مسیر یادگیری AI

مفاهیم پایه‌ی هوش مصنوعی و یادگیری ماشین.

اپلیکیشنی که با استفاده از یک مدل زبانی، به زبان طبیعی و در قالب گفت‌وگوی چندنوبتی با کاربر تعامل می‌کند.

نقشه راه استفاده از هوش مصنوعی مولد (Generative AI) در اپلیکیشن‌های دات‌نت — از فراخوانی ساده API تا ارکستراسیون Agentها.

رابط برنامه‌نویسی REST برای فراخوانی مدل‌های OpenAI (مثل GPT) — چت، تولید Embedding و فراخوانی توابع (Function Calling).

فن طراحی و ساختاردهی ورودی (Prompt) به یک مدل زبانی برای گرفتن دقیق‌ترین و قابل‌اعتمادترین خروجی ممکن.

سیستمی مبتنی بر مدل زبانی که به‌جای پاسخ تک‌مرحله‌ای، خودش هدف را به مراحل می‌شکند، از ابزارها استفاده می‌کند و بر اساس نتیجه هر مرحله تصمیم بعدی را می‌گیرد.

چتر مجموعه سرویس‌های هوش مصنوعی مایکروسافت آژور — از دسترسی به مدل‌های GPT (Azure OpenAI) تا جست‌وجوی برداری و پردازش اسناد.

بازنمایی عددی (یک بردار از اعداد اعشاری) از متن، تصویر یا هر داده دیگر که معنای آن را در فضایی چندبعدی کدگذاری می‌کند.

فریم‌ورک متن‌باز (اصالتاً پایتون/جاوااسکریپت) برای ساخت اپلیکیشن‌های مبتنی بر LLM با ترکیب Chainها، Agentها، حافظه و اتصال به منابع داده.

یک پروتکل باز و استاندارد برای اتصال مدل‌های زبانی به ابزارها، داده‌ها و سرویس‌های بیرونی — بدون نیاز به یکپارچه‌سازی اختصاصی برای هر ترکیب مدل/ابزار.

مجموعه Interfaceهای استاندارد مایکروسافت (`IChatClient`, `IEmbeddingGenerator`) برای صحبت با هر Provider مدل زبانی با یک کد یکسان.

تکنیکی که قبل از پاسخ‌دادن مدل زبانی، اطلاعات مرتبط را از یک منبع دانش خارجی بازیابی و به Prompt اضافه می‌کند تا پاسخ دقیق‌تر و به‌روزتر باشد.

SDK متن‌باز مایکروسافت برای ارکستراسیون مدل‌های زبانی در اپلیکیشن‌های دات‌نت، پایتون و جاوا — با پشتیبانی از Plugin، حافظه و Agent.

پایگاه‌داده‌ای تخصصی برای ذخیره Embeddingها و جست‌وجوی سریع «نزدیک‌ترین‌ها» بر اساس شباهت معنایی، نه تطابق دقیق متن.