فرانسوی | اسپانیایی | آلمانی | روسی | عربی | فارسی | اردو | چینی (سادهشده) | چینی (سنتی، ماکائو) | چینی (سنتی، هنگ کنگ) | چینی (سنتی، تایوان) | ژاپنی | کرهای | هندی | بنگالی | مراتی | نپالی | پنجابی (گورموکی) | پرتغالی (پرتغال) | پرتغالی (برزیل) | ایتالیایی | 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
با دوره جامع ۲۱ درس ما که توسط متخصصان مایکروسافت طراحی شده است، 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 "یادگیری" که مفاهیم هوش مصنوعی مولد را توضیح میدهند و "ساخت" که مفاهیم و نمونههای کد در هر دو زبان Python و TypeScript را شرح میدهند، تقسیم میشوند.
برای توسعهدهندگان .NET به هوش مصنوعی مولد برای مبتدیان (نسخه .NET) مراجعه کنید!
هر درس همچنین شامل بخشی به نام "ادامه یادگیری" با ابزارهای یادگیری اضافی است.
-
سرویس Azure OpenAI - درسها: "aoai-assignment"
-
کاتالوگ مدل GitHub Marketplace - درسها: "githubmodels"
-
API OpenAI - درسها: "oai-assignment"
-
دانش پایه از Python یا TypeScript مفید است - *برای مبتدیان کامل به این دورههای Python و TypeScript مراجعه کنید
-
یک حساب GitHub برای فورک کردن این مخزن کامل به حساب GitHub خودتان
ما درس راهاندازی دوره را ایجاد کردهایم تا به شما در راهاندازی محیط توسعه کمک کند.
فراموش نکنید که این مخزن را ستارهدار (🌟) کنید تا بعداً راحتتر پیدا کنید.
اگر به دنبال نمونههای کد پیشرفتهتر هستید، مجموعه نمونههای کد 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 فراگیران این دوره ملاقات 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.
برای دریافت اعتبارات رایگان OpenAI و تا ۱۵۰ هزار دلار اعتبار Azure برای دسترسی به مدلهای OpenAI از طریق خدمات Azure OpenAI در Microsoft for Startups Founders Hub ثبتنام کنید.
آیا پیشنهاداتی دارید یا اشتباهات املایی یا کد را پیدا کردهاید؟ ایجاد یک مشکل یا ایجاد یک درخواست کششی
- یک ویدئوی کوتاه معرفی موضوع
- یک درس نوشته شده در README
- نمونههای کد Python و TypeScript پشتیبانیکننده از Azure OpenAI و API OpenAI
- لینکهایی به منابع اضافی برای ادامه یادگیری
| # | لینک درس | توضیحات | ویدئو | یادگیری اضافی |
|---|---|---|---|---|
| 00 | راهاندازی دوره | یادگیری: چگونه محیط توسعه خود را راهاندازی کنید | ویدئو به زودی | یادگیری بیشتر |
| 01 | مقدمهای بر هوش مصنوعی مولد و LLMs | یادگیری: فهمیدن اینکه هوش مصنوعی مولد چیست و چگونه مدلهای زبان بزرگ (LLMs) کار میکنند. | ویدئو | یادگیری بیشتر |
| 02 | بررسی و مقایسه LLMهای مختلف | یادگیری: چگونه مدل مناسب برای مورد استفاده خود را انتخاب کنید | ویدئو | یادگیری بیشتر |
| 03 | استفاده مسئولانه از هوش مصنوعی مولد | یادگیری: چگونه برنامههای هوش مصنوعی مولد را به صورت مسئولانه بسازید | ویدئو | یادگیری بیشتر |
| 04 | فهم اصول مهندسی پرسش | یادگیری: تمرینهای بهترین روشهای مهندسی پرسش | ویدئو | یادگیری بیشتر |
| ۰۵ | ایجاد پرامپتهای پیشرفته | یاد بگیرید: چگونه از تکنیکهای مهندسی پرامپت استفاده کنید که نتیجه پرامپتهای شما را بهبود میبخشد. | ویدئو | بیشتر بدانید |
