دوره رایگان آموزش هوش مصنوعی مایکروسافت

دوره رایگان آموزش هوش مصنوعی مایکروسافت

آنـچه در این مقاله می‌خوانیم
5
(2)

دوره آموزشی Generative AI for Beginners مایکروسافت یک برنامه رایگان و آنلاین است که در 18 قسمت طراحی شده تا مفاهیم هوش مصنوعی مولد (Generative AI) را از پایه تا سطح پیشرفته به مخاطبان با هر سطح دانشی آموزش دهد. این دوره برای افراد مبتدی، دانشجویان، توسعه‌دهندگان و علاقه‌مندان به فناوری مناسب است و جایگزینی ارزشمند برای دوره‌های پولی محسوب می‌شود.


ویژگی‌های کلیدی دوره:

  1. ساختار جامع: دوره با معرفی مفاهیم بنیادین هوش مصنوعی مولد و مدل‌های زبانی بزرگ (LLMs) آغاز می‌شود و به تدریج به مباحث پیشرفته‌تر مانند پیاده‌سازی عملی در پروژه‌های واقعی می‌پردازد.
  2. تمرکز بر کاربرد عملی: علاوه بر آموزش تئوری، این دوره مثال‌های صنعتی و پروژه‌های کاربردی ارائه می‌دهد تا فراگیران بتوانند دانش خود را در عمل پیاده‌سازی کنند، از جمله ساخت ویژگی‌های جدید یا ادغام هوش مصنوعی در سیستم‌های موجود.
  3. مناسب برای همه سطوح: محتوای دوره به‌گونه‌ای طراحی شده که هم برای افراد بدون پیش‌زمینه فنی و هم برای برنامه‌نویسان حرفه‌ای قابل استفاده باشد.
  4. زبان ساده و قابل فهم: مفاهیم پیچیده به زبانی ساده توضیح داده شده‌اند تا یادگیری برای همه آسان باشد.
  5. دسترسی رایگان: این دوره به‌صورت کاملاً رایگان در دسترس است و نیازی به پرداخت هزینه ندارد.

سرفصل‌های اصلی:

  • قسمت اول: معرفی هوش مصنوعی مولد و مدل‌های زبانی بزرگ (LLMs).
  • آموزش نحوه عملکرد مدل‌های هوش مصنوعی و کاربردهای آن‌ها در دنیای واقعی.
  • مباحثی مانند مهندسی پرامپت (Prompt Engineering)، استفاده از ابزارهای هوش مصنوعی مانند Microsoft Copilot، و پیاده‌سازی پروژه‌های عملی.
  • تمرکز بر چگونگی استفاده از هوش مصنوعی برای افزایش بهره‌وری در کسب‌وکارها و حل مسائل واقعی.

مزایا:

  • انعطاف‌پذیری: دوره به‌صورت آنلاین ارائه می‌شود و فراگیران می‌توانند با سرعت دلخواه خود پیش بروند.
  • گواهینامه: در برخی نسخه‌ها، پس از اتمام دوره، امکان دریافت گواهینامه Career Essentials از مایکروسافت وجود دارد (بسته به پلتفرم ارائه‌دهنده).
  • زیرنویس و ترجمه: برخی کاربران اقدام به ارائه زیرنویس فارسی و انگلیسی برای این دوره کرده‌اند که دسترسی به آن را برای مخاطبان فارسی‌زبان آسان‌تر می‌کند.

نحوه دسترسی:

دوره از طریق پلتفرم‌های آموزشی مایکروسافت یا لینکدین قابل دسترسی است. برای اطلاعات بیشتر، می‌توانید به وب‌سایت رسمی مایکروسافت یا لینک‌های ارائه‌شده در پست‌های شبکه‌های اجتماعی مراجعه کنید.

نکات اضافی:

  • این دوره بخشی از ابتکار مایکروسافت برای گسترش مهارت‌های هوش مصنوعی در سراسر جهان است و با همکاری لینکدین توسعه یافته است.
  • برخی کاربران گزارش داده‌اند که با استفاده از ابزارهای تغییر IP می‌توان به محتوا از ایران دسترسی داشت.

