-
- گروه آموزشی
سه بعدی سازی و انیمیشن3D & Animation
طراحی مهندسیCAD
برنامه نویسی و توسعهProgramming & Develop
فناوری اطلاعات - ITInformation Technology
طراحی ، گرافیک ، عکاسیDesign, Graphic, Photography
فیلم ، ویدیو ، صداFilm, Video, Audio
آموزش و یادگیری الکترونیکیEducation & Elearning
بیزنس و بازاریابیBusiness & Marketing
وبWeb
- نرم افزارها و ابزارها
- مسیرهای یادگیری
- مدرسان
- پنل کاربری
- تماس با ما
- راهنما
Lynda Weinman
بسیاری لیندا واینمن را "مادر آموزش اینترنتی" لقب داده اند. وی که هم اکنون (2016) ۶۰ سال سن دارد در ۱۹۹۵ سایتی را راه اندازی کرد که به عنوان منبعی رایگان برای دانش آموزان محسوب می شد. طی آن دوران لیندا به صورت خودآموز در حال یادگیری طراحی وب بود و تلاش داشت تا آموخته هایش را با سایرین نیز به اشتراک بگذارد. هر چند این روزها مسئله یاد شده امری عادی به حساب می آید اما در اواسط دهه نود -روزگاری که هنوز یوتیوبی نبود- یادگیری طراحی وب به صورت خودجوش چندان مسئله رایجی محسوب نمی گشت.
اشتیاق آن روزهای لیندا در یادگیری ، حالا به لطف وب سایت و سرویسی هایی همانند آنچه خود او راه اندازی کرده به میلیون ها نفر دیگر در سراسر دنیا نیز سرایت نموده و آنها می توانند با اندک هزینه ای و در هر جا و مکانی آنچه که دوست دارند را فرا بگیرند.
ناگفته نماند که پیدا کردن مسیر صحیح کسب و کار، حتی برای لیندا واینمن نیز بدون فراز و نشیب نبوده و وی هم مانند هر فرد موفق دیگری در راه رسیدن به پیروزی پستی و بلندی های بسیاری را از سر گذرانده.
درک نیازی که هیچکس به آن پاسخ نداده بود
وقتی در سال ۱۹۹۳ واینمن طراحی وب را اندک اندک فرا گرفته و قصد آموزش دادن آن را پیدا کرد، ابتدا به کتاب فروشی مراجع نمود و سعی کرد کتابی را به عنوان مرجع انتخاب و از روی آن به دانش آموزان خود درس بدهد. اما وی متوجه شد کتاب فروشی ها و کتابخانه ها تنها راهنماهایی بسیار فنی و پیچیده را ارائه می نمایند که درک شان برای افراد معمولی و با دانش متوسط تقریباً غیر ممکن محسوب می شود.
لیندا واینمن میگوید: به یاد می آورم که با خود فکر کردم شاید چنین کتابی هنوز وجود ندارد. بلافاصله از کتاب فروشی به خانه رفتم و ایده ی اولیه نوشتن آن را پیاده سازی کردم.
کمی بعد کتاب "طراحی گرافیک های تحت وب" که به باور بسیاری اولین کتاب ساده و قابل درک توسط عموم در رابطه با حرفه طراحی وب بود، توسط افراد بسیاری در سراسر دنیا به عنوان یک مرجع غیر فنی مورد استفاده قرار می گرفت و محبوبیتی غیر قابل باور به دست آورده بود.
درست در همان زمان و در سال ۱۹۹۵ واینمن آدرس ایمیل فردی را مشاهده نمود که به صورت debbie@debbie.com بود و مشتاق شد بداند آیا دامنه ی لیندا نیز برای ثبت کردن در دسترس قرار دارد یا خیر. وی این دامنه را خریداری و وبسایتی تحت آن راه انداخت تا از طریقش بتواند با دانش آموزان و همچنین خوانندگان کتاب خود ارتباط برقرار نماید.
شروعی کوچک و توسعه ای آهسته و پیوسته
بعد از موفقیت کتاب واینمن همسر او، بروس هون (Bruce Heavin)، که در اصل موسس کمپانی لیندا نیز محسوب می شود، پیشنهاد داد در طول تعطیلات بهاره یکی از سالن های کامپیوتر دانشگاهی را اجاره نموده و در آن به مدت یک هفته دوره آموزش طراحی وب برگزار نمایند.
آنها این ایده را عملی کردند و سپس به منظور جذب افراد علاقه مند بنر تبلیغاتی را روی سایت لیندا قرار دادند. نه تنها ظرفیت کلاس یاد شده بسیار سریع پر گشت، بلکه افراد از گوشه و کنار دنیا و حتی مثلاً شهر وین برای حضور در آن ثبت نام نمودند.
اینکه تنها یک بنر در سایت خود قرار دهیم و سپس مردم از سراسر دنیا برای حضور در کلاس مان ثبت نام نمایند، باعث شده بود تا شوکه شویم.
