توضیحات
Master LLM Engineering & AI Agents: Build 14 Projects – 2025، دوره آموزش تسلط بر مهندسی LLM و عامل‌های هوشمند: ساخت 14 پروژه توسط آکادمی Udemy منتشر شده است.انقلاب هوش مصنوعی با سرعتی غیرقابل تصور در حال پیشرفت است و کسانی که بر مدل‌های زبانی بزرگ (LLM) و هوش عامل محور مسلط شوند، آینده فناوری را رقم خواهند زد. دوره جامع “تسلط بر مدل‌های زبانی بزرگ و عامل‌های هوشمند” یک برنامه عملی و فشرده است که متخصصان و علاقه‌مندان را برای ساخت برنامه‌های واقعی هوش مصنوعی آماده می‌کند. چه توسعه‌دهنده، دانشمند داده، پژوهشگر یا رهبر فناوری باشید، این بوت‌کمپ ابزارها و دانش لازم برای نوآوری و پیشرفت در این حوزه سریع‌التغییر را در اختیار شما قرار می‌دهد. ابتدا با مبانی LLM و چارچوب‌های عامل آشنا می‌شوید و نحوه ارزیابی مدل‌ها با LM Studio را یاد می‌گیرید. سپس با APIهای قدرتمند شرکت‌هایی مانند OpenAI، Gemini و Claude کار می‌کنید و ساختاردهی پیام‌های سیستمی و کاربری، توکنیزیشن و کنترل خروجی‌ها را برای پروژه‌هایی مانند تولید متن هوشمند و ردیاب کالری مبتنی بر بینایی می‌آموزید. در ادامه، وارد دنیای مدل‌های متن‌باز می‌شوید و با تکنیک‌های پیشرفته مانند LoRA و PEFT روی Hugging Face مدل‌ها را بهینه‌سازی می‌کنید. همچنین تجربه طراحی اپلیکیشن‌های وب هوشمند با Gradio، ساخت اپ‌های استریم تعاملی و توسعه معلم هوشمند را کسب خواهید کرد. بخش مهمی از بوت‌کمپ به مهندسی پیشرفته پرامپت‌ها اختصاص دارد؛ از جمله تکنیک‌های zero-shot، few-shot و chain-of-thought برای دستیابی به خروجی‌های دقیق و کنترل‌شده. همچنین قابلیت‌های پیشرفته‌ای مانند ساخت پایپ‌لاین RAG و کار با embeddingها برای جستجوی معنایی و بازیابی دانش را خواهید آموخت. در پایان برنامه، توسعه عامل‌های هوشمند نسل جدید را با چارچوب‌هایی مانند AutoGen، OpenAI Agents SDK، LangGraph، n8n و MCP تجربه می‌کنید تا عامل‌هایی بسازید که با سیستم‌ها و APIهای خارجی تعامل داشته باشند. هر ماژول بر ساخت پروژه‌های عملی و کاربردی تأکید دارد تا اهداف آموزشی را تثبیت کند و شما را برای پیاده‌سازی واقعی آماده سازد. این بوت‌کمپ توسط دکتر رایان احمد، استاد برجسته هوش مصنوعی با تجربه آموزش بیش از نیم میلیون نفر در سراسر جهان برگزار می‌شود و برای مهندسان نرم‌افزار، دانشمندان داده، پژوهشگران هوش مصنوعی و متخصصان فناوری که قصد ورود به حوزه LLM و عامل‌های هوشمند را دارند، بسیار مناسب است. ساختار دوره مبتنی بر یادگیری پروژه‌محور، راهنمایی گام‌به‌گام، تعامل اجتماعی و دسترسی به منتورینگ و بازخورد مستمر است. از روز اول، پروژه‌های واقعی خواهید ساخت و در خط مقدم این تحول قرار خواهید گرفت.
آنچه خواهید آموخت
- آشنایی با مبانی مدل‌های زبانی بزرگ (LLM) و هوش عامل محور، شامل نحوه آموزش، بهینه‌سازی و پیاده‌سازی آن‌ها.
- ساخت و پیاده‌سازی عامل‌های هوشمند مستقل با استفاده از چارچوب‌های پیشرفته مانند AutoGen، OpenAI Agents SDK، LangGraph، n8n و MCP.
- ارزیابی و مقایسه مدل‌های متن‌باز مانند LLama، DeepSeek، Qwen، Phi و Gemma با استفاده از Hugging Face و LM Studio.
- توسعه برنامه‌های واقعی با دسترسی به APIهای OpenAI، Gemini و Claude برای تولید متن و وظایف بینایی.
