دریافت شناخت کامل از فناوری هوش مصنوعی (AI) و مدلهای زبانی بزرگ (LLM)
Introduction to Artificial Intelligence & Large Language Models
فراگیری و آشنایی با مفاهیم هوش مصنوعی و مدلهای زبانی بزرگ LLM، الگوریتمهای یادگیری ماشین، شبکههای عصبی مصنوعی، مدلهای بنیادین و یادگیری عمیق
مرجعی جامع برای قدم گذاشتن به دنیای بیکران هوش مصنوعی و آیندهسازی

سطح آموزشی: مقدماتی تا متوسط
ویژگیهای کلیدی مجموعه صفر تا صد آموزش مبانی هوش مصنوعی و مدلهای زبانی بزرگ در یک نگاه:
- ۲۲۰ دقیقه آموزش ویدیویی جامع مبانی هوش مصنوعی و مدلهای زبانی بزرگ. از آشنایی با مفاهیم و تعاریف پایه و تاریخچه تا شناخت الگوریتمهای یادگیری ماشین، شبکههای عصبی مصنوعی، مدلهای بنیادین و یادگیری عمیق و مدلهای زبانی بزرگ در حوزه هوش مصنوعی
- آموزش بسیار کاربردی و در سطح استانداردهای جهانی، برگرفته از تدریس برجستهترین اساتید بینالمللی هوش مصنوعی
- ارائه برای اولین بار در ایران، با ترجمه تخصصی، فارسیسازی و دوبله به زبان فارسی توسط متخصصان ایرانی
- شامل دو دوره آموزشی کامل فارسی و پروژهمحور:
- دوره آموزش مبانی هوش مصنوعی - Introduction to Artificial Intelligence
- دوره آموزش مبانی مدلهای زبانی بزرگ - Introduction to Large Language Models
- بستهای بینظیر برای ورود به عرصه هوش مصنوعی و فناوریهای آینده

هوش مصنوعی چیست؟ What is Artificial Intelligence
هوش مصنوعی به مجموعهای از روشها و سامانههای رایانهای اطلاق میشود که هدف آنها تقلید و شبیهسازی رفتارهای هوشمندانه انسانی است. این سامانهها قادرند مشابه انسانها اطلاعات را پردازش نمایند، از تجربیات گذشته خود بیاموزند و حتی تصمیمگیریهای پیچیده انجام دهند.
یکی از ارکان اساسی هوش مصنوعی، یادگیری ماشین است که به سامانهها این قابلیت را میدهد که بدون نیاز به برنامهنویسی صریح، از دادهها و تجربیات قبلی خود یاد بگیرند و ارتقا یابند.
هوش مصنوعی که در ابتدا تنها به عنوان یک ابزار در نظر گرفته میشد، اکنون به نیروی محرکهای برای پیشرفت در صنایع مختلف تبدیل شده است. به بیان دیگر، هوش مصنوعی تنها به حوزههای خاصی محدود نمیشود و در بسیاری از صنایع از جمله بهداشت و درمان، خودروسازی، امور مالی و حتی کسبوکارهای مختلف تأثیرگذار بوده است.
مدلهای زبانی بزرگ یا LLM چیست؟ What is Large Language Model
مدل زبانی بزرگ (Large Language Model) یا به اختصار LLM، نوعی از مدلهای یادگیری عمیق است که با بهرهگیری از دادههای زبانی بسیار عظیم، قادر به درک، تولید و ترجمه زبان طبیعی میباشد. این مدلها در حوزههای گوناگونی مانند تولید محتوا، ترجمه ماشینی، پاسخگویی به پرسشها و حتی نوشتن کد برنامهنویسی کاربرد دارند.
به زبان ساده، مدلهای زبانی بزرگ با تحلیل الگوهای زبانی پیچیده در دادههای آموزشی، توانایی تولید متون جدیدی را کسب میکنند که از لحاظ معنایی و ساختاری مشابه زبان انسان هستند. این مدلها بر پایه معماریهای پیچیدهای با نام «ترنسفورمر» (Transformer) عمل میکنند که به آنها امکان پردازش موازی و درک روابط بین کلمات در یک جمله را میدهد.
از مشهورترین مدلهای زبانی بزرگ میتوان به ChatGPT محصول شرکت OpenAI و Grok محصول شرکت X اشاره نمود.
نمایش نمونه ویدیوی معرفی دوره آموزش مبانی Artificial Intelligence
دوره آموزشی فارسی آموزش مبانی هوش مصنوعی
دانشمندان علوم رایانه تنها بخش کوچکی از افرادی هستند که در حوزه هوش مصنوعی (AI) فعالیت میکنند. اکثر افرادی که با هوش مصنوعی کار میکنند، دقیقاً شبیه به شما هستند: متخصصان، مدرسان و دانشجویانی که میخواهند با استفاده از هوش مصنوعی، محصولات، خلاقیت یا مسیر شغلی خود را ارتقا بخشند.
هوش مصنوعی بیش از نیم قرن است که وجود دارد. با وجود پیشرفتهای چشمگیر در هوش مصنوعی پیشبینیکننده و مولد، مفاهیم بنیادی هوش مصنوعی کماکان قابل درک میباشند.
به دوره آموزش مبانی هوش مصنوعی خوش آمدید! این دوره برای مدیران پروژه، مدیران محصول، مدیران ارشد، تصمیمسازان و دانشجویانی طراحی شده است که میخواهند وارد مسیر شغلی هوش مصنوعی شوند. در ابتدا خواهید آموخت که «هوشمندی» در یک سامانه دقیقاً به چه معناست. سپس با تفاوت بین هوش مصنوعی پیشبینیکننده کلاسیک و هوش مصنوعی مولد مدرن آشنا خواهید شد.
در ادامه دوره آموزش مبانی هوش مصنوعی، مروری خواهید داشت بر الگوریتمهای یادگیری ماشین، شبکههای عصبی مصنوعی، مدلهای بنیادین و یادگیری عمیق. چه از علاقهمندان کنجکاو باشید و چه از پیگیران جدی مسیر شغلی هوش مصنوعی، این دوره به شما کمک میکند تا گام اول را در دنیای سامانههای هوشمند بردارید.