اگر به یادگیری هوش مصنوعی علاقه‌مند هستید، این دوره فرصتی عالی برای شروع یا تقویت مهارت‌هایتان در این حوزه رو به رشد است.

دوره آموزش هوش مصنوعی مایکروسافت با نام Generative AI for

قسمت اول: «معرفی هوش مصنوعی مولد و مدل‌های زبانی بزرگ»

اگر به‌تازگی با دنیای جذاب هوش مصنوعی مولد و مدل‌های زبانی بزرگ (LLM) آشنا شده‌اید، بهتر است با این ویدیو شروع کنید. در این قسمت با سازوکار کلی هوش مصنوعی مولد و کارکرد آن در صنایع مختلف بیشتر آشنا می‌شوید.

قسمت دوم: «بررسی و مقایسه مدل‌های زبانی مختلف»

این قسمت مدل‌های زبانی بزرگ را کاوش می‌کند تا با انواع مختلف LLMها، کاربردهای آنها در صنایع مختلف و راه‌هایی که کسب‌وکارها می‌توانند از پتانسیل آنها بهره ببرند، آشنا شوید.

قسمت سوم: «استفاده مسئولانه از هوش مصنوعی مولد»

کارکردن با هوش مصنوعی مولد بسیار جذاب است اما باید در نظر بگیرید که چگونه مسئولانه از آن بهره‌مند می‌شوید. در این قسمت متوجه خواهید شد چگونه می‌توانید از این فناوری پیشرفته استفاده کنید بدون آنکه به جنبه‌های مضر آن کشیده بشوید.

قسمت چهارم: «درک اصول مهندسی پرامپت»

در این ویدیو، اصول مهندسی پرامپت را می‌آموزید. این قسمت به شما آموزش می‌دهد مهندسی پرامپت چیست و چرا اهمیت دارد؛ اجزای پرامپت و نحوه استفاده از آنها را شرح می‌دهد و بهترین شیوه‌ها و تکنیک‌های مهندسی پرامپت را می‌آموزد.

قسمت پنجم: «ساخت پرامپت‌های پیشرفته»

این ویدیو جامع‌تر و فنی‌تر است و شما را عمیق‌تر با دنیای مهندسی پرامپت آشنا می‌کند. در آن تکنیک‌های پیشرفته برای بهینه‌سازی دستورات و بهبود کیفیت پاسخ هوش مصنوعی را یاد می‌گیرید.

قسمت ششم: «ساخت اپلیکیشن‌های مولد متن»

در قسمت ششم راهنمایی جامعی درباره ساخت اپ‌های تولید متن با استفاده از ابزارهای شرکت OpenAI خواهید داشت. این ویدیو به مفاهیم اصلی تولید متن می‌پردازد و در ایجاد برنامه تولید متن گام‌به‌گام راهنمایی‌تان می‌کند. همچنین در آن مفاهیمی مانند پرامپت‌ و توکن‌ها را بیشتر درک خواهید کرد.

قسمت هفتم: «ساخت اپلیکیشن‌های چت»

در این ویدیوی پیشرفته، به جزئیات ساخت اپ‌های چت مبتنی‌بر هوش مصنوعی پرداخته می‌شود. در این قسمت هر آنچه باید درباره ساخت و ادغام کارآمد برنامه‌های چت در سیستم‌های مختلف بدانید، پیدا می‌کنید.

قسمت هشتم: «ساخت اپ‌های جستجوی پایگاه داده برداری (Vector Database)»

LLMها صرفاً به چت‌بات‌ها محدود نیستند. می‌توان از آنها در ساخت Embeddings برای برنامه‌های جستجو استفاده کرد. Embeddings نمایش عددی داده‌ها هستند که بردار نیز شناخته می‌شوند و می‌توانند برای جستجوی معنایی داده‌ها استفاده شوند.

قسمت نهم: «ساخت اپلیکیشن مولد تصویر»

از مدل‌های زبانی بزرگ می‌توان برای تولید تصویر نیز بهره برد. در این قسمت، با 2 مدل محبوب تولید تصویر DALL-E و Midjourney بیشتر آشنا می‌شوید. همچنین آموزش ساخت اپ تولید تصویر در آن وجود دارد.

