ما در آیتی هلو از شهریور ۱۴۰۲ کارمون رو با عشق به کتاب و یادگیری شروع کردیم. تخصص ما چاپ کتابهای تخصصی به زبان اصلیه و با استفاده از تکنولوژیهای روز و مواد اولیه باکیفیت، مطمئن میشیم که هر کتاب از نظر ظاهر و محتوا در بهترین سطح قرار بگیره.
هدفمون اینه که دسترسی به منابع علمی و آموزشی معتبر رو برای همه سادهتر کنیم و در این مسیر، همراه و همکار خوبی برای شما باشیم.
A Field Guide for the Working Developer
داستان توسعه نرمافزار، داستان اتوماسیون است. سالها پیش، زمانی که وبسایتها به صورت دستی و با کپی کردن کدهای HTML بهروزرسانی میشدند، هر برنامهنویس خلاقی به این فکر میافتاد که فرآیند را خودکار کند. اما این خودکارسازی یک لبه تیز دارد؛ فناوری منتظر هیچکس نمیماند و اگر خود را با ترندهای روز همگام نکنید، ممکن است همان اتوماسیونی که خلق کردهاید، جایگزین موقعیت شغلی خودتان شود. با ظهور چتجیپتی و جهش ناگهانی هوش مصنوعی مولد، بار دیگر این واهمه در میان برنامهنویسان شکل گرفت که هوش مصنوعی جایگزین آنها خواهد شد. اما واقعیت چیز دیگری است: مدلهای زبانی بزرگ کدهای بینقصی نمینویسند، بلکه این توسعهدهندگان مجهز به ابزارهای هوش مصنوعی هستند که آینده را میسازند.
بسیاری از کتابهای هوش مصنوعی موجود در بازار، مملو از معادلات پیچیده ریاضی، آمار و جبر خطی هستند که مطالعه آنها برای توسعهدهندگان نرمافزار فرساینده است. کتاب حاضر دقیقاً با این هدف نگارش شده است: کتابی از توسعهدهندگان برای توسعهدهندگان. این اثر به شما ثابت میکند که برای ساخت سیستمهای فوق هوشمند، نیازی به مدرک دکتری داتا ساینس ندارید. با استفاده از ابزارهایی که همین حالا میشناسید و به آنها علاقه دارید – یعنی APIها، SDKها و پایگاههای داده – میتوانید مدلهای پیشساخته هوش مصنوعی (Pretrained Models) را به خدمت بگیرید، آنها را با دادههای اختصاصی خود ترکیب کنید و سیستمهایی کاملاً کاربردی بسازید. برای شروع این سفر، داشتن دانش پایهای جاوا اسکریپت، کنجکاوی و اشتیاق به یادگیری کافی است.
ساختار آموزشی این کتاب چاپی و فیزیکی به جای درگیر کردن شما در مباحث تئوریک، در قالب ۵ بخش و ۱۴ فصل تخصصی، یک مسیر کاملاً کاربردی و پروژه-محور را ترسیم میکند:
این بخش با فرض داشتن دانش جاوا اسکریپت آغاز میشود و مفاهیم اولیه را از طریق ساخت یک بات پشتیبان هوشمند آموزش میدهد. همچنین یک دوره فشرده پایتون برای همگام شدن با بقیه فصول در نظر گرفته شده است.
فصل ۱: درک مدلهای زبانی بزرگ؛ تبیین مفاهیم LLM به زبان ساده، دلایل قدرت آنها در اتوماسیون کارهای مبتنی بر دانش، محدودیتها و اهرمهای عملی برای ادغام ایمن آنها در نرمافزارها.
فصل ۲: ساخت اولین برنامه مبتنی بر LLM؛ تجربه کدنویسی یک برنامه چت واقعی و بومی با استفاده از جاوا اسکریپت و یک مدل زبانی که روی سیستم محلی خودتان اجرا میشود.
فصل ۳: ملزومات پایتون برای کار با LLMها و APIها؛ بازسازی همان برنامه چت با زبان پایتون جهت مسلط شدن بر سینتکس، مفاهیم پایه و کتابخانههای حیاتی این زبان.
در این بخش تکنیکها و چارچوبهای ذهنی تولید پرامپتهای تجاری و دقیق را فرا میگیرید تا بتوانید مدل را وادار به اجرای دستورات خود کنید.
فصل ۴: مبانی مهندسی پرامپت؛ بررسی مسائلی که LLMها در دنیای واقعی حل میکنند، ساختار یک پرامپت باکیفیت و مدیریت محدودیتها برای حفظ سرعت، دقت و صرفه اقتصادی.
