فرانسوی | اسپانیایی | آلمانی | روسی | عربی | فارسی | اردو | چینی (سادهشده) | چینی (ماکائو) | چینی (هنگکنگ) | چینی (تایوان) | ژاپنی | کرهای | هندی | بنگالی | مراتی | نپالی | پنجابی (گورمخی) | پرتغالی (پرتغال) | پرتغالی (برزیل) | ایتالیایی | لیتوانیایی | لهستانی | ترکی | یونانی | تایلندی | سوئدی | دانمارکی | نروژی | فنلاندی | هلندی | عبری | ویتنامی | اندونزیایی | مالایی | تاگالوگ (فیلیپینی) | سواحیلی | مجاری | چکی | اسلواکی | رومانیایی | بلغاری | صربی (سیریلیک) | کرواتی | اسلوونیایی | اوکراینی | برمهای (میانمار)
با دوره جامع ۲۱ درسی ما از Microsoft Cloud Advocates، اصول ساخت برنامههای هوش مصنوعی مولد را بیاموزید.
این دوره شامل ۲۱ درس است. هر درس موضوع خاص خود را پوشش میدهد، بنابراین از هر کجا که دوست دارید شروع کنید!
درسها به دو دسته تقسیم میشوند: درسهای "یادگیری" که مفاهیم هوش مصنوعی مولد را توضیح میدهند و درسهای "ساخت" که علاوه بر توضیح مفاهیم، نمونه کدهایی در Python و TypeScript ارائه میدهند.
برای توسعهدهندگان .NET، به هوش مصنوعی مولد برای مبتدیان (نسخه .NET) مراجعه کنید!
هر درس همچنین شامل بخشی به نام "ادامه یادگیری" است که ابزارهای یادگیری اضافی را ارائه میدهد.
-
خدمات Azure OpenAI - درسها: "aoai-assignment"
-
کاتالوگ مدل GitHub Marketplace - درسها: "githubmodels"
-
OpenAI API - درسها: "oai-assignment"
-
دانش پایهای از Python یا TypeScript مفید است - *برای مبتدیان مطلق، این دورههای Python و TypeScript را بررسی کنید.
-
یک حساب GitHub برای انشعاب این مخزن به حساب خودتان
ما یک درس تنظیم دوره ایجاد کردهایم تا به شما در تنظیم محیط توسعه کمک کند.
فراموش نکنید که این مخزن را ستارهدار کنید (🌟) تا بعداً راحتتر آن را پیدا کنید.
اگر به دنبال نمونه کدهای پیشرفتهتر هستید، مجموعه نمونه کدهای هوش مصنوعی مولد ما را در هر دو زبان Python و TypeScript بررسی کنید.
به سرور رسمی Discord Azure AI Foundry بپیوندید تا با دیگر یادگیرندگان این دوره آشنا شوید و شبکهسازی کنید و پشتیبانی دریافت کنید.
سؤالات خود را بپرسید یا بازخورد محصول را در انجمن توسعهدهندگان Azure AI Foundry در GitHub به اشتراک بگذارید.
به Microsoft for Startups مراجعه کنید تا ببینید چگونه میتوانید با اعتبارهای Azure امروز شروع به کار کنید.
آیا پیشنهادی دارید یا خطاهای املایی یا کدی پیدا کردهاید؟ یک مشکل ایجاد کنید یا یک درخواست کششی ایجاد کنید.
- یک ویدیوی کوتاه معرفی موضوع
- یک درس نوشتاری در فایل README
- نمونه کدهای Python و TypeScript که از Azure OpenAI و OpenAI API پشتیبانی میکنند
- لینکهایی به منابع اضافی برای ادامه یادگیری
| شماره | لینک درس | توضیحات | ویدیو | یادگیری بیشتر |
|---|---|---|---|---|
| ۰۰ | تنظیم دوره | یادگیری: نحوه تنظیم محیط توسعه | ویدیو به زودی | یادگیری بیشتر |
| ۰۱ | مقدمهای بر هوش مصنوعی مولد و LLMها | یادگیری: درک اینکه هوش مصنوعی مولد چیست و مدلهای زبانی بزرگ (LLMها) چگونه کار میکنند. | ویدیو | یادگیری بیشتر |
| ۰۲ | بررسی و مقایسه مدلهای مختلف LLM | یادگیری: نحوه انتخاب مدل مناسب برای مورد استفاده شما | ویدیو | یادگیری بیشتر |
| ۰۳ | استفاده مسئولانه از هوش مصنوعی مولد | یادگیری: نحوه ساخت برنامههای هوش مصنوعی مولد به صورت مسئولانه | ویدیو | یادگیری بیشتر |
| ۰۴ | درک اصول مهندسی درخواست | یادگیری: بهترین شیوههای عملی مهندسی درخواست | ویدیو | یادگیری بیشتر |
| ۰۵ | ایجاد درخواستهای پیشرفته | یادگیری: نحوه اعمال تکنیکهای مهندسی درخواست که نتیجه درخواستهای شما را بهبود میبخشند. | ویدیو | یادگیری بیشتر |
