چگونه AI Engineer شویم؟ - پوریا جهاندیده | EP 28

تکمیل این اپیزود

اگر مهمان یا اسپانسری جا افتاده، از فهرست موجود انتخاب کن یا نام تازه‌ای پیشنهاد بده. پیشنهادها بعد از بررسی مدیر عمومی می‌شوند.

متن منتشرشده توسط پادکستر

توضیحات اپیزود

اطلاعات بیشتر در تلگرام: https://t.me/ai_natives در این اپیزود از پادکست AI Natives، به سراغ پوریا رفتیم تا درباره مسیر ورود به AI Engineering از زاویه تجربه واقعی یک مهندس نرم‌افزار صحبت کنیم؛ از تفاوت بین ساخت یک دمو و رساندن یک AI System یا AI Agent به Production گرفته تا مهارت‌هایی که برای ساخت سیستم‌های هوش مصنوعی واقعی لازم است. در این گفتگو درباره AI Agents، Voice Agents، LLM APIها، RAG، Embeddings، Vector Database، Evaluation و Tool Calling صحبت می‌کنیم و تجربه استفاده از تکنولوژی‌هایی مثل APIهای مدل‌های زبانی، مدل‌های Open Source و Closed Source و انتخاب مدل بر اساس کیفیت، سرعت و هزینه را بررسی می‌کنیم. همچنین درباره تفاوت مسیر Software Engineering، Machine Learning و AI Engineering، اهمیت Software Engineering Fundamentals، نحوه یادگیری این مهارت‌ها، تجربه ساخت محصولات AI و چالش‌های انتقال از Prototype به Production صحبت می‌کنیم. اگر به دنبال یادگیری AI Engineering، ساخت AI Agent، مسیر شغلی AI Engineer یا توسعه محصولات مبتنی بر LLM هستید، این گفتگو می‌تواند تصویر واقعی‌تری از مهارت‌ها و چالش‌های این مسیر ارائه دهد. لینک سایت و لینکدین پوریا جهاندیده: pjsofts.github.io / pouria-jahandideh مباحث کلیدی این ویدئو: 00:00 چرا AI Agentها این‌قدر مهم شده‌اند؟ 02:30 کاربرد AI در محصولات و Voice Agentها 05:20 AI Engineering؛ فراتر از هایپ و ابزارها 07:40 اهمیت Software Engineering Fundamentals برای AI Engineer 09:50 Embeddings، RAG و Vector Database 11:20 Evaluation و ارزیابی سیستم‌های AI 12:00 مسیر یادگیری و تجربه ساخت اولین AI Agent 15:00 انتخاب مدل؛ Open Source یا Closed Source؟ 16:50 تفاوت Software Engineer، ML Engineer و AI Engineer 18:00 مدل‌های Local، Privacy و محرمانگی داده 20:40 AI Agentها، Tool Calling و اتوماسیون فرایندها 24:00 از Prompt و RAG تا Fine-tuning و Training 28:00 بهینه‌سازی مدل، سرعت، هزینه و مصرف منابع 32:40 انتخاب مدل مناسب برای هر Use Case 34:50 طراحی Agent و معماری سیستم‌های AI 38:00 مدل‌های Local، Fine-tuning و ساخت از صفر 40:00 چه زمانی باید از تکنولوژی آماده استفاده کنیم؟ 41:50 تقویت مهارت‌های مهندسی و یادگیری از پروژه‌های واقعی 44:00 Spec-driven Development و آینده توسعه نرم‌افزار 46:00 Data-Intensive Applications و منابع یادگیری 48:00 چرا Engineering Skills برای همه نقش‌های فنی مهم است؟ 📌 آدرس شبکه‌های اجتماعی: ✅ Telegram Channel: https://t.me/ai_natives ✅ Instagram: / ainatives #هوش_مصنوعی #مهندسی_هوش_مصنوعی #ایجنت #ایجنت_هوش_مصنوعی #مهندسی_نرم_افزار #یادگیری_ماشین #مهندسی_داده #RAG #LLM #AIEngineering #AIAgents #MachineLearning #SoftwareEngineering #GenerativeAI #DataEngineering #AINatives

نظرها