دوره‌های رایگان آموزش هوش مصنوعی مایکروسافت به زبان فارسی را از دست ندهید

دورههای رایگان آموزش هوش مصنوعی مایکروسافت به زبان فارسی را از دست ندهید

این دوره مواردی مانند مهندسی پرامپت، توسعه چتبات، سیستمهای RAG، ایجنتهای هوش مصنوعی و مدلهای زبانی را پوشش میدهد.

مایکروسافت دوره جامع و رایگانی با عنوان «هوش مصنوعی مولد برای مبتدیان» را در گیتهاب منتشر کرده است. این دوره آموزشی که اکنون به نسخه سوم خود رسیده، شامل ۲۱ درس اختصاصی است و تمام پیشنیازها و مهارتهای مورد نیاز برای آغاز توسعه و ساخت برنامههای کاربردی مبتنی بر هوش مصنوعی مولد را در اختیار علاقهمندان قرار میدهد. نکته حائز اهمیت در این نسخه، پشتیبانی رسمی از بیش از ۵۰ زبان زنده دنیا از جمله زبان فارسی است که با استفاده از ابزار مترجم Co-op نگهداری و همگامسازی میشود. این ویژگی باعث شده کاربران و توسعهدهندگان ایرانی و فارسیزبان بتوانند مستندات فنی دوره را بدون مانع زبانی مطالعه کنند.

سرفصلهای این مجموعه به دو دسته کلی درسهای یادگیری مفاهیم و درسهای ساخت عملی تقسیم میشوند. در دورههای عملی، علاوهبر تشریح مفاهیم، نمونه کدهای اجرایی به هر دو زبان برنامهنویسی پایتون و تایپاسکریپت ارائه شده است. محتوای آموزشی شامل ویدیوهای کوتاه معرفی، متون آموزشی درون مخزن، نمونه کدها برای سرویسهای آژور OpenAI، مدلهای فاندری مایکروسافت، OpenAI API و قابلیت اجرای محلی با Foundry Local است.

برای دسترسی به نسخه فارسی دورهها نیز باید در صفحه اصلی روی گزینه مربوطه، یعنی «Persian (Farsi)» ضربه بزنید.

ساختار و سرفصلهای دوره آموزش هوش مصنوعی مایکروسافت

این دوره در مجموع ۲۱ درس برای یادگیری مفاهیم و ساخت برنامههای هوش مصنوعی را شامل میشود که توضیحات آنها به شرح زیر است:

دوره ۰۰: «راهاندازی دوره»

این دوره نحوه راهاندازی و آمادهسازی محیط توسعه نرمافزاری را به شرکتکنندگان آموزش میدهد تا بتوانند کدها و پروژههای عملی دوره را بدون مشکل اجرا کنند.

دوره ۰۱: «مقدمهای بر هوش مصنوعی مولد و مدلهای زبانی بزرگ»

این درس به درک مفهوم بنیادین هوش مصنوعی مولد و نحوه کارکرد مدلهای زبانی بزرگ اختصاص دارد.

دوره ۰۲: «بررسی و مقایسه مدلهای زبانی بزرگ گوناگون»

شرکتکنندگان در این درس یاد میگیرند که چگونه مدلهای زبانی مختلف را ارزیابی کرده و مناسبترین گزینه را با توجه به سناریو و کاربرد مدنظر خود انتخاب کنند.

دوره ۰۳: «استفاده مسئولانه از هوش مصنوعی مولد»

این درس اصول اخلاقی و استانداردهای لازم برای توسعه و بهکارگیری مسئولانه برنامههای کاربردی هوش مصنوعی مولد را آموزش میدهد.

دوره ۰۴: «درک اصول پایهای مهندسی پرامپت»

شرکتکنندگان در این درس با بهترین شیوهها و دستورالعملهای عملی مهندسی پرامپت برای تعامل دقیق با مدلها آشنا میشوند.

دوره ۰۵: «ساخت پرامپتهای پیشرفته»

این درس نحوه پیادهسازی تکنیکهای پیشرفته در مهندسی پرامپت را تشریح میکند تا خروجی و بازدهی مدلها بهبود یابد.

دوره ۰۶: «ساخت برنامههای تولید متن»

در این بخش عملی، نحوه پیادهسازی و ساخت یک نرمافزار کاربردی تولید متن با استفاده از سرویسهای Azure OpenAI و OpenAI API آموزش داده میشود.

