پی سی دانلود - large-language-models

این مسیر آموزشی با ارائه‌ی خلاصه‌ای کاربردی از مفاهیم پایه‌ای هوش مصنوعی مولد (Generative AI) و مدل‌های زبانی بزرگ (LLMs) آغاز می‌شود. تئوری مطرح‌شده در این بخش به اندازه‌ای تنظیم شده است که ابزارها و مدل‌های مورد استفاده برای مخاطب کاملاً شفاف و قابل درک باشند. بلافاصله پس از مرور مفاهیم پایه، بخش عملی آغاز شده و نحوه نصب و راه‌اندازی نرم‌افزار اولاما (Ollama) آموزش داده می‌شود. فراگیران یاد خواهند گرفت که چگونه مدل‌های متن‌باز و قدرتمندی نظیر لاما (Llama)، میسترال (Mistral) و دیپ‌سیک (DeepSeek) را بر روی سیستم شخصی خود اجرا کنند. علاوه بر این، ابزار Open WebUI به عنوان یک رابط کاربری محلی، خصوصی و کاملاً شبیه به چت‌جی‌پي‌تی معرفی و راه‌اندازی می‌شود تا فرایند تعامل با مدل‌ها کاملاً ساده و کاربردی باشد.
بخش مهم و ویژه‌ای از این دوره به اصول پرامپت‌نویسی یا مهندسی دستور برای مدل‌های محلی اختصاص یافته است. از آنجا که مدل‌های زبانی محلی نسبت به نسخه‌های ابری مانند چت‌جی‌پي‌تی و کلود، ابعاد کوچک‌تری دارند و رفتار متفاوتی از خود نشان می‌دهند، دریافت پاسخ‌های دقیق و قابل اعتماد از آن‌ها نیازمند دانش و مهارت ویژه‌ای است. در این قسمت، الگوی صحیح پرامپت‌نویسی، تکنیک‌های پیشرفته هدایت مدل و شیوه طراحی دستوراتی که بر روی مدل‌های مختلف محلی خروجی‌های یکدست و پایدار ایجاد کنند، به صورت گام‌به‌گام آموزش داده می‌شود. این دوره برای افرادی طراحی شده است که می‌خواهند بدون وابستگی به سرویس‌های ابری، از پتانسیل کامل مدل‌های زبانی به صورت مستقل و امن بر روی رایانه خود استفاده کنند.
در دوره آموزشی Local LLMs with Ollama for Absolute Beginners با اجرای محلی و مهندسی پرامپت مدل‌های زبانی متن‌باز آشنا خواهید شد.

دنیای هوش مصنوعی با سرعتی باورنکردنی در حال عبور از چت‌بات‌های ساده و ورود به عصر جدیدی به نام هوش مصنوعی عامل‌محور (Agentic AI) است. در این پارادایم جدید، دیگر با یک سیستم تک‌منظوره روبرو نیستیم، بلکه با شبکه‌ای از عوامل هوشمند سروکار داریم که مانند اعضای یک تیم متخصص با یکدیگر تعامل دارند. این دوره آموزشی با هدف توانمندسازی شرکت‌کنندگان در طراحی و پیاده‌سازی این سیستم‌های نوین تدوین شده است.
در طول این مسیر آموزشی، شرکت‌کنندگان می‌آموزند که چگونه به جای تکیه بر یک دستور (Prompt) ساده، تیمی از عوامل متخصص ایجاد کنند که هر یک وظیفه‌ی خاصی از جمله جستجوی دقیق اطلاعات، تحلیل یافته‌ها و تولید نتایج ساختاریافته را به صورت کاملاً خودکار بر عهده دارند. مدرس در این دوره، تمامی مراحل را به صورت گام‌به‌گام از پایه تا پیشرفته آموزش می‌دهد.
آموزش با مباحث زیرساختی آغاز می‌شود؛ جایی که کاربران با نحوه نصب زبان برنامه‌نویسی پایتون، راه‌اندازی محیط‌های مجازی (Virtual Environments) و آماده‌سازی ابزارهای توسعه نرم‌افزار آشنا می‌شوند. سپس، مباحث مربوط به پیکربندی دسترسی‌های API برای مدل‌های OpenAI و همچنین ادغام قابلیت جستجوی زنده در اینترنت مورد بررسی قرار می‌گیرد تا عوامل هوشمند بتوانند به اطلاعات به‌روز و لحظه‌ای دسترسی داشته باشند.
در دوره آموزشی Build Real-World Multi AI Agent Systems with CrewAI با نحوه طراحی و ساخت تیم‌های هوشمند از عوامل خودمختار برای حل مسائل پیچیده آشنا خواهید شد.