| 06 | ساخت برنامههای تولید متن | ساخت: یک برنامه تولید متن با استفاده از Azure OpenAI / OpenAI API | ویدیو | بیشتر بدانید |
| 07 | ساخت برنامههای چت | ساخت: تکنیکهایی برای ساخت و ادغام کارآمد برنامههای چت. | ویدیو | بیشتر بدانید |
| 08 | ساخت برنامههای جستجو با پایگاه دادههای برداری | ساخت: یک برنامه جستجو که از Embeddings برای جستجوی دادهها استفاده میکند. | ویدیو | بیشتر بدانید |
| 09 | ساخت برنامههای تولید تصویر | ساخت: یک برنامه تولید تصویر | ویدیو | بیشتر بدانید |
| 10 | ساخت برنامههای هوش مصنوعی با کدنویسی کم | ساخت: یک برنامه هوش مصنوعی تولیدی با استفاده از ابزارهای کدنویسی کم | ویدیو | بیشتر بدانید |
| 11 | ادغام برنامههای خارجی با فراخوانی توابع | ساخت: فراخوانی توابع چیست و موارد استفاده آن برای برنامهها | ویدیو | بیشتر بدانید |
| 12 | طراحی تجربه کاربری برای برنامههای هوش مصنوعی | یادگیری: نحوه اعمال اصول طراحی تجربه کاربری هنگام توسعه برنامههای هوش مصنوعی تولیدی | ویدیو | بیشتر بدانید |
| 13 | امنیت برنامههای هوش مصنوعی تولیدی شما | یادگیری: تهدیدها و ریسکهای سیستمهای هوش مصنوعی و روشهای ایمنسازی این سیستمها. | ویدیو | بیشتر بدانید |
| 14 | چرخه عمر برنامههای هوش مصنوعی تولیدی | یادگیری: ابزارها و معیارها برای مدیریت چرخه عمر LLM و LLMOps | ویدیو | بیشتر بدانید |
| 15 | بازیابی تولیدی (RAG) و پایگاه دادههای برداری | ساخت: یک برنامه با استفاده از چارچوب RAG برای بازیابی Embeddings از پایگاه دادههای برداری | ویدیو | بیشتر بدانید |
| 16 | مدلهای متنباز و Hugging Face | ساخت: یک برنامه با استفاده از مدلهای متنباز موجود در Hugging Face | ویدیو | بیشتر بدانید |
| 17 | عاملهای هوش مصنوعی | ساخت: یک برنامه با استفاده از چارچوب عامل هوش مصنوعی | ویدیو | بیشتر بدانید |
| 18 | تنظیم دقیق LLMها | یادگیری: چیستی، چرایی و چگونگی تنظیم دقیق LLMها | ویدیو | بیشتر بدانید |
| 19 | ساخت با SLMها | یادگیری: مزایای ساخت با مدلهای زبان کوچک | ویدیو به زودی | بیشتر بدانید |
| 20 | ساخت با مدلهای Mistral | یادگیری: ویژگیها و تفاوتهای مدلهای خانواده Mistral | ویدیو به زودی | بیشتر بدانید |
| 21 | ساخت با مدلهای Meta | یادگیری: ویژگیها و تفاوتهای مدلهای خانواده Meta | ویدیو به زودی | بیشتر بدانید |
تشکر ویژه از John Aziz برای ایجاد تمامی GitHub Actions و جریانهای کاری
Bernhard Merkle برای ارائه مشارکتهای کلیدی در هر درس جهت بهبود تجربه یادگیری و کدنویسی.
تیم ما دورههای دیگری نیز تولید میکند! بررسی کنید:
- جدید پروتکل زمینه مدل برای مبتدیان
- عاملهای هوش مصنوعی برای مبتدیان
- هوش مصنوعی تولیدی برای مبتدیان با استفاده از .NET
- هوش مصنوعی تولیدی برای مبتدیان با استفاده از JavaScript
- هوش مصنوعی تولیدی برای مبتدیان با استفاده از Java
- یادگیری ماشین برای مبتدیان
- علم داده برای مبتدیان
- هوش مصنوعی برای مبتدیان
- امنیت سایبری برای مبتدیان
- توسعه وب برای مبتدیان
- اینترنت اشیا برای مبتدیان
- توسعه XR برای مبتدیان
- تسلط بر GitHub Copilot برای برنامهنویسی جفتی هوش مصنوعی
- تسلط بر GitHub Copilot برای توسعهدهندگان C#/.NET
- ماجراجویی Copilot خود را انتخاب کنید
سلب مسئولیت:
این سند با استفاده از سرویس ترجمه هوش مصنوعی Co-op Translator ترجمه شده است. در حالی که ما برای دقت تلاش میکنیم، لطفاً توجه داشته باشید که ترجمههای خودکار ممکن است شامل خطاها یا نادقتیهایی باشند. سند اصلی به زبان اصلی آن باید به عنوان منبع معتبر در نظر گرفته شود. برای اطلاعات حساس، ترجمه حرفهای انسانی توصیه میشود. ما هیچ مسئولیتی در قبال سوءتفاهمها یا تفسیرهای نادرست ناشی از استفاده از این ترجمه نداریم.