مهندسی LLM، RAG و هوش مصنوعی مولد

• Base Model، Chat Model، Instruction-Tuned و Reasoning Model
• Message، Role، System Prompt و Conversation History
• API و دریافت JSON
• Token، Context Window، Rate Limit و Latency
• API Key، Secret و مقایسه مدل ابری و Local

خروجی: سرویس تحلیل تیکت با JSON موضوع، اولویت و پاسخ پیشنهادی

• Tokenization و BPE فارسی
• Special Token، Padding، Truncation و Attention Mask
• Token Embedding، Sentence Embedding و Cosine Similarity
• Positional Encoding
• Query، Key، Value و Scaled Dot-Product Attention
• Self-Attention، Cross-Attention و Multi-Head Attention
• Residual، Layer Normalization، Feed Forward و Encoder/Decoder

خروجی: Tokenizer فارسی و Attention Visualizer

• Embedding، Causal Self-Attention و Transformer Block
• Language Modeling Head، Cross-Entropy Loss و Backpropagation
• Dataset، DataLoader و Train/Validation
• Optimizer، Learning Rate و Gradient Clipping
• Overfitting و Checkpoint
• Greedy، Temperature، Top-K و Top-p Sampling

خروجی: Mini-GPT فارسی و مقایسه روش‌های Sampling

• System Prompt، Few-Shot و Prompt Template
• نسخه‌بندی Prompt و Workflow چندمرحله‌ای
• JSON Mode، Structured Output و Pydantic
• Validation، Retry و Repair
• استخراج اطلاعات قرارداد یا فاکتور
• Tool Calling برای API و سرویس داخلی
• Correctness، Format، Latency و Cost

خروجی: استخراج‌گر اطلاعات قرارداد با JSON معتبر

• Hugging Face، Model Card و License
• Transformers، Tokenizer و Chat Template
• Ollama یا LM Studio
• Quantization چهار و هشت بیتی
• CPU، GPU، VRAM و Batch Size
• vLLM، Endpoint و Streaming

خروجی: مدل متن‌باز Local متصل به API

• Prompt در برابر RAG، Full Fine-tuning و PEFT
• Dataset، پاک‌سازی و کنترل Data Leakage
• Train/Validation/Test و Supervised Fine-Tuning
• LoRA، QLoRA و Target Module
• Gradient Accumulation و Mixed Precision
• Adapter و Inference
• F1، Confusion Matrix و ارزیابی خروجی تولیدی
• Overfitting و Catastrophic Forgetting

خروجی: مدل تنظیم‌شده برای یک وظیفه فارسی و گزارش قبل و بعد

• Query، Retrieve، Augment و Generate
• PDF، Word، HTML و اسناد اسکن‌شده
• پاک‌سازی فارسی، Chunking و Metadata
• Embedding چندزبانه، FAISS و Qdrant یا Chroma
• Dense، Sparse، Hybrid Search و Re-ranking
• Query Rewriting، Multi-Query، HyDE و Parent-Child Retrieval
• Citation و سیاست «نمی‌دانم»
• Golden Dataset، Precision@K، Recall@K، MRR و Faithfulness
• تحلیل خطای Retrieval و Generation
• Incremental Indexing، Caching و Multi-tenancy

خروجی: دستیار دانش سازمانی دوزبانه با Citation و Evaluation

• Tool Calling و ReAct
• تفاوت Workflow و Agent
• Memory، State و LangChain/LangGraph
• Graph، Branch، Retry و Checkpoint
• Human-in-the-Loop و شرایط توقف
• Client، Server، Tool و Resource در MCP
• ساخت MCP Server امن و محدود
• Multi-Agent محدود
• Task Success، Tool Selection و Trace

خروجی: دستیار عملیاتی متصل به API، دیتابیس و MCP

• Vision Encoder، Projector و Language Model
• CLIP، SigLIP و Image–Text Embedding
• VLM آماده، Image Captioning و Visual Question Answering
• OCR و Document Understanding
• فاکتور، فرم، جدول و نمونه‌برداری فریم ویدئو
• Structured Extraction با Schema
• Exact Match، Field-Level F1 و Hallucination
• Fine-tuning محدود با LoRA/QLoRA
• Multimodal RAG برای متن، تصویر و نمودار

خروجی: تحلیل‌گر سند یا تصویر با پرسش‌وپاسخ و JSON

• Dataset ارزیابی، Rubric و LLM-as-Judge
• Regression Test برای LLM، RAG، Agent و VLM
• Logging، Tracing و Observability
• نسخه‌بندی مدل، Prompt، Index و Dataset
• FastAPI، Streaming، Timeout و Retry
• Demo با Streamlit یا Gradio
• Docker، Environment و Health Check
• Caching، Model Routing، Latency و Throughput
• Prompt Injection، Data Exfiltration، PII و Secret
• Development، Staging، Production، Rollback و CI/CD

خروجی: سرویس قابل اجرا با API، Docker، ارزیابی و مستندات