دنیا در حال ورود به عصر جدیدی به نام هوش مصنوعی عامل‌محور (Agentic AI) است؛ دورانی که در آن سیستم‌های هوشمند دیگر تنها به تولید متن بسنده نمی‌کنند، بلکه توانایی برنامه‌ریزی، استدلال، استفاده از ابزارهای مختلف و فعالیت به صورت کاملاً مستقل را دارا هستند. این دوره آموزشی به گونه‌ای طراحی شده است که شرکت‌کنندگان را از سطح تئوری فراتر برده و آن‌ها را به مهارت‌های عملی برای ساخت عامل‌های هوش مصنوعی در دنیای واقعی مجهز کند. در طول این مسیر، نحوه سازماندهی سیستم‌های چندعاملی و استقرار جریان‌های کاری آماده تولید با استفاده از پیشرفته‌ترین ابزارهای سال ۲۰۲۶، از جمله Claude Code، Clawdbot / OpenClaw و فریم‌ورک‌های قدرتمند روز، آموزش داده می‌شود.
شرکت‌کنندگان در این دوره، معماری کامل یک عامل هوشمند را از مرحله تحریک و شروع فعالیت تا سازماندهی، اجرا، و نظارت طراحی خواهند کرد. این فرآیند شامل پیاده‌سازی مکانیزم‌های کنترلی (Guardrails)، سیستم‌های ثبت وقایع (Logging)، گزارش‌دهی دقیق و همچنین مدیریت و رهگیری هزینه‌های عملیاتی است. یکی از بخش‌های کلیدی دوره، پیاده‌سازی الگوهای همکاری ساختاریافته میان چندین عامل هوشمند است؛ به طوری که نقش‌های مختلفی مانند برنامه‌ریز، مجری، آزمایش‌کننده، اعتبارسنج و اصلاح‌کننده کد در کنار یکدیگر برای رسیدن به یک هدف مشترک فعالیت می‌کنند.
در دوره آموزشی Google AI Stack 2026: Gemini 3, Imagen, Veo & AI Agents Mast با نحوه طراحی و مدیریت عامل‌های هوشمند خودکار و فریم‌ورک‌های مدرن توسعه هوش مصنوعی آشنا خواهید شد.

جهان در حال ورود به عصر جدیدی به نام «هوش مصنوعی عامل‌محور» (Agentic AI) است؛ دوره‌ای که در آن سیستم‌های هوشمند دیگر صرفاً به تولید متن و پاسخ‌دهی محدود نمی‌شوند، بلکه یاد می‌گیرند چگونه برنامه‌ریزی کنند، استدلال کنند، از ابزارهای مختلف استفاده نمایند و به صورت کاملاً خودگردان و مستقل فعالیت کنند. این دوره آموزشی پیشرفته و پروژه محور، با هدف توانمندسازی متخصصان برای تسلط بر ساخت عوامل هوشمند واقعی (AI Agents) طراحی شده است. شرکت‌کنندگان در این مسیر یاد می‌گیرند که چگونه سیستم‌های چندعاملی را هماهنگ کرده و جریان‌های کاری آماده برای محیط‌های عملیاتی را با استفاده از پیشرفته‌ترین ابزارهای سال ۲۰۲۶ مستقر نمایند.
در این دوره، دانش‌جویان معماری کامل یک عامل هوشمند را از نقطه شروع (Trigger) تا مرحله سازمان‌دهی، اجرای ابزارها، تعیین محدودیت‌های ایمنی (Guardrails)، ثبت وقایع، گزارش‌دهی و حتی رهگیری هزینه‌ها طراحی می‌کنند. تمرکز اصلی بر پیاده‌سازی الگوهای همکاری ساختاریافته میان چندین عامل هوشمند است که نقش‌های مختلفی نظیر برنامه‌ریز، اجراکننده، تست‌کننده، اعتبارسنج و اصلاح‌کننده کد را بر عهده دارند. این همکاری‌های چندلایه باعث می‌شود خروجی سیستم‌ها به شکلی دقیق و بدون نیاز به دخالت مستقیم انسان تولید شود.
در دوره آموزشی Agentic AI Mastery: Claude Code, Clawdbot & Beyond با نحوه طراحی و ساخت عوامل هوشمند خودگردان و سیستم‌های چندعاملی پیشرفته آشنا خواهید شد.

