📋 نقشه راه و مباحث فصل 3
مبانی پردازش زبان طبیعی
پیشپردازش زبان فارسی، توکنایزاسیون با BPE و WordPiece، جاسازی برداری Word2Vec و FastText، مدلسازی زبانی N-gram تا ترنسفورمرهای مدرن.
مطالعه درس و تستهای تحلیلی ←مدلهای زبانی بزرگ (LLM)
فرمول خودتوجهی ترنسفورمر، ساختارهای Encoder-Decoder و Decoder-Only، قوانین مقیاسپذیری Chinchilla و پدیدههای نوظهور در مدلهای زبانی هوش مصنوعی.
مطالعه درس و تستهای تحلیلی ←هوش مصنوعی مولد (Generative AI)
مفاهیم بنیادین هوش مصنوعی مولد، مدلهای پایه، مقایسه رویکردهای زایشی در برابر تمایزی، اثرات بهرهوری در صنایع و پارادایمهای نوین توسعه.
مطالعه درس و تستهای تحلیلی ←مهندسی پرامپت
راهنمای تخصصی پرامپتنویسی: استراتژیهای Zero-shot و Few-shot، زنجیره تفکر Chain-of-Thought، متدولوژی ReAct، بهینهسازی پرامپتهای سیستمی و امنیت پرامپت.
مطالعه درس و تستهای تحلیلی ←بازیابی افزوده (RAG) و فاینتیونینگ
طراحی خط لوله کامل RAG، مقایسه پایگاههای داده برداری، استراتژیهای قطعهبندی Chunking، ریاضیات آداپتورهای کمرتبه LoRA/QLoRA و ارزیابی با RAGAS.
مطالعه درس و تستهای تحلیلی ←تولید خودکار محتوا و کد
مدلهای انتشار تصویر Stable Diffusion، تولید و تست خودکار کد با ابزارهای کمکی، دادههای سنتتیک، ارزیابی کیفیت و تکنیکهای مهار توهم در مدلها.
مطالعه درس و تستهای تحلیلی ←عاملهای هوشمند (AI Agents)
معماری عاملهای شناختی هوش مصنوعی: ابزارها، حافظه اپیزودیک و معنایی، فراخوانی توابع (Function Calling)، هماهنگی سیستمهای چندعاملی و چارچوب CrewAI.
مطالعه درس و تستهای تحلیلی ←مدلهای هوش چندوجهی
اصول سیستمهای چندوجهی هوش مصنوعی: معماری بازنمایی مشترک CLIP، مدلهای گفتاربهمتن Whisper، تحلیل و درک همزمان ویدیو و متن در مدلهای نسل جدید.
مطالعه درس و تستهای تحلیلی ←📚 مراجع و منابع علمی معتبر
منابع مرتبط با همین موضوع- arXiv
- OpenAI
- Google DeepMind
- Stanford
- Hugging Face