- استفاده از چارچوب ۵ مرحله‌ای برای انتخاب مدل هوش مصنوعی مناسب کسب‌وکار: حداکثرسازی بهره‌وری هزینه، کاهش تأخیر و تسریع زمان عرضه.
- ارزیابی مدل‌های LLM با استفاده از لیدربوردهایی مانند Vellum و Chat Arena و انجام تست‌های کور برای سنجش عینی عملکرد مدل.
- طراحی پایپ‌لاین RAG با استفاده از LangChain، embeddingهای OpenAI و ChromaDB برای بازیابی اسناد و پاسخ به سوالات.
- ساخت سیستم پرسش و پاسخ شفاف مبتنی بر هوش مصنوعی با رابط Gradio که پاسخ‌ها را همراه با منابع نمایش می‌دهد.
- تسلط بر اعتبارسنجی داده و تولید خروجی ساختاریافته با کتابخانه Pydantic، شامل BaseModel، تایپ‌ها و ایجاد خروجی پارس‌شده از مدل‌های OpenAI.
- ساخت ویرایشگر رزومه هوشمند که فاصله بین رزومه و شرح شغل را تحلیل و رزومه/نامه پوششی را به صورت خودکار بهینه می‌کند.
- یادگیری بهینه‌سازی مدل‌های متن‌باز با روش‌های پارامتری مانند LoRA و ابزارهایی مثل TRL و SFTTrainer در Hugging Face.
- تسلط بر آماده‌سازی داده و ارزیابی مدل، شامل محاسبه دقت، صحت، بازیابی و F1-score با scikit-learn.
- کار با اجزای کلیدی کتابخانه Transformers در Hugging Face مانند pipeline()، AutoTokenizer() و AutoModelForCausalLM().
- کسب تجربه عملی با داده‌ها و مدل‌های متن‌باز در Hugging Face و بهینه‌سازی عملکرد با تکنیک‌هایی مانند bitsandbytes.
- تسلط بر مهندسی پیشرفته پرامپت‌ها مانند zero-shot، few-shot و chain-of-thought.
- استقرار عامل‌های چندمدلی با AutoGen و یکپارچه‌سازی LLMهای OpenAI، Gemini و Claude برای همکاری عامل‌ها و نظارت انسانی.
این دوره برای چه کسانی مناسب است
- دانشمندان داده، مهندسان یادگیری ماشین و پژوهشگران هوش مصنوعی که قصد ورود به حوزه عامل‌های هوشمند و کاربردهای LLM را دارند.
- توسعه‌دهندگان نرم‌افزار با دانش پایه پایتون که می‌خواهند چارچوب‌های LLM و عامل‌های پیشرفته را در برنامه‌های واقعی ادغام کنند.
- متخصصان فناوری و علاقه‌مندان هوش مصنوعی که به دنبال بررسی مدل‌های متن‌باز (مانند LLaMA، DeepSeek، Owen، Phi) و چارچوب‌ها (AutoGen، LangGraph، CrewAI، n8n) هستند.
- تیم‌های نوآوری شرکتی یا تیم‌های تحقیق و توسعه که به دنبال نمونه‌سازی جریان‌های کاری، دستیارها و اتوماسیون‌های مبتنی بر هوش مصنوعی هستند.
- دانشجویان و مدرسین پیشرفته که به دنبال تجربه عملی با LLMها، بهینه‌سازی و مهندسی پرامپت هستند.
- کارآفرینان و استارتاپ‌هایی که محصولات مبتنی بر هوش مصنوعی مانند عامل‌های مستقل، ویرایشگر رزومه، عامل رزرو و دستیار داده‌کاوی را بررسی می‌کنند.
مشخصات دوره Master LLM Engineering & AI Agents: Build 14 Projects – 2025
- ناشر : Udemy
- مدرس : Prof. Ryan Ahmed | 450K+ Students | Best-Selling Professor | 250K+ YouTube , Stemplicity Inc.
- زبان: انگلیسی
- سطح آموزش : تمام سطوح
- تعداد دروس : 303
- مدت زمان آموزش : 24 ساعت و 11 دقیقه
سر فصل های دوره Master LLM Engineering & AI Agents: Build 14 Projects – 2025
پیش نیاز های دوره
- You will need a laptop and an internet connection!
- No programming experience required; basic Python skills are a plus.
تصاویر
فیلم نمونه
راهنمای نصب
پس از Extract، با Player دلخواه خود مشاهده کنید.
زیرنویس: انگلیسی
کیفیت: 720
نسخه 2025/10 نسبت به 2025/6 به تعداد 3 درس افزایش و مدت زمان 4 دقیقه افزایش داشته است.
لینک دانلود
گذرواژه فایل(ها): www.downloadly.ir
حجم فایل
21.86 گیگابایت