قسمت دهم: «ساخت اپلیکیشن‌های هوش مصنوعی با کد کم»

این ویدیو به پلتفرم‌های توسعه برنامه با کمترین کدنویسی و چگونگی بهبود آنها با هوش مصنوعی می‌پردازد.

قسمت یازدهم: «ادغام برنامه‌های خارجی با فراخوانی تابع»

این ویدیو توضیح می‌دهد فراخوانی تابع چیست و چه کاربردی دارد. همچنین با نحوه فراخوانی تابع با استفاده از Azure OpenAI و چگونگی ادغام فراخوانی تابع در برنامه آشنا می‌شوید.

قسمت دوازدهم: «طراحی UX برای اپلیکیشن‌های هوش مصنوعی»

در این ویدیوی آموزنده، برای برنامه‌های هوش مصنوعی سری به دنیای طراحی تجربه کاربری (UX) می‌زنید.

قسمت سیزدهم: «ایمن‌سازی اپلیکیشن هوش مصنوعی»

امنیت در چارچوب سیستم‌های هوش مصنوعی، خطرات و تهدیدهای رایج برای سیستم‌های هوش مصنوعی و روش‌های ایمن‌سازی سیستم‌های هوش مصنوعی موضوع این قسمت است.

قسمت چهاردهم: «چرخه زیست اپلیکیشن هوش مصنوعی مولد»

هوش مصنوعی حوزه‌ای است که سرعت تحول بالایی دارد و شما باید مطمئن باشید اپلیکیشن هوش مصنوعی شما با پیشرفت‌ها همگام است و قابل‌اعتماد و قوی می‌ماند. شما باید مداوم آن را تحت نظر بگیرید، ارزیابی کنید و بهبود دهید. اینجاست که چرخه زیست هوش مصنوعی مولد وارد عمل می‌شود.

قسمت پانزدهم: «بازیابی نسل افزوده (RAG) و پایگاه داده‌برداری»

این قسمت حاوی مقدمه‌ای بر RAG، چیستی آن و دلیل استفاده از آن در هوش مصنوعی است. همچنین مثالی عملی درباره نحوه ادغام RAG در برنامه را نشانتان می‌دهد.

قسمت شانزدهم: «مدل‌های متن‌باز و هاگینگ‌فیس»

دنیای LLMهای متن‌باز دائم درحال تحول است. هدف این قسمت ارائه نگاهی عمیق به مدل‌های متن‌باز است. این قسمت موضوع تنظیم دقیق را نیز پوشش می‌دهد اما توضیح دقیق‌تر را می‌توانید در قسمت هجدهم پیدا کنید. این قسمت نگاهی به مدل‌های متن‌باز موجود در Hugging Face و Azure AI Studio نیز می‌اندازد.

قسمت هفدهم: «عامل‌های هوش مصنوعی»

عامل‌های هوش مصنوعی گام مهمی در تکامل هوش مصنوعی مولدند. این فناوری به توسعه‌دهندگان کمک می‌کند برنامه‌هایی بسازند که به LLMها اجازه دسترسی به ابزارهای مختلف می‌دهد تا کارهایی در بستر اینترنت یا اپلیکیشن‌ها انجام دهند. در این قسمت با این موضوع جذاب بیشتر آشنا می‌شوید.

قسمت هجدهم: «تنظیم دقیق مدل‌های زبانی بزرگ»

تنظیم دقیق (Fine-tune) مدل‌های زبانی چیست؟ تنظیم دقیق چه زمانی و چرا مفید است؟ چگونه می‌توانم مدل آموزش‌دیده را تنظیم دقیق کنم؟ اگر چنین سؤال‌هایی دارید، این قسمت برای شماست.


این مطلب چه میزان برای شما مفید بود؟

میانگین امتیاز 5 / 5. تعداد نظرات: 2

آموزش پیشنهادی

دوره جامع هوش مصنوعی برای مدیران

15,000,000 تومان

مقالات پیشنهادی

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

هفده + 9 =

این سایت از اکیسمت برای کاهش جفنگ استفاده می‌کند. درباره چگونگی پردازش داده‌های دیدگاه خود بیشتر بدانید.

نکات کوتاه و کاربردی
در کانال «بله» مدیران ایران