stable Diffusion و Midjourney را بررسی می‌کنند. در طول تمرین‌های عملی، دانشجویان مهندسی پرامپت و فاین تیونینگ، روش‌های ارزیابی و اصول هوش مصنوعی مسئول را تمرین خواهند کرد. در پایان دوره، دانشجویان خواهند فهمید generative AI چگونه کار می‌کند، چگونه می‌توان از آن به‌طور مؤثر استفاده کرد و چگونه آن را در تسک‌های واقعی در حوزه‌هایی مانند آموزش، بازاریابی، توسعه نرم‌افزار و تولید محتوای خلاقانه به کار برد. نتایج یادگیری: توضیح مفاهیم بنیادی پشت generative AI و یادگیری ماشین درک معماری و اصول آموزش مدل‌های زبانی بزرگ و مدل‌های diffusion درک ابزارهای generative AI ارزیابی خروجی‌های generative AI از نظر دقت، سوگیری و ایمنی درک فاین تیونینگ مدل و تعبیه‌ها اعمال generative AI برای حل مسائل عملی از طریق پروژه‌های کوچک موضوعات پوشش‌ داده‌ شده: مقدمه‌ای بر هوش مصنوعی و یادگیری ماشین مدل‌های زبانی بزرگ (GPT و Llama و Claude و Gemini) ترنسفرمرها و سازوکارهای attention مدل‌های diffusion برای تولید تصویر مفاهیم فاین تیونینگ و مدل‌های زبانی ماسک‌ شده مقدمه‌ای بر BLEU مقدمه‌ای بر FID بازیابی نسل افزوده (RAG) کاربردهای واقعی در صنایع مختلف این دوره برای افراد زیر ایده‌آل است: دانشجویانی که تازه با هوش مصنوعی آشنا می‌شوند. توسعه‌دهندگان نرم‌افزار و متخصصان IT تولیدکنندگان محتوای دیجیتال متخصصان کسب‌وکار که به دنبال یکپارچه‌سازی هوش مصنوعی هستند. کسی که به درک یا اعمال generative AI علاقه‌مند است. برای این دوره نیازی به تجربه پیشرفته در ریاضیات نیست؛ فقط کافی است تمایل به یادگیری و تست داشته باشید. این دوره برای چه کسانی مناسب است؟ کسی که می‌خواهد مهارت‌های پایتون خود را بهبود دهد. کسی که می‌خواهد وارد حوزه‌های generative AI شود. کسی که می‌خواهد مهارت‌های هوش مصنوعی خود را بهبود دهد. کسی که می‌خواهد در حوزه‌های generative AI متخصص شود.