دوره ۰۷: «ساخت برنامههای چتبات»

این درس روشها و الگوهای کارآمد برای ساخت، مدیریت و یکپارچهسازی نرمافزارهای چت و گفتگو را پوشش میدهد.

دوره ۰۸: «ساخت برنامههای جستجو با پایگاههای داده برداری»

شرکتکنندگان در این درس با استفاده از امبدینگها (Embeddings به معنی تبدیل متن به بردارهای عددی قابلمحاسبه) و پایگاههای داده برداری، یک سامانه جستجوی داده توسعه میدهند.

دوره ۰۹: «ساخت برنامههای تولید تصویر»

این درس ساخت عملی یک نرمافزار کاربردی مبتنی بر هوش مصنوعی برای تولید تصاویر مختلف را به متقاضیان آموزش میدهد.

دوره ۱۰: «ساخت برنامههای هوش مصنوعی با ابزارهایی که به کدنویسی کمی نیاز دارند»

در این درس نحوه توسعه نرمافزارهای هوش مصنوعی مولد با کمک پلتفرمهای به اصطلاح Low Code مورد بررسی قرار میگیرد.

دوره ۱۱: «یکپارچهسازی برنامههای خارجی با فراخوانی تابع»

این بخش مفهوم فراخوانی تابع (Function Calling) را توضیح میدهد و نحوه اتصال مدلهای هوش مصنوعی به سیستمها و نرمافزارهای بیرونی را تشریح میکند.

دوره ۱۲: «طراحی تجربه کاربری برای برنامههای هوش مصنوعی»

این درس به نحوه بهکارگیری اصول طراحی تجربه کاربری (UX) هنگام ساخت و توسعه نرمافزارهای هوش مصنوعی میپردازد.

دوره ۱۳: «ایمنسازی برنامههای هوش مصنوعی مولد»

فراگیران در این درس با تهدیدات، خطرات و آسیبپذیریهای متداول در سامانههای هوش مصنوعی و شیوههای محافظت از آنها آشنا میشوند.

دوره ۱۴: «چرخه حیات برنامههای هوش مصنوعی مولد»

این درس ابزارها، متدها و معیارهای لازم جهت مدیریت چرخه حیات مدلهای زبانی و اجرای LLMOps را معرفی میکند.

دوره ۱۵: «RAG و پایگاههای داده برداری»

در این درس یک برنامه کاربردی با استفاده از معماری RAG (به معنی اتصال مدل هوش مصنوعی به پایگاه داده اختصاصی جهت تولید پاسخهای دقیقتر و بدون خطا) و دیتابیسهای برداری ساخته میشود.

دوره ۱۶: «مدلهای متنباز و هاگینگ فیس»

این درس نحوه ساخت یک نرمافزار کاربردی را با استفاده از مدلهای متنباز موجود روی پلتفرم هاگینگ فیس آموزش میدهد.

دوره ۱۷: «ایجنتهای هوش مصنوعی»

شرکتکنندگان در این دوره با بهرهگیری از یک فریمورک اختصاصی، ایجنتهای خودمختار هوش مصنوعی را توسعه میدهند.

دوره ۱۸: «تیونینگ دقیق مدلهای زبانی بزرگ»

این درس مفاهیم بنیادین، دلایل ضرورت و شیوه اجرای فرایند تنظیم دقیق (Fine-Tuning) روی مدلهای زبانی بزرگ را تشریح میکند.

دوره ۱۹: «توسعه نرمافزار با مدلهای زبانی کوچک»

این دوره به مزایا، کاربردها و ویژگیهای بهرهگیری از مدلهای زبانی کوچک (SLMs) اختصاص دارد.

دوره ۲۰: «توسعه نرمافزار با مدلهای میسترال»

شرکتکنندگان در این درس ویژگیها، تفاوتها و قابلیتهای کاربردی مدلهای خانواده Mistral را فرا میگیرند.

دوره ۲۱: «توسعه نرمافزار با مدلهای متا»

آخرین دوره به بررسی ویژگیها، نقاط تمایز و کارکرد مدلهای توسعهیافته توسط شرکت متا در پروژههای هوش مصنوعی میپردازد.