| ۰۶ | ساخت برنامههای تولید متن | بسازید: یک برنامه تولید متن با استفاده از Azure OpenAI / OpenAI API | ویدئو | بیشتر بدانید |
| ۰۷ | ساخت برنامههای چت | بسازید: تکنیکهایی برای ساخت و ادغام کارآمد برنامههای چت. | ویدئو | بیشتر بدانید |
| ۰۸ | ساخت برنامههای جستجو با پایگاههای داده برداری | بسازید: یک برنامه جستجو که از Embeddings برای جستجوی دادهها استفاده میکند. | ویدئو | بیشتر بدانید |
| ۰۹ | ساخت برنامههای تولید تصویر | بسازید: یک برنامه تولید تصویر | ویدئو | بیشتر بدانید |
| ۱۰ | ساخت برنامههای هوش مصنوعی با کدنویسی کم | بسازید: یک برنامه هوش مصنوعی تولیدی با استفاده از ابزارهای کدنویسی کم | ویدئو | بیشتر بدانید |
| ۱۱ | ادغام برنامههای خارجی با فراخوانی تابع | بسازید: فراخوانی تابع چیست و موارد استفاده آن برای برنامهها | ویدئو | بیشتر بدانید |
| ۱۲ | طراحی تجربه کاربری برای برنامههای هوش مصنوعی | یاد بگیرید: چگونه اصول طراحی تجربه کاربری را هنگام توسعه برنامههای هوش مصنوعی تولیدی اعمال کنید | ویدئو | بیشتر بدانید |
| ۱۳ | امنسازی برنامههای هوش مصنوعی تولیدی شما | یاد بگیرید: تهدیدات و ریسکهای سیستمهای هوش مصنوعی و روشهای امنسازی این سیستمها. | ویدئو | بیشتر بدانید |
| ۱۴ | چرخه حیات برنامههای هوش مصنوعی تولیدی | یاد بگیرید: ابزارها و معیارها برای مدیریت چرخه حیات LLM و LLMOps | ویدئو | بیشتر بدانید |
| 15 | بازیابی افزوده شده تولید (RAG) و پایگاه داده های برداری | ساخت: یک برنامه با استفاده از چارچوب RAG برای بازیابی جاسازی ها از پایگاه داده های برداری | ویدئو | بیشتر بدانید |
| 16 | مدل های متن باز و Hugging Face | ساخت: یک برنامه با استفاده از مدل های متن باز موجود در Hugging Face | ویدئو | بیشتر بدانید |
| 17 | عامل های هوش مصنوعی | ساخت: یک برنامه با استفاده از چارچوب عامل هوش مصنوعی | ویدئو | بیشتر بدانید |
| 18 | تنظیم دقیق LLM ها | یادگیری: چیستی، چرایی و چگونگی تنظیم دقیق LLM ها | ویدئو | بیشتر بدانید |
| 19 | ساخت با SLM ها | یادگیری: مزایای ساخت با مدل های کوچک زبان | ویدئو به زودی | بیشتر بدانید |
| 20 | ساخت با مدل های Mistral | یادگیری: ویژگی ها و تفاوت های مدل های خانواده Mistral | ویدئو به زودی | بیشتر بدانید |
| 21 | ساخت با مدل های Meta | یادگیری: ویژگی ها و تفاوت های مدل های خانواده Meta | ویدئو به زودی | بیشتر بدانید |
تشکر ویژه از جان عزیز برای ایجاد تمام اقدامات و جریان های کاری GitHub
برنهارد مرکله برای انجام مشارکت های کلیدی در هر درس برای بهبود تجربه یادگیرنده و کد.
تیم ما دوره های دیگری تولید می کند! بررسی کنید:
- جدید عامل های هوش مصنوعی برای مبتدیان
- جدید هوش مصنوعی تولیدی برای مبتدیان با استفاده از .NET
- جدید هوش مصنوعی تولیدی برای مبتدیان با استفاده از جاوا اسکریپت
- 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 با 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 حاوی خطاها یا نادرستیها باشند. سند اصلی به زبان اصلی باید به عنوان منبع معتبر در نظر گرفته شود. برای اطلاعات حیاتی، ترجمه حرفهای انسانی توصیه میشود. ما مسئولیتی در قبال هرگونه سوء تفاهم یا برداشت نادرست ناشی از استفاده از این ترجمه نداریم.
