توضیحات
AI Engineering 2026: ML Deep Learning LLMs RAG & Agents دوره آموزشی طراحی، توسعه و استقرار برنامههای مدرن هوش مصنوعی می باشد که توسط آکادمی آنلاین یودمی منتشر شده است. این دوره جامع فناوریهای اساسی پشت چشمانداز بهسرعت در حال تحول هوش مصنوعی امروز را پوشش میدهد. پایههای یادگیری ماشین و یادگیری عمیق را بررسی میکنید، درک میکنید شبکههای عصبی چگونه از داده یاد میگیرند و کشف میکنید این تکنیکها چگونه سیستمهای هوشمند را در صنایع مختلف پشتیبانی میکنند. به مدلهای زبانی بزرگ (LLM) میپردازید و یاد میگیرید چگونه با فناوریهای هوش مصنوعی مولد از طریق مهندسی پرامپت، ادغام مدل و توسعه برنامههای کاربردی کار کنید.
تولید افزودهشده با بازیابی (RAG) را بررسی میکنید و میفهمید چگونه embedding ها، پایگاههای داده برداری و تکنیکهای بازیابی اطلاعات به برنامههای هوش مصنوعی امکان میدهند به دانش خارجی دسترسی داشته باشند و پاسخهای آگاه از زمینه ارائه دهند. کشف میکنید چگونه عاملهای هوشمند هوش مصنوعی بسازید که قادر به استدلال، تعامل با ابزارهای خارجی، مدیریت اطلاعات و اجرای گردشکارهای چندمرحلهای هستند. درکی از چرخه کامل مهندسی هوش مصنوعی شامل آمادهسازی داده، توسعه مدل، ارزیابی، ادغام و استقرار توسعه میدهید. چه توسعهدهنده نرمافزار باشید، چه دانشمند داده، چه متخصص یادگیری ماشین یا مهندس هوش مصنوعی تازهکار، این دوره یک مسیر یادگیری ارزشمند برای کسب تخصص عملی در یادگیری ماشین، یادگیری عمیق، برنامههای مبتنی بر LLM، معماریهای RAG و سیستمهای هوش مصنوعی خودمختار فراهم میکند.
آنچه در دوره AI Engineering 2026: ML Deep Learning LLMs RAG & Agents یاد خواهید گرفت:
- ساخت، آموزش و ارزیابی مدلهای یادگیری ماشین در پایتون با pandas و scikit-learn، از پاکسازی دادههای خام تا خواندن ماتریس درهمریختگی
- انتخاب الگوریتم مناسب برای هر مسئله: رگرسیون، دستهبندی، درخت تصمیم، جنگلهای تصادفی، XGBoost، SVM و خوشهبندی k-means
- تشخیص بیشبرازش و کمبرازش و رفع آنها با regularization، اعتبارسنجی متقاطع و ویژگیهای بهتر
- درک نحوه یادگیری شبکههای عصبی و آموزش مدل اختصاصی در PyTorch و Keras، از جمله CNN برای بینایی ماشین
- توضیح نحوه عملکرد LLM ها: توکنها، embedding ها، توجه، ترانسفورمرها، پنجرههای زمینه، کوانتیزاسیون و mixture-of-experts
- و …
مشخصات دوره
ناشر: یودمی
مدرس: Phani Avagaddi
زبان: انگلیسی
سطح آموزش: مقدماتی تا پیشرفته
تعداد دروس: 211
مدت زمان آموزش: 39 ساعت و 53 دقیقه
سرفصل های دوره

پیش نیازهای دوره AI Engineering 2026: ML Deep Learning LLMs RAG & Agents
No prior AI or machine learning experience needed. Python is taught from scratch, focused on what you need for AI.
A computer with internet access and a free Google account for Google Colab. No GPU or paid cloud account required.
High-school math is enough. The math you need (vectors, matrices, gradients) is explained when it comes up.
Optional: a ChatGPT, Claude or Gemini subscription helps in the coding-agent lectures, but free alternatives are covered too.
تصاویر دوره

فیلم معرفی دوره AI Engineering 2026: ML Deep Learning LLMs RAG & Agents
راهنمای نصب
پس از Extract، با Player دلخواه خود مشاهده کنید.
زیرنویس: ندارد
کیفیت: 1080p
لینک دانلود
گذرواژه فایل(ها): www.downloadly.ir
حجم فایل
32.5 گیگابایت













































