۲۱ درس که همه چیزهایی را که برای شروع ساخت برنامه‌های هوش مصنوعی مولد نیاز دارید آموزش می‌دهد

🌐 پشتیبانی چندزبانه

پشتیبانی شده از طریق GitHub Action (خودکار و همیشه به‌روز)

عربی | بنگالی | بلغاری | برمه‌ای (میانمار) | چینی (ساده‌شده) | چینی (سنتی، هنگ‌کنگ) | چینی (سنتی، ماکائو) | چینی (سنتی، تایوان) | کرواتی | چکی | دانمارکی | هلندی | استونیایی | فنلاندی | فرانسوی | آلمانی | یونانی | عبری | هندی | مجارستانی | اندونزیایی | ایتالیایی | ژاپنی | کانادا | خمر | کُره‌ای | لیتوانیایی | مالایی | مالایالام | مراتی | نپالی | پیدگین نیجریایی | نروژی | فارسی (Farsi) | لهستانی | پرتغالی (برزیل) | پرتغالی (پرتغال) | پنجابی (گورموتی) | رومانیایی | روسی | صربی (سیریلیک) | اسلواکی | اسلونیایی | اسپانیایی | سواحیلی | سوئدی | تاگالوگ (فیلیپینی) | تامیل | تلوگو | تایلندی | ترکی | اوکراینی | اردو | ویتنامی

ترجیح می‌دهید محلی کلون کنید؟

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

بش / macOS / لینوکس:

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

این به شما همه چیزهایی که برای تکمیل دوره نیاز دارید را با دانلود بسیار سریع‌تر می‌دهد.

هوش مصنوعی مولد برای مبتدی‌ها (نسخه ۳) - یک دوره آموزشی

مبانی ساخت برنامه‌های هوش مصنوعی مولد را با دوره جامع ۲۱ درسی ما توسط مدافعان ابر مایکروسافت بیاموزید.

🌱 شروع به کار

این دوره شامل ۲۱ درس است. هر درس موضوع خاص خود را پوشش می‌دهد، پس هر جایی که دوست دارید شروع کنید!

دروس با برچسب "یاد بگیر" که مفاهیم هوش مصنوعی مولد را توضیح می‌دهند یا "ساخت" که مفاهیم و نمونه کد را هم به صورت Python و TypeScript توضیح می‌دهد، مشخص شده‌اند.

برای توسعه‌دهندگان .NET به هوش مصنوعی مولد برای مبتدی‌ها (نسخه .NET) مراجعه کنید!

هر درس همچنین شامل بخشی به نام "ادامه یادگیری" با ابزارهای یادگیری اضافه است.

آنچه نیاز دارید

برای اجرای کد این دوره، می‌توانید از یکی از موارد زیر استفاده کنید:

• خدمت Azure OpenAI - درس‌ها: "aoai-assignment"

• فهرست مدل‌های مارکت‌پلیس GitHub - درس‌ها: "githubmodels"

• API OpenAI - درس‌ها: "oai-assignment"

• دانش پایه‌ای از Python یا TypeScript مفید است - *برای مبتدیان مطلق این دوره‌های Python و TypeScript را بررسی کنید

• یک حساب کاربری GitHub برای فورک کردن کل این مخزن به حساب خودتان

ما یک درس راه‌اندازی دوره ساخته‌ایم تا به شما در راه‌اندازی محیط توسعه کمک کند.

فراموش نکنید که این مخزن را ستاره (🌟) بدهید تا بعدها راحت‌تر پیدایش کنید.

🧠 آماده برای استقرار؟

اگر به دنبال نمونه‌های کد پیشرفته‌تر هستید، مجموعه نمونه‌های کد هوش مصنوعی مولد ما را در هر دو Python و TypeScript بررسی کنید.

🗣️ ملاقات با سایر یادگیرندگان، دریافت پشتیبانی

به سرور رسمی Discord Azure AI Foundry بپیوندید تا با دیگر یادگیرندگانی که این دوره را می‌گذرانند ملاقات و شبکه‌سازی کنید و پشتیبانی دریافت کنید.

سؤالات بپرسید یا بازخورد محصول را در انجمن توسعه‌دهندگان Azure AI Foundry در گیت‌هاب به اشتراک بگذارید.

🚀 ساخت یک استارتاپ؟

به مایکروسافت برای استارتاپ‌ها مراجعه کنید تا بدانید چگونه امروز با اعتبارهای Azure شروع به ساخت کنید.

🙏 می‌خواهید کمک کنید؟

آیا پیشنهاد دارید یا خطاهای املایی یا کدی یافتید؟ یک مسئله مطرح کنید یا یک درخواست کشش ایجاد کنید

📂 هر درس شامل:

• معرفی کوتاه ویدئویی به موضوع
• درس مکتوب در فایل README
• نمونه کدهای Python و TypeScript با پشتیبانی از Azure OpenAI و OpenAI API
• لینک به منابع اضافی برای ادامه یادگیری شما

