هوش مصنوعی مولد برای مبتدیان - نسخه جاوا

زمان مورد نیاز: کل کارگاه را می‌توان به صورت آنلاین بدون هیچ تنظیم محلی انجام داد. راه‌اندازی محیط ۲ دقیقه طول می‌کشد، و بررسی نمونه‌ها بین ۱ تا ۳ ساعت بسته به عمق کاوش نیاز دارد.

شروع سریع

1. این مخزن را به حساب GitHub خود فورک کنید
2. روی Code کلیک کنید → تب Codespaces → ... → New with options...
3. تنظیمات پیش‌فرض را استفاده کنید – این مورد کانتینر توسعه ایجاد شده برای این دوره را انتخاب می‌کند
4. روی Create codespace کلیک کنید
5. حدود ۲ دقیقه منتظر بمانید تا محیط آماده شود
6. مستقیم به فصل ۲: تهیه Azure AI Foundry بروید

پشتیبانی چندزبانه

پشتیبانی از طریق GitHub Action (خودکار و همیشه به روز)

عربی | بنگالی | بلغاری | برمه‌ای (میانمار) | چینی (ساده‌شده) | چینی (سنتی، هنگ کنگ) | چینی (سنتی، ماکائو) | چینی (سنتی، تایوان) | کرواسی | چکی | دانمارکی | هلندی | استونیایی | فنلاندی | فرانسوی | آلمانی | یونانی | عبری | هندی | مجارستانی | اندونزیایی | ایتالیایی | ژاپنی | کانادا | خمر | کره‌ای | لیتوانیایی | مالزیایی | مالایالام | مراتی | نپالی | پیدجین نیجریه‌ای | نروژی | فارسی | لهستانی | پرتغالی (برزیل) | پرتغالی (پرتغال) | پنجابی (گورموخی) | رومانیایی | روسی | صربی (سیریل) | اسلواکی | اسلوونیایی | اسپانیایی | سواحیلی | سوئدی | تاگالوگ (فیلیپینی) | تامیلی | تلگو | تایلندی | ترکی | اوکراینی | اردو | ویتنامی

ترجیح می‌دهید به‌صورت محلی کلون کنید؟

این مخزن شامل بیش از ۵۰ ترجمه زبانی است که اندازه دانلود را به‌طور قابل توجهی افزایش می‌دهد. برای کلون بدون ترجمه‌ها، از sparse checkout استفاده کنید:

Bash / macOS / Linux:

git clone --filter=blob:none --sparse https://github.com/microsoft/Generative-AI-for-beginners-java.git
cd Generative-AI-for-beginners-java
git sparse-checkout set --no-cone '/*' '!translations' '!translated_images'

CMD (ویندوز):

git clone --filter=blob:none --sparse https://github.com/microsoft/Generative-AI-for-beginners-java.git
cd Generative-AI-for-beginners-java
git sparse-checkout set --no-cone "/*" "!translations" "!translated_images"

این همه چیز لازم برای کامل کردن دوره را با سرعت دانلود بسیار سریع‌تر به شما می‌دهد.

ساختار دوره و مسیر یادگیری

فصل ۱: معرفی هوش مصنوعی مولد

• مفاهیم اصلی: درک مدل‌های زبانی بزرگ، توکن‌ها، امبدینگ‌ها و قابلیت‌های هوش مصنوعی
• اکوسیستم هوش مصنوعی جاوا: مرور کلی Spring AI و SDKهای OpenAI
• پروتکل زمینه مدل: مقدمه‌ای بر MCP و نقش آن در ارتباط عوامل هوش مصنوعی
• کاربردهای عملی: سناریوهای دنیای واقعی از جمله چت‌بات‌ها و تولید محتوا
• → شروع فصل ۱

فصل ۲: راه‌اندازی محیط توسعه

• Azure AI Foundry: تهیه پیاده‌سازی مدل به‌صورت کد با Bicep و Azure Developer CLI (azd)
• Spring Boot + Spring AI: بهترین شیوه‌ها برای توسعه برنامه‌های سازمانی هوش مصنوعی
• احراز هویت بدون کلید: اتصال امن با Microsoft Entra ID — بدون کلیدهای API برای مدیریت
• ابزارهای توسعه: کانتینرهای Docker، VS Code و پیکربندی GitHub Codespaces
• → شروع فصل ۲

فصل ۳: تکنیک‌های اصلی هوش مصنوعی مولد

• مهندسی پرامپت: تکنیک‌هایی برای دریافت پاسخ‌های بهینه از مدل هوش مصنوعی
• امبدینگ‌ها و عملیات برداری: پیاده‌سازی جستجوی معنایی و تطبیق شباهت
• تولید تقویت‌شده با بازیابی (RAG): ترکیب هوش مصنوعی با منابع داده خودتان
• فراخوانی تابع: گسترش قابلیت‌های هوش مصنوعی با ابزارها و پلاگین‌های سفارشی
• → شروع فصل ۳

فصل ۴: کاربردها و پروژه‌های عملی

• تولید داستان حیوانات خانگی (petstory/): تولید محتوای خلاقانه با Azure AI Foundry
• نمایش محلی Foundry (foundrylocal/): ادغام مدل هوش مصنوعی محلی با OpenAI Java SDK
• سرویس ماشین‌حساب MCP (calculator/): پیاده‌سازی پایه پروتکل زمینه مدل با Spring AI
• → شروع فصل ۴

فصل ۵: توسعه مسئولانه هوش مصنوعی

• فیلترینگ محتوا در Azure AI Foundry: آزمون فیلتر و مکانیزم‌های ایمنی (مسدودیت‌های سخت و ردهای نرم)
• نمایش مسئولانه هوش مصنوعی: نمونه عملی نمایش چگونگی عملکرد سیستم‌های ایمنی هوش مصنوعی مدرن
• بهترین شیوه‌ها: دستورالعمل‌های ضروری برای توسعه و پیاده‌سازی اخلاقی هوش مصنوعی
• → شروع فصل ۵

منابع تکمیلی

LangChain

Azure / Edge / MCP / عوامل

---

سری هوش مصنوعی مولد

---

آموزش پایه

---

سری کاپیلوت

دریافت کمک

اگر گیر کردید یا سوالی درباره ساخت برنامه‌های هوش مصنوعی دارید، به همراه یادگیرندگان و توسعه‌دهندگان با تجربه در بحث‌های مربوط به MCP بپیوندید. این یک جامعه حمایتی است که در آن سوالات پذیرفته می‌شوند و دانش به‌صورت آزاد به اشتراک گذاشته می‌شود.

اگر بازخورد محصول دارید یا در هنگام ساخت با خطا مواجه شدید به اینجا مراجعه کنید:

---

سلب مسئولیت: این سند با استفاده از سرویس ترجمه هوش مصنوعی Co-op Translator ترجمه شده است. در حالی که ما در تلاش برای دقت هستیم، لطفاً توجه داشته باشید که ترجمه‌های خودکار ممکن است شامل خطاها یا نادرستی‌هایی باشند. سند اصلی به زبان مادری خود باید به عنوان منبع معتبر در نظر گرفته شود. برای اطلاعات حیاتی، ترجمه حرفه‌ای انسانی توصیه می‌شود. ما در قبال هرگونه سوء تفاهم یا برداشت نادرست ناشی از استفاده از این ترجمه مسئولیتی نداریم.