کلمات کلیدی:فصل ۵: تکنیکهای پرامپت نویسی؛ آموزش الگوها و ترفندهای اثباتشده برای دریافت پاسخهای پایدار، دقیق و متناسب با منطق کسبوکار از مدلهای زبانی.
فصل ۶: پرامپت نویسی در قالب کد؛ تبدیل پرامپتهای طراحیشده به ویژگیهای نرمافزاری آماده تولید با انتخاب کتابخانهها، تنظیمات درست و الگوهای کدنویسی استاندارد.
ورود به دنیای ذخیرهسازی معنایی دادهها و آموزش روشهای ساخت سیستمهای پاسخگویی مبتنی بر اسناد اختصاصی سازمان.
فصل ۷: پایگاههای داده برداری در عمل؛ فراتر رفتن از مدلهای متنی و یادگیری نحوه استفاده از مدلهای امبدینگ (Embedding Models) و دیتابیسهای برداری برای ایجاد سیستمهای جستجوی هوشمند و شخصیسازیشده.
فصل ۸: طراحی سیستم تولید افزوده بازیابی (RAG)؛ تبدیل یک LLM عمومی به متخصص دادههای محرمانه و خصوصی شرکت شما برای ارائه پاسخهای تجاری دقیق و بدون نقص.
آموزش زمان و نحوه فراتر رفتن از مدلهای عمومی و بهینهسازی آنها برای وظایف بسیار خاص.
فصل ۹: چرا و چه زمانی باید یک مدل را سفارشی کنیم؟ مقایسه بازدهی تنظیم دقیق (Fine-tuning) در برابر ساخت مدل از صفر و معرفی استراتژیهای تخصصی کردن هوش مصنوعی.
فصل ۱۰: آمادهسازی دادهها برای تنظیم دقیق؛ نحوه تبدیل دادههای خام به مجموعهدادههای (Datasets) باکیفیت، برچسبگذاری و بخشبندی استراتژیک آنها.
فصل ۱۱: عملیاتی کردن فرآیند Fine-Tuning؛ اتصال تئوری به کد و طی کردن خط لوله فنی استقرار برای تبدیل یک مدل همهمنظوره به یک کارشناس خبره.
گذار از هوش مصنوعی منفعل که فقط فکر میکند و پاسخ میدهد، به سمت ایجنتهای پویایی که اقدام میکنند و مسائل را به صورت هدفمحور حل مینمایند.
فصل ۱۲: از گردش کار تا ایجنتهای خودمختار؛ عبور از پنجرههای چت ساده و ورود به دنیای سیستمهای فعال و مستقل.
فصل ۱۳: ساخت یک ایجنت خودمختار؛ گامهای عملی و کد-محور برای طراحی و توسعه اولین ایجنت هوشمند اختصاصی شما.
فصل ۱۴: گسترش توانمندی ایجنتها با ابزارها؛ آموزش نحوه متصل کردن ایجنتها به ابزارهای جانبی و بررسی پروتکل بافتار مدل (Model Context Protocol) برای تبدیل هوش مصنوعی به یک «انجامدهنده» واقعی کارها.
این راهنما دقیقاً برای توسعهدهندگان نرمافزار، مهندسان فرانتاند و بکاند، و معماران سیستم طراحی شده است که میخواهند سوار بر موج هوش مصنوعی شوند، اما تمایلی به ورود به رشته آمار و داتا ساینس ندارند. اگر با مفاهیم پایهای برنامه نویسی آشنایی دارید، این کتاب به شما نشان میدهد که چگونه از سیستمهای هوش مصنوعی مانند یک جعبهابزار قدرتمند در پروژههای فعلی خود بهره ببرید.
یادگیری مفاهیمی مانند زنجیرهسازی پرامپتها، معماری پایگاههای داده برداری، خطوط لوله RAG و ساختاردهی به کدهای پایتون و جاوا اسکریپت، نیازمند تمرکز بالا و بررسی همزمان ساختارهای درختی کدهای منبع است. نسخه چاپی این کتاب فیزیکی با صفحه آرایی تمیز خطوط کدنویسی و دستهبندی واضح مفاهیم، یک مرجع رومیزی دائمی و فوقالعاده کاربردی را برای میز کار شما فراهم میکند. شما میتوانید کتاب را در کنار کیبورد خود باز نگه داشته، الگوهای کدنویسی آن را تحلیل کنید و مستقیماً سیستمهای ایجنت و معماریهای RAG خود را توسعه دهید. این کتاب چاپی یک سرمایهگذاری عالی برای بیمه کردن آینده شغلی شما در دنیای برنامه نویسی مدرن است.
نمونه چاپ کتاب موجود نیست.
نظرات کاربران (0)