دوره آموزشی ساخت دستیار کد خود با Llama 2، Node.js و React.js
1 ساعت 58 دقیقهمتوسط2024-10-10
مدرسین

Steven Emmerich
Full-Stack, Big Data Analytics, and Mobile App Developer
جزئیات دوره
دستیارهای کدنویسی به نظر ایده خوبی میآیند—در تئوری. اما معمولاً بسیار عمومی هستند و توانایی شخصیسازی سبکها و نیازهای فردی را ندارند. این دوره به توسعهدهندگان این امکان را میدهد تا دستیاران AI شخصیسازی شدهای بسازند که جریان کاری آنها را درک کرده و نیازهایشان را پیشبینی کنند. به مدرس Steven Emmerich بپیوندید تا در فرآیند ساخت یک دستیار کد سفارشی با استفاده از Llama 2، Node.js و React.js راهنمایی شوید. اگر شما یک توسعهدهنده هستید که به دنبال ایجاد جریانهای کاری کارآمدتر از طریق کمکهای شخصیسازی شده هستید، در این دوره همراه Steven شوید تا یاد بگیرید چگونه یک دستیار بسازید که به شما کمک کند و همزمان مهارتهای AI شما را تقویت کند.
اهداف یادگیری:
ساخت یک دستیار کد سفارشی با استفاده از Llama 2، Node.js و React.js.
درک نحوه شخصیسازی یک دستیار کدنویسی برای نیازهای خاص خود.
استفاده از دستیارهای AI برای بهبود و تسهیل فرآیندهای کاری توسعهدهندگان.
یادگیری روشهای مؤثر برای ایجاد یک دستیار کد هوشمند که نیازهای فردی را پیشبینی کند.
تقویت مهارتهای AI خود از طریق توسعه و پیادهسازی دستیارهای هوشمند کدنویسی.
اهداف یادگیری:
ساخت یک دستیار کد سفارشی با استفاده از Llama 2، Node.js و React.js.
درک نحوه شخصیسازی یک دستیار کدنویسی برای نیازهای خاص خود.
استفاده از دستیارهای AI برای بهبود و تسهیل فرآیندهای کاری توسعهدهندگان.
یادگیری روشهای مؤثر برای ایجاد یک دستیار کد هوشمند که نیازهای فردی را پیشبینی کند.
تقویت مهارتهای AI خود از طریق توسعه و پیادهسازی دستیارهای هوشمند کدنویسی.
مهارت ها
LlamaNode.jsReact.jsJavaScript FrameworksNatural Language Processing (NLP)MetaGenerative AIFront-End Web DevelopmentArtificial Intelligence (AI)Web DevelopmentOpen SourceOne-Off
سرفصل ها
0. مقدمه
- 01 - کدنویسی مبتنی بر هوش مصنوعی - دستیار هوش مصنوعی خود را با Llama 2 ایجاد کنید
- 02 - آنچه باید بدانید
- 03 - استفاده از فضاهای کد GitHub
1. مبانی دستیار کد شما
- 04 - مقدمه ای بر مدلهای زبان بزرگ (LLM)
- 05 - شیرجه عمیق لاما 2
- 06 - راهاندازی محیط Node
- 07 - سرور اصلی و API
- 08 - تنظیم قلم لاما
- 09 - آماده سازی داده برای لاما
- 10 - بارگذاری کد محلی - تغذیه لاما
- 11 - اتصال پایگاه داده به API
2. آموزش لاما شخصی شما
- 12 - اصول آموزش لاما
- 13 - تنظیم دقیق پاسخها با استفاده از RAG
- 14 - بازیابی دادهها به AG
- 15 - ایجاد جاسازی
- 16 - استفاده از پایگاه داده برداری
3. Llama and Your IDE
- 17 - راهاندازی برنامههای افزودنی GitHub Codespaces
- 18 - ساخت رابط کاربری - چت جانبی
- 19 - ساخت رابط کاربری - چت اصلی
- 20 - پاک کردن API با LangGraph
- 21 - نمره دادن به پاسخ ها
- 22 - یکپارچه سازی پسوند، API و Llama
4. رها کردن خلبان هوش مصنوعی
- 23 - خودکار کردن کارهای تکراری
- 24 - تکمیل کد متن آگاه
- 25 - تولید کد پیشرفته
- 26 - بهینهسازی دستیار
نتیجه گیری
- 27 - مراحل بعدی