دوره توضیح Generative AI از مبانی ریاضی تا LLMs

آنچه یاد خواهید گرفت: توضیح دهید که ماشین‌ها چگونه داده را پیش از ورود به هر مدل هوش مصنوعی یا یادگیری ماشین نمایش می‌دهند، پیش‌پردازش می‌کنند و نرمال‌سازی می‌کنند. بردارها، ضرب داخلی، شباهت کسینوسی و فاصله اقلیدسی را که پشت‌صحنه‌ی جای‌گذاری‌های تعبیه های LLM هستند، تفسیر کنید. توضیح دهید آموزش مدل چگونه کار می‌کند: توابع خطا، گرادیان نزولی و این‌که یادگیری برای یک ماشین واقعاً به چه معناست. یادگیری نظارت‌شده، بدون‌نظارت، خودنظارتی و تقویتی را مقایسه کنید و ببینید LLMها چگونه هر سه را با هم ترکیب می‌کنند. معماری ترنسفورمر را بررسی کنید: توکن‌سازی، رمزگذاری موقعیت، توجه و توجه چندسر مدل‌های فقط رمزگذار، فقط رمزگشا و رمزگذار-رمزگشا را از هم متمایز کنید و کاربردهای واقعی آن‌ها را بشناسید. ابرپارامترهای کلیدی مانند نرخ یادگیری، دما، top-k و top-p را شناسایی کنید و درک کنید چرا مهم هستند. یک مدل ذهنی مفهومی از این‌که ChatGPT، Claude، Gemini و دیگر LLMs چگونه متن را گام‌به‌گام تولید می‌کنند بسازید. پیش‌نیازهای دوره هیچ تجربه‌ای در برنامه‌نویسی یا کدنویسی لازم نیست، چون این یک دوره‌ی کاملاً مفهومی و بدون کد است مهارت‌های اولیه حسابی (جمع، ضرب، کسرها) مفید هستند، اما حتی همین موارد هم در دوره مرور می‌شوند. یک رایانه یا تبلت با دسترسی به اینترنت برای پخش ویدئوهای آموزشی کافی است، بنابراین نیازی به دانلود نرم‌افزار خاصی نیست. کنجکاوی درباره‌ی این‌که هوش مصنوعی در پشت‌صحنه چگونه کار می‌کند، کافی است و هیچ پیش‌زمینه‌ای در یادگیری ماشین یا علم داده لازم نیست. توضیحات دوره تا به حال فکر کرده‌اید وقتی در ChatGPT ،Claude یا Gemini یک پرسش وارد می‌کنید، واقعاً چه اتفاقی درون آن‌ها می‌افتد؟ بیشتر افراد هر روز از این ابزارها استفاده می‌کنند، بدون آن‌که موتور پشت آن‌ها را بشناسند. بیشتر منابع آموزشی یا شما را در معادلات و کد غرق می‌کنند یا فقط سطح موضوع را لمس می‌کنند. این دوره یک مسیر میانی به شما می‌دهد: سفری روشن، ساختارمند و مفهومی‌محور به اصول Generative AI بدون کدنویسی - بدون پیش‌نیاز ریاضی پیشرفته. فقط درک واقعی که گام‌به‌گام ساخته می‌شود. ابتدا با این شروع می‌کنید که ماشین‌ها چگونه داده را می‌بینند و آماده می‌کنند: انواع داده که هوش مصنوعی با آن‌ها کار می‌کند، چالش‌های عددی مانند زیرسرریز و سرریز، و اینکه چرا نرمال‌سازی پیش از یادگیری هر مدل ضروری است. از آن‌جا، شهود ریاضی پشت هوش مصنوعی را می‌سازید: بردارها، ضرب داخلی، شباهت کسینوسی، و همان معادله‌ای که ستون فقرات همه‌ی یادگیری ماشین‌ها است. سپس بررسی می‌کنید که ماشین‌ها واقعاً چگونه یاد می‌گیرند. با توابع خطا، گرادیان نزولی، نرخ یادگیری و این‌که «آموزش یک مدل» واقعاً چه معنایی دارد آشنا می‌شوید؛ نه به‌عنوان یک واژه‌ی پرزرق‌وبرق، بلکه به‌عنوان یک فرآیند ریاضی مشخص. یادگیری نظارت‌شده، بدون‌نظارت، خودنظارتی و تقویتی را مقایسه می‌کنید و می‌بینید که LLMهای مدرن سه مورد از این رویکردها را با هم ترکیب می‌کنند. در نهایت به معماری ترنسفورمر می‌رسید؛ همان جهشی که امروز پشت همه‌ی مدل‌های بزرگ Generative AI قرار دارد. توکن‌سازی، رمزگذاری موقعیت، سازوکار توجه (شامل ماتریس‌های پرسش، کلید و مقدار)، توجه چندسر، و این‌که مدل‌های فقط رمزگذار، فقط رمزگشا و رمزگذار-رمزگشا چگونه در صنعت برای اهداف متفاوت به کار می‌روند را یاد می‌گیرید. در پایان این دوره، قادر خواهید بود: توضیح دهید داده چگونه از ورودی خام تا خروجی تولیدشده از یک مدل هوش مصنوعی عبور می‌کند. خلاصه‌های پژوهشی هوش مصنوعی، پست‌های فنی وبلاگ و نمودارهای معماری را بخوانید و درک کنید. درباره‌ی استراتژی هوش مصنوعی با تیم‌های فنی و مدیران، گفت‌وگوهای آگاهانه داشته باشید. ابزارهای هوش مصنوعی و ادعاهای فروشندگان را با درک مفهومی واقعی ارزیابی کنید. یک اصول محکم برای ادامه‌ی مسیر در مهندسی پرسش، تنظیم دقیق یا توسعه‌ی هوش مصنوعی بسازید. چه چیزی این دوره را متفاوت می‌کند؟ رویکرد مفهومی‌محور: هر ایده پیش از آن‌که فرمولی ظاهر شود، به‌صورت ویژوال روی تخته توضیح داده می‌شود. مسیر یادگیری تدریجی: هر درس مستقیماً بر درس قبلی بنا می‌شود؛ بدون شکاف دانشی ارتباط با دنیای واقعی: هر مفهوم ریاضی به نقش واقعی آن در Generative AI وصل می‌شود. کارآمد و خلاصه: درس‌ها متمرکز و دقیق هستند؛ بدون محتوای اضافی یا حاشیه‌روی‌های غیرضروری دسترس‌پذیر برای همه: انگلیسی روشن و حرفه‌ای همراه با مثال‌های متنوع و فراگیر در سراسر دوره این دوره برای حرفه‌ای‌ها و یادگیرندگانی طراحی شده است که می‌خواهند هوش مصنوعی را در سطح مفهومی درک کنند؛ چه در حال ارزیابی ابزارهای هوش مصنوعی برای سازمان خود باشید، چه برای تغییر مسیر شغلی آماده می‌شوید، یا فقط می‌خواهید در دنیایی که روزبه‌روز بیشتر به آن نیاز دارد، سواد هوش مصنوعی داشته باشید. مفاهیمی که در این دوره پوشش داده می‌شوند، همان مفاهیمی هستند که پشت ChatGPT (GPT) ،Google Gemini ،Anthropic Claude ،Meta LLaMA و هر مدل زبانی بزرگ دیگری قرار دارند. درک آن‌ها به شما یک مزیت ماندگار می‌دهد، فارغ از این‌که کدام مدل یا ابزار خاص فردا بازار را در دست بگیرد. همین حالا در این دوره شرکت کنید و درکی بسازید که کاربران هوش مصنوعی را از حرفه‌ای‌های دارای سواد هوش مصنوعی متمایز می‌کند. این دوره برای چه کسانی مناسب است؟ حرفه‌ای‌هایی که هر روز از ابزارهای هوش مصنوعی مانند ChatGPT ،Copilot و Claude استفاده می‌کنند و می‌خواهند واقعاً بدانند چگونه کار می‌کنند. مدیران فنی و غیرفنی که باید درباره‌ی پذیرش هوش مصنوعی در سازمان خود تصمیم‌های آگاهانه بگیرند. تحلیل‌گران داده، تحلیل‌گران کسب‌وکار و متخصصان هوش تجاری که می‌خواهند دانش اساسی خود را درباره‌ی مفاهیم هوش مصنوعی و یادگیری ماشین بسازند. توسعه‌دهندگان و مهندسان نرم‌افزار که پیش از ورود به پیاده‌سازی عملی هوش مصنوعی، به یک اصول مفهومی روشن نیاز دارند. افرادی که مسیر شغلی خود را تغییر می‌دهند و دانشجویانی که هوش مصنوعی، علم داده یا یادگیری ماشین را به‌عنوان مسیر حرفه‌ای جدید بررسی می‌کنند. هر کسی که قبلاً تلاش کرده هوش مصنوعی یاد بگیرد اما از ریاضی سنگین یا رویکردهای مبتنی بر کد دچار سردرگمی شده است.