فناوری هوش مصنوعی مولد با سرعتی باورنکردنی در حال دگرگون ساختن شیوه ساخت نرم‌افزارها، محصولات و مدل‌های کسب‌وکار در صنایع مختلف است. این دوره آموزشی با هدف ارائه یک مقدمه شفاف، ساختاریافته و مناسب برای افراد مبتدی طراحی شده است تا مخاطبان را با مفاهیم هوش مصنوعی، یادگیری ماشین، شبکه‌های عصبی و هوش مصنوعی مولد آشنا کند. یکی از ویژگی‌های بارز این آموزش، رویکرد ساده‌سازی شده آن است؛ به طوری که شرکت‌کنندگان بدون غرق شدن در معادلات سنگین ریاضی یا کدنویسی‌های پیچیده، می‌توانند بر مفاهیم کلیدی تسلط پیدا کنند.
در بخش‌های ابتدایی، یادگیرندگان با مبانی اساسی هوش مصنوعی، از جمله شناخت انواع مختلف سیستم‌های هوشمند، بارهای کاری هوش مصنوعی در دنیای واقعی و موارد استفاده رایج در صنعت آشنا می‌شوند. این شناخت اولیه به آن‌ها کمک می‌کند تا درک کنند هوش مصنوعی چگونه در محیط‌های عملیاتی به کار گرفته می‌شود.
در ادامه، دوره به معرفی مفاهیم هسته‌ای یادگیری ماشین می‌پردازد. این بخش شامل بررسی نحوه عملکرد الگوریتم‌ها و مدل‌ها، فرآیند آموزش مدل‌ها، روش‌های ارزیابی و بهبود آن‌ها و همچنین جایگاه یادگیری ماشین در جریان‌های کاری مدرن هوش مصنوعی است. همچنین، شرکت‌کنندگان با مسیرهای شغلی مرتبط با این حوزه آشنا شده و درک می‌کنند که چگونه این تخصص می‌تواند در آینده حرفه‌ای آن‌ها نقش داشته باشد.
در دوره آموزشی Generative AI for Beginners AI, ML & LLM Fundamentals با مفاهیم و کاربردهای دنیای هوش مصنوعی آشنا خواهید شد.