🗃️ دروس

#	لینک درس	توضیحات	ویدئو	یادگیری اضافی
۰۰	راه‌اندازی دوره	یاد بگیر: چگونه محیط توسعه خود را راه‌اندازی کنیم	ویدئو به‌زودی منتشر می‌شود	اطلاعات بیشتر
۰۱	مقدمه‌ای بر هوش مصنوعی مولد و مدل‌های زبان بزرگ	یاد بگیر: آشنایی با هوش مصنوعی مولد و چگونگی کارکرد مدل‌های زبان بزرگ (LLMها)	ویدئو	اطلاعات بیشتر
۰۲	بررسی و مقایسه مدل‌های مختلف زبان بزرگ	یاد بگیر: چگونه مدل مناسب برای مورد استفاده خود را انتخاب کنیم	ویدئو	اطلاعات بیشتر
۰۳	استفاده مسئولانه از هوش مصنوعی مولد	یاد بگیر: چگونه برنامه‌های هوش مصنوعی مولد را به‌صورت مسئولانه بسازیم	ویدئو	اطلاعات بیشتر
۰۴	درک اصول مهندسی پرامپت	یادگیری: بهترین تمرین‌های عملی مهندسی پرامپت	ویدئو	بیشتر بدانید
۰۵	ایجاد پرامپت‌های پیشرفته	یادگیری: چگونه از تکنیک‌های مهندسی پرامپت استفاده کنیم که نتیجه پرامپت‌ها را بهبود می‌بخشد.	ویدئو	بیشتر بدانید
۰۶	ساخت برنامه‌های تولید متن	ساخت: یک اپلیکیشن تولید متن با استفاده از Azure OpenAI / OpenAI API	ویدئو	بیشتر بدانید
۰۷	ساخت برنامه‌های چت	ساخت: تکنیک‌هایی برای ساخت و یکپارچه‌سازی بهینه برنامه‌های چت.	ویدئو	بیشتر بدانید
۰۸	ساخت برنامه‌های جستجو و پایگاه داده‌های برداری	ساخت: یک برنامه جستجو که از جاسازی‌ها برای جستجوی داده‌ها استفاده می‌کند.	ویدئو	بیشتر بدانید
۰۹	ساخت برنامه‌های تولید تصویر	ساخت: یک برنامه تولید تصویر	ویدئو	بیشتر بدانید
۱۰	ساخت برنامه‌های هوش مصنوعی کم کد	ساخت: یک برنامه هوش مصنوعی مولد با استفاده از ابزارهای کم کد	ویدئو	بیشتر بدانید
۱۱	ادغام برنامه‌های خارجی با فراخوانی توابع	ساخت: فراخوانی تابع چیست و کاربردهای آن در برنامه‌ها	ویدئو	بیشتر بدانید
۱۲	طراحی UX برای برنامه‌های هوش مصنوعی	یادگیری: چگونه اصول طراحی UX را هنگام توسعه برنامه‌های هوش مصنوعی مولد به کار ببریم	ویدئو	بیشتر بدانید
۱۳	امنیت برنامه‌های هوش مصنوعی مولد شما	یادگیری: تهدیدات و ریسک‌های سیستم‌های هوش مصنوعی و روش‌های تأمین امنیت این سیستم‌ها	ویدئو	بیشتر بدانید
۱۴	چرخه عمر برنامه‌های هوش مصنوعی مولد	یادگیری: ابزارها و معیارهای مدیریت چرخه عمر LLM و LLMOps	ویدئو	بیشتر بدانید
۱۵	تولید افزوده شده با بازیابی (RAG) و پایگاه داده‌های برداری	ساخت: برنامه‌ای با استفاده از چارچوب RAG برای بازیابی جاسازی‌ها از پایگاه داده‌های برداری	ویدئو	بیشتر بدانید
۱۶	مدل‌های متن باز و Hugging Face	ساخت: برنامه‌ای با استفاده از مدل‌های متن باز موجود در Hugging Face	ویدئو	بیشتر بدانید
۱۷	عامل‌های هوش مصنوعی	ساخت: برنامه‌ای با استفاده از چارچوب عامل هوش مصنوعی	ویدئو	بیشتر بدانید
۱۸	تنظیم دقیق LLMها	یادگیری: چیستی، چرایی و چگونگی تنظیم دقیق LLMها	ویدئو	بیشتر بدانید
۱۹	ساخت با SLMها	یادگیری: مزایای ساخت با مدل‌های کوچک زبان	به‌زودی ویدئو	بیشتر بدانید
۲۰	ساخت با مدل‌های میسترال	یادگیری: ویژگی‌ها و تفاوت‌های مدل‌های خانواده میسترال	به‌زودی ویدئو	بیشتر بدانید
۲۱	ساخت با مدل‌های متا	یادگیری: ویژگی‌ها و تفاوت‌های مدل‌های خانواده متا	به‌زودی ویدئو	بیشتر بدانید

🌟 سپاس ویژه

سپاس ویژه از جان عزیز برای ایجاد تمام عملیات‌ها و گردش‌های کاری گیت‌هاب

برن‌هارد مرکل برای مشارکت‌های کلیدی در هر درس جهت بهبود تجربه یادگیرنده و کدنویسی.

🎒 دوره‌های دیگر

تیم ما دوره‌های دیگری هم تولید می‌کند! نگاه کنید به:

LangChain

Azure / Edge / MCP / Agents

---

سری هوش مصنوعی مولد

---

یادگیری اصلی

---

سری کوپایلوت

دریافت کمک

اگر گیر کردید یا سوالی درباره ساخت برنامه‌های هوش مصنوعی دارید، به همراه یادگیرندگان دیگر و توسعه‌دهندگان باتجربه در بحث‌های MCP بپیوندید. این یک جامعه حمایتی است که در آن سوالات پذیرفته می‌شود و دانش به آزادانه به اشتراک گذاشته می‌شود.

اگر بازخورد محصول یا خطاهایی هنگام ساخت دارید، 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 برای دقت تلاش می‌کنیم، لطفاً توجه داشته باشید که ترجمه‌های خودکار ممکن است حاوی خطاها یا نادرستی‌هایی باشند. سند اصلی در زبان بومی خود باید منبع معتبر تلقی شود. برای اطلاعات حیاتی، ترجمه حرفه‌ای انسانی توصیه می‌شود. ما در قبال هرگونه سوء تفاهم یا تفسیر نادرست ناشی از استفاده از این ترجمه مسئولیتی نداریم.