دوره آموزشی سازماندهی تعاملات مدل زبان با APIها و DSPy
1 ساعت 59 دقیقهمتوسط2025-06-24
مدرسین

Harit Himanshu
جزئیات دوره
این دوره جامع به برنامهنویسها یاد میده چطوری با استفاده از DSPy، یه فریمورک قدرتمند، اپلیکیشنهای هوش مصنوعی بسازن که از روشهای سنتی مهندسی پرامپت (Prompt Engineering) فراتر رفته و به شکل برنامهنویسی ساختاریافته و منظم درآمده. تو این دوره، با مثالهای عملی و پروژههای واقعی، یاد میگیری چطوری APIهای مشخص و تمیز طراحی کنی که مسئولیتها و کارها رو جدا میکنه و این باعث میشه برنامههات راحتتر نگهداری بشن، قابل تست باشن و بتونی به راحتی بزرگتر و بهترشون کنی.
مدرس دوره، Harit Himanshu، بهت نشون میده چطوری یه سیستم سوال و جواب چند مرحلهای بسازی که بتونه اطلاعات مختلف رو از منابع متفاوت جمعآوری کنه، روی اونها فکر کنه و جوابهای دقیق و هوشمندانه به سوالهای پیچیده بده.
با یادگیری این مهارتها، میتونی معماریهای ماژولار هوش مصنوعی طراحی کنی که هر بخشش وظیفه خاص خودش رو داره و به بهترین شکل مهندسی نرمافزار توی اپلیکیشنهای زبان طبیعی اعمال شده.
اهداف یادگیری:
تعریف و پیادهسازی APIهای مشخص و تمیز برای تعامل با مدلهای زبانی با استفاده از DSPy، که مهندسی پرامپتهای شکننده را به کد ساختاریافته و قابل نگهداری تبدیل میکند.
طراحی سیستمهای هوش مصنوعی ماژولار با تفکیک واضح وظایف، با ساختن Signature و Module های مخصوص هر بخش با DSPy.
ساخت یک سیستم پاسخگویی چند مرحلهای کامل که اطلاعات را بازیابی کند، مرحله به مرحله تحلیل انجام دهد و پاسخهای دقیق به سوالات پیچیده تولید کند.
بهکارگیری بهترین شیوههای مهندسی نرمافزار در توسعه برنامههای هوش مصنوعی، شامل تست ماژولها، طراحی رابطها و ترکیب سیستمها.
استفاده از قابلیتهای انتزاعی DSPy برای ایجاد برنامههای هوش مصنوعی که به راحتی قابل نگهداری، توسعه و بهینهسازی در طول زمان باشند.
مدرس دوره، Harit Himanshu، بهت نشون میده چطوری یه سیستم سوال و جواب چند مرحلهای بسازی که بتونه اطلاعات مختلف رو از منابع متفاوت جمعآوری کنه، روی اونها فکر کنه و جوابهای دقیق و هوشمندانه به سوالهای پیچیده بده.
با یادگیری این مهارتها، میتونی معماریهای ماژولار هوش مصنوعی طراحی کنی که هر بخشش وظیفه خاص خودش رو داره و به بهترین شکل مهندسی نرمافزار توی اپلیکیشنهای زبان طبیعی اعمال شده.
اهداف یادگیری:
تعریف و پیادهسازی APIهای مشخص و تمیز برای تعامل با مدلهای زبانی با استفاده از DSPy، که مهندسی پرامپتهای شکننده را به کد ساختاریافته و قابل نگهداری تبدیل میکند.
طراحی سیستمهای هوش مصنوعی ماژولار با تفکیک واضح وظایف، با ساختن Signature و Module های مخصوص هر بخش با DSPy.
ساخت یک سیستم پاسخگویی چند مرحلهای کامل که اطلاعات را بازیابی کند، مرحله به مرحله تحلیل انجام دهد و پاسخهای دقیق به سوالات پیچیده تولید کند.
بهکارگیری بهترین شیوههای مهندسی نرمافزار در توسعه برنامههای هوش مصنوعی، شامل تست ماژولها، طراحی رابطها و ترکیب سیستمها.
استفاده از قابلیتهای انتزاعی DSPy برای ایجاد برنامههای هوش مصنوعی که به راحتی قابل نگهداری، توسعه و بهینهسازی در طول زمان باشند.
مهارت ها
Generative AIArtificial Intelligence (AI)One-Off
سرفصل ها
۰. مقدمه
- 01 - ساختاردهی تعاملات مدل زبان با APIها و DSPy
- 02 - آنچه باید بدانید
۱. مقدمهای بر DSPy و APIهای مرزی
- 03 - درک APIهای مرزی در سیستمهای هوش مصنوعی
- 04 - راهنمایی سنتی در مقابل برنامهنویسی DSPy
- 05 - مرور کلی پروژه دوره
- 06 - دسترسی به کد دوره
۲. تنظیم محیط در VSCode
- 07 - نصب وابستگیها
- 08 - پیکربندی VSCode با Jupyter
- 09 - تنظیم کلیدهای API
- 10 - آزمایش پیکربندی DSPy LLM
۳. کار با امضاهای DSPy
- 11- درک امضاها
- 12 - کار با امضاهای درونخطی
- 13 - کار با امضاهای مبتنی بر کلاس
- 14 - بررسی تاریخچه DSPy
- 15- درک کاربرد LLM با DSPy
۴. کار با ماژولهای DSPy
- 16- آشنایی با ماژولها
- 17 - ایجاد ماژولهای سفارشی
۵. ساخت کامپوننت RAG
- 18- درک تولید افزوده بازیابی
- 19 - کار با ماژول بازیابی ChromaDB
- 20 - کار با ماژول بازیابی ColBERTv2
- 21 - توسعه یک خط لوله RAG استدلال چند گامی
۶. ایجاد یک خط تولید
- 22- آشنایی با گردش کار خط تولید
- 23- کار با گردش کار ارزیابی
- 24 - کار با گردش کار بهینهسازی
- 25 - ارائه یک مدل بهینه شده با FastAPI
نتیجهگیری
- 26 - مراحل بعدی
دوره های مرتبط
- دوره آموزشی ساخت عوامل هوش مصنوعی با API پاسخهای OpenAI
- دوره آموزشی چالش هوش مصنوعی ۱۰ در ۱۰
- دوره آموزشی کدنویسی وایب برای ساخت اولین اپلیکیشن هوش مصنوعی با Lovable و n8n (بدون نیاز به کدنویسی)
- دوره آموزشی اپ تحلیل داده با قدرت LLM با پایتون و Streamlit
- دوره آموزشی از پرامپت تا محصول در کمتر از یک ساعت: ساخت اپلیکیشنهای هوش مصنوعی با Nano Banana
- دوره آموزشی هوش مصنوعی مولد: مقدمهای بر مدلهای انتشار برای تولید متن
- دوره آموزشی توسعه مبتنی بر مشخصات با GitHub Spec Kit
- دوره آموزشی فراتر از کدنویسی با Vibe با Google Gemini: تبدیل شدن به یک توسعهدهنده هدفمند