این دوره آموزشی به عنوان یک مرجع کامل برای درک و پیاده‌سازی مفهوم مشاهده‌پذیری (Observability) و ارزیابی (Evaluations) در دنیای هوش مصنوعی طراحی شده است. مدرس در این دوره، همگام با بررسی مباحث تئوری عمیق، به جنبه‌های کاملاً کاربردی و عملی نیز می‌پردازد. برای پیاده‌سازی سناریوهای پایش و نظارت بر مدل‌ها، از پلتفرم Galileo AI به عنوان ابزار اصلی مدیریت و مانیتورینگ LLMها استفاده شده است. همچنین یادگیرندگان به تمامی منابع آموزشی، کدهای مخزن گیت‌هاب و دفترچه‌های (Notebooks) تمرینی دسترسی کامل خواهند داشت تا بتوانند آموخته‌های خود را به صورت مستقیم اجرا کنند.
واقعیت این است که مدل‌های زبانی بزرگ با وجود قدرت بی‌نظیر، غیرقابل پیش‌بینی هستند؛ آن‌ها ممکن است دچار توهم (Hallucination) شوند، به صورت بی‌صدا و بدون گزارش خطا شکست بخورند و یا در نسخه‌ها و پرامپت‌های مختلف، رفتارهای متفاوتی از خود نشان دهند. تفاوت بسیار بزرگی میانِ صرفاً «ساختن» یک سیستم هوش مصنوعی و «عملیاتی کردن» (Productionalizing) آن در مقیاس صنعتی وجود دارد. این دوره به سوالات حیاتی پاسخ می‌دهد: اگر مدل شروع به تولید محتوای توهین‌آمیز کند چه باید کرد؟ اگر ابزارهای داخلیِ یک عامل هوشمند (Agent) بدون هیچ هشداری از کار بیفتند، چگونه متوجه شویم؟ یا چطور می‌توان افت کیفیت مدل را در طول زمان اندازه‌گیری کرد؟
در دوره آموزشی LLM AI Agent Evaluations and Observability with Galileo AI با مفاهیم و ابزارهای نظارت و تضمین کیفیت سیستم‌های مبتنی بر مدل‌های زبانی بزرگ آشنا خواهید شد.

دنیای برنامه‌نویسی در سال ۲۰۲۶ به نقطه عطف شگفت‌انگیزی رسیده است. این دوره آموزشی، سفری مهیج و سه‌هفته‌ای به قلمرو "ایجنت‌های برنامه‌نویس" (Coding Agents) است که برای تمامی افراد، از مبتدیان فاقد دانش فنی گرفته تا مهندسان ارشد نرم‌افزار، طراحی شده است. هدف اصلی این است که شرکت‌کنندگان بیاموزند چگونه پروژه‌های نرم‌افزاری بزرگ را با سرعتی استثنایی و فراتر از استانداردهای سنتی به سرانجام برسانند. در حال حاضر، این ایجنت‌ها به شکلی مستقل، سریع و قابل‌اطمینان عمل می‌کنند و تجربه‌ای نزدیک به جادو را برای کاربر رقم می‌زنند.
اگرچه کار با این ابزارها گاهی می‌تواند چالش‌برانگیز باشد—مثلاً زمانی که ایجنت‌ها بدون تحلیل کافی به نتیجه‌گیری‌های شتاب‌زده می‌رسند یا خروجی‌های بی‌کیفیت تولید می‌کنند—اما در اکثر مواقع، عملکرد آن‌ها خیره‌کننده است. این دوره به بررسی دقیق لحظاتی می‌پردازد که هوش مصنوعی فراتر از انتظار ظاهر شده و مرزهای ممکن را جابه‌جا می‌کند. آندری کارپاتی، دانشمند افسانه‌ای هوش مصنوعی و ابداع‌کننده اصطلاح "برنامه‌نویسی با حس و حال" (Vibe Coding)، معتقد است که این ابزارها گویی تکنولوژی‌هایی هستند که از موجودات فضایی به ما ارث رسیده است، اما هیچ دفترچه راهنمایی همراه آن‌ها نیست.
در دوره آموزشی AI Coder: Vibe Coder to Agentic Engineer in 3 Weeks با روش‌های نوین توسعه نرم‌افزار توسط ایجنت‌های هوشمند و خودکار آشنا خواهید شد.