آن کارگاه های یک هفته ای بسیار زود باعث شدند تا کسب و کار امروزی لیندا و همسرش پایه گذاری گردد. واینمن از درآمد حق امتیاز کتاب خود با ارزش ۲۰ هزار دلار استفاده کرد و مدرسه طراحی وبی را راه اندازی نمود که دوره هایش در هر ماه به سرعت پیش فروش شده و ظرفیت شان تکمیل می گشت. لیندا می گوید: "مشتریان زیادی وجود داشتند که مجبور بودیم به آنها نه بگوییم، زیرا ظرفیتی برای پذیرش شان وجود نداشت".
اوج گیری پس از بحران
کسب و کار لیندا پس از چند سال توانست ۳۵ فرصت شغلی را ایجاد و درآمدی ۳.۵ میلیون دلاری را فراهم کند. اما در سال ۲۰۰۱ و پس از انفجار حباب دات کام و حوادث مرتبط به یازده سپتامبر، تمایل افراد به یادگیری دروس طراحی وب کاهشی عجیب پیدا کرد، تا جایی که واینمن و همسرش در ادامه دادن مسیر مردد شده بودند.
کمپانی آنها دچار بحرانی جدی گشت، واینمن و هون ۷۵ درصد کارمندان خود را اخراج کردند و تنها ۹ نفر در استخدام شان باقی ماند. دفتر و مقر برگزاری دوره های لیندا نیز کوچک تر گشت و سعی را بر این گذاشتند تا واحد هایی با قیمت ارزان تر اجاره نمایند.
روز های سیاهی بود و حتی خودم تردید داشتم که می توانیم این کسب و کار را ادامه دهیم یا خیر.
خود واینمن در مورد آن ایام می گوید: "همه در حال نبرد برای بقا بودند و سعی می کردند سر خود را بالای آب نگه دارند. ما نیز وضعیتی مشابه را تجربه می کردیم و در نهایت درست همین زمان بود که تصمیم گرفتیم خدمات خود را به صورت کاملاً آنلاین ارائه نماییم."
روزگاری که ایده یاد شده شکل گرفت و سپس عملی گشت (ارائه خدمات به صورت آنلاین) تماشای فیلم بر روی کامپیوترها تازه در حال رواج یافتن بود. لیندا دات کام تصمیم گرفت در ازای سرویسی که ارائه می کند هزینه حق اشتراکی ۲۵ دلاری را به صورت ماهیانه دریافت نماید.
افراد اندکی از این راهکار استقبال کردند. واینمن می گوید: "درآمد مان به شدت افت کرده بود. روز های سیاهی بود و حتی خودم تردید داشتم که می توانیم این کسب و کار را ادامه دهیم یا خیر."
با تنها ۱۰۰۰ نفر پرداخت کننده حق اشتراک ماهیانه، بقای کمپانی به نظر بسیار سخت می رسید. ایجاد یک جامعه ی آنلاین زمان بر است و لیندا به خود امید می داد که آنها مسیر شان را عوض نکرده اند بلکه راهی تازه را شروع نموده اند پس باید صبر پیشه کنند. او توضیح می دهد که "همه چیز بسیار آهسته پیش رفت. ولی کم کم پرداخت حق اشتراک ماهیانه آنلاین رواج پیدا کرد و مقدار آن هر ساله چندین برابر شد".
در ۲۰۰۶ تعداد مشترکین به ۱۰۰.۰۰۰ نفر رسید و واینمن و همسرش ۱۵۰ کارمند خود را به همراه خانواده هایشان به دیزنی لند بردند تا موفقیت بزرگی که رقم خورده بود را جشن بگیرند.
ایجاد فرهنگ سازمانی مناسب در زمان رشد
اینکه اعضا و کارمندان شرکت همانند یک خانواده با یکدیگر در تعامل باشند همواره برای لیندا حائز اهمیت بوده و او حتی همیشه تلاش داشته تا افراد تحت استخدام خود را با اسم کوچک بشناسد و صدا بزند. ولی رشد سریع کمپانی و رسیدن تعداد کارمندان به عدد ۵۰۰، رفته رفته چالش هایی تازه را پدید می آورد و سبب می گردد واینمن در ایده آل های خود بازنگری نماید.
وی می گوید: "چالش اصلی بر سر تعیین سمت و مقام افراد بود. اینکه با هر کس چه برخوردی باید صورت بگیرد. همه ی کسانی که رشدی سریع را در شرکت خود تجربه کرده اند می دانند که ایجاد سلسله مراتب تا چه حد اهمیت دارد."
در ۲۰۰۷ تصمیم بر این شد تا یک مدیرعامل جهت اداره ی بهتر مجموعه به آن اضافه گردد. به گفته ی خود لیندا "درست در همان زمان بود که او تصمیم گرفت در رفتارها و برخوردهای خود سیاست بیشتری داشته و بروکراتیک تر عمل نماید".
ایجاد فرهنگ سازمانی برای