دوره آموزشی مبانی مهندسی هوش مصنوعی: اصول و کاربردهای عملی

اگر مهارت‌های برنامه‌نویسی و مهندسی نرم‌افزار داری، این دوره می‌تونه کمکت کنه که این توانایی‌ها رو به مهارت‌های مهندسی هوش مصنوعی تبدیل کنی. توی این دوره، یاد می‌گیری چطور سیستم‌های هوش مصنوعی که آماده‌ی استفاده توی دنیای واقعی هستن بسازی؛ از ساختن «امبدینگ» (embedding) گرفته تا پیاده‌سازی و استقرار مدل‌های AI.

قراره در عمل یاد بگیری چطور از ابزارهایی مثل «وکتور استورها» (vector stores)، سیستم‌های RAG (retrieval-augmented generation) و جستجوی هیبریدی (hybrid search) استفاده کنی. همچنین می‌فهمی چطور سیستم‌های هوش مصنوعی رو پایش و کنترل کنی (monitoring)، چطور از ابزارهای مربوط به تلِمتری برای بررسی عملکرد برنامه‌ها بهره ببری و چطور روندهای CI/CD (ادغام و تحویل مداوم) رو برای استقرار و آزمایش اپلیکیشن‌های AI طراحی کنی.

یه بخش جالب این دوره هم آموزش استفاده از GitHub Codespaces هست که می‌تونه کمک کنه برنامه‌های واقعی و کاربردی با تکنیک‌های جدید مهندسی هوش مصنوعی بسازی و به نمایش بذاری.

اهداف یادگیری:
یاد بگیر چطور یه سیستم RAG آماده‌ی تولید بسازی که از امبدینگ‌ها و پایگاه داده‌های وکتوری استفاده می‌کنه.
بفهم چطور می‌شه عملکرد برنامه‌های هوش مصنوعی رو با ابزارهای تلِمتری (telemetry) رصد و پایش کرد.
سیستم‌های پردازش اسناد با قابلیت جستجوی هیبریدی طراحی کن که سریع و دقیق باشن.
روندهای CI/CD بساز که برنامه‌های AI رو راحت‌تر و بدون خطا استقرار و تست کنی.
یاد بگیر چطور با مدیریت منابع و کشینگ (caching) سیستم هوش مصنوعی رو بهینه‌سازی کنی و هزینه‌ها رو پایین بیاری.