این دوره آموزشی به جای تمرکز بر تبلیغات و هیاهوی رسانه‌ای پیرامون هوش مصنوعی، بر جنبه‌های علمی و فنی مهندسی پرامپت و کار با مدل‌های زبانی بزرگ تمرکز دارد. هدف اصلی این برنامه، آشنایی با رویکردهایی است که محققان برجسته هوش مصنوعی در دانشگاه‌های تراز اول و شرکت‌های پیشرویی همچون OpenAI، Google DeepMind و Anthropic برای بهبود و اجرای پرامپت‌های خود به کار می‌گیرند.
ساختار این بوت‌کمپ بر این اصل استوار است که یادگیری واقعی کار با مدل‌های زبانی تنها از طریق تجربه مستقیم و عملی امکان‌پذیر است. به همین دلیل، محتوای آموزشی مملو از تمرین‌های متنوعی است که به شرکت‌کنندگان اجازه می‌دهد تا شخصاً وارد عمل شده و محدودیت‌ها و توانمندی‌های واقعی این مدل‌ها را به چالش بکشند. پیاده‌سازی مهارت‌ها در قالب پروژه‌های واقعی نه تنها حس رضایت‌بخشی ایجاد می‌کند، بلکه بهترین روش برای تثبیت دانش و توانمندسازی افراد برای استفاده از این ابزارها در سناریوهای دنیای واقعی است.
در دوره آموزشی Prompt Engineering Bootcamp (Working With AI & LLMs): Zero to Mastery با اصول علمی تعامل با مدل‌های زبانی و اجرای عملی پروژه‌های هوش مصنوعی آشنا خواهید شد.

این دوره آموزشی به صورت تخصصی بر حوزه نوین و پرطرفدار عامل‌های هوشمند (AI Agents) تمرکز دارد و به شرکت‌کنندگان می‌آموزد که چگونه با بهره‌گیری از توانمندی‌های کتابخانه LangChain و قدرت مدل‌های زبانی پیشرفته‌ای نظیر Google Gemini، سیستم‌هایی فراتر از چت‌بات‌های ساده خلق کنند. در طول این مسیر آموزشی، دانش‌جویان با مفاهیم بنیادی و زیرساختی عامل‌های هوشمند آشنا شده و گام‌به‌گام به سمت طراحی سیستم‌های پیچیده و آماده برای ورود به بازار کار و محیط‌های تولیدی حرکت می‌کنند.
تفاوت کلیدی عامل‌های هوشمند با ابزارهای چت سنتی در توانایی آن‌ها برای «تفکر و استدلال» نهفته است. در این دوره، مدرس با رویکردی پروژه‌محور و عملی نشان می‌دهد که چگونه یک عامل هوشمند می‌تواند از ابزارهای مختلف استفاده کند، به پایگاه‌های داده و APIهای خارجی متصل شود، تاریخچه تعاملات با کاربر را به خاطر بسپارد و در نهایت وظایف دشوار و زمان‌بر را به صورت خودکار انجام دهد.
در دوره Agentic AI: Deploy LangChain AI Agent Projects to Production با طراحی و استقرار سیستم‌های خودمختار هوشمند آشنا خواهید شد.

در دنیای امروز که حجم داده‌ها به‌طور توامان رو به افزایش است، روش‌های سنتی دیگر پاسخگوی نیازهای پیچیده کاربران نیستند. این دوره آموزشی با هدف عبور از الگوریتم‌های کلاسیک طراحی شده است تا به متخصصان نشان دهد چگونه می‌توانند سیستم‌های توصیه‌گر موجود را با استفاده از قدرت هوش مصنوعی ارتقا بخشند. مدرس دوره، ریشابا میسرا، با تمرکز بر جنبه‌های فنی و عملی، مفاهیم کلیدی همچون تولید تعبیه‌ها (Embeddings)، بازرتبه‌بندی معنایی (Semantic Reranking) و مقابله با چالش «شروع سرد» (Cold Start) را تشریح می‌کند.
بخش مهمی از این آموزش به معماری‌های بومی هوش مصنوعی مولد (GenAI-native) اختصاص یافته است. این معماری‌ها امکان ایجاد تجربه‌های پویا و تعاملی مانند جستجوی گفتگو‌محور و توصیه‌های چندرسانه‌ای (Multimodal) را فراهم می‌کنند. شرکت‌کنندگان در این مسیر یاد می‌گیرند که چگونه از ساختارهای ایستا فاصله گرفته و به سمت سیستم‌هایی حرکت کنند که قادر به درک عمیق‌تری از نیات کاربران هستند.
در دوره Building LLM-Powered Recommendation Systems با مفاهیم و زیرساخت‌های نوین طراحی سیستم‌های پیشنهاددهنده مبتنی بر GenAI آشنا خواهید شد.