آموزش مبانی هوش مصنوعی
عناوین و سرفصلهای دوره آموزشی فارسی آموزش مبانی هوش مصنوعی
مقدمه
۱- دلیل ضرورت آگاهی از هوش مصنوعی
فصل اول – هوش مصنوعی چیست؟
۱- تعریف هوش عمومی
۲- حلکننده عمومی مسئله
۳- هوش مصنوعی قوی در مقابله با ضعیف
فصل دوم – کاربردهای متداول هوش مصنوعی
۱- هوش مصنوعی پیشبینیکننده
۲- هوش مصنوعی مولد
فصل سوم – ظهور یادگیری ماشین
۱- یادگیری ماشین
۲- شبکههای عصبی مصنوعی
فصل چهارم – سامانههای رایج هوش مصنوعی
۱- جستجوی الگوها در داده
۲- رباتیک
۳- پردازش زبان طبیعی
۴- اینترنت اشیا
۵- سامانههای مولد

فصل پنجم – یادگیری از داده
۱- داده برچسبخورده و بدون برچسب
۲- مجموعه دادههای عظیم
۳- مدلهای داده
فصل ششم – شناسایی الگوها
۱- دستهبندی داده
۲- خوشهبندی داده
۳- یادگیری تقویتی
فصل هفتم – الگوریتمهای یادگیری ماشین
۱- الگوریتمهای رایج
۲- K نزدیکترین همسایگان
۳- خوشهبندی K میانگین
۴- رگرسیون
۵- بِیز ساده (Naïve Bayes)
فصل هشتم – هماهنگسازی الگوریتم
۱- انتخاب بهترین الگوریتم
۲- پیروی از داده
۳- بیشبرازش و کمبرازش
فصل نهم – شبکههای عصبی مصنوعی
۱- ساخت یک شبکه عصبی
۲- وزندهی به ارتباطات
۳- بایاس فعالسازی
فصل دهم – بهبود دقت
۱- یادگیری از اشتباهات
۲- پیمایش شبکه گام به گام
فصل یازدهم – ظهور هوش مصنوعی مولد
۱- یادگیری خودنظارتی
۲- مدلهای بنیادین
۳- مدلهای زبان بزرگ (LLM)
۴- مدلهای انتشار تصویر

فصل دوازدهم – معماری هوش مصنوعی مولد
۱- شبکههای مولد تخاصمی (GAN)
۲- خودرمزگذار واریاسیونی (VAE)
۳- ترنسفورمرها (Transformers)
فصل سیزدهم – چالشهای اخلاقی و حقوقی
۱- مسئله همراستایی
۲- قابلیت ردیابی تصمیمگیری
۳- چالشهای حق نشر
۴- نگرانیهای مربوط به حریم خصوصی
فصل چهاردهم – گامهای بعدی
۱- استفاده از سامانههای هوش مصنوعی
۲- به کارگیری هوش مصنوعی برای حل مسائل
نمایش نمونه ویدیوی معرفی دوره آموزش مبانی Large Language Models

دوره آموزشی فارسی آموزش مبانی مدلهای زبانی بزرگ
Introduction to Large Language Models
مدلهای زبانی بزرگ (LLM) دنیای هوش مصنوعی را متحول کردهاند. مدلهای زبانی بزرگ پایه برخی از بزرگترین فناوریهای هوش مصنوعی در چند سال اخیر بودهاند، مانند ChatGPT و GPT-4 و نسخههای بالاتر و جدیدتر.
در این دوره آموزش مبانی مدلهای زبانی بزرگ، مروری کلی بر LLMها ارائه میدهیم که برای یادگیرندگان فنی و غیرفنی مناسب است. توضیح میدهیم LLM چیست و چه کارهایی میتوان با آن انجام داد و نگاهی به ساختار درونی آنها میاندازیم تا درک کنید چرا به این شکل عمل میکنند و چگونه میتوانند بر کار شما تأثیر بگذارند.
همچنین، چگونگی آموزش دادن مدلهای زبانی بزرگ را توضیح میدهیم و اجزای سازنده آنها را بررسی میکنیم. سپس به چندین کاربرد مختلف مدلهای زبانی بزرگ میپردازیم، از جمله BERT، GPT-3، PaLM و PaLM 2، ChatGPT و GPT-4 و Llama و نشان میدهیم چگونه میتوان مدلهای زبانی بزرگ را با استفاده از معیارهای سنجش مقایسه نمود.

آموزش هوش مصنوعی AI
عناوین و سرفصلهای دوره آموزشی فارسی آموزش مبانی Large Language Models
مقدمه
۱- تأثیر و کارایی مدلهای زبانی بزرگ
فصل اول – ترنسفورمرها در پردازش طبیعی زبان
۱- مدلهای زبانی بزرگ چه هستند؟
۲- مدلهای زبانی بزرگ چگونه آموزش داده میشوند؟ پیشآموزش
۳- پیروی مدلهای زبانی بزرگ از دستورالعملها
فصل دوم – اجزای مدلهای زبانی بزرگ
۱- ساختار ترنسفورمر
۲- پارامترها چه هستند؟
۳- توکنها چه هستند؟
۴- طول محتوا چیست؟
فصل سوم – مدلهای زبانی بزرگ
۱- BERT
۲- قوانین مقیاسپذیری
۳- GPT-3
۴- Chinchilla
۵- PaLM و PaLM 2
۶- ChatGPT و GPT-4
۷- مدلهای زبانی بزرگ متنباز
۸- مقایسه مدلهای زبانی بزرگ
فصل چهارم – نتیجهگیری
۱- گامهای بعدی

تغییرات اعمال شده در بازنویسی:
- حفظ کامل تمام جزئیات و سرفصلها
- بهبود ساختار جملات و روانسازی متن
- استفاده از واژههای مترادف برای جلوگیری از تکرار
- اصلاح برخی اصطلاحات فنی برای رساتر شدن
- نگهداری کامل تمام بخشها و عناوین
اگر نیاز به تغییرات بیشتر یا سبک خاص دیگری دارید، خوشحال میشوم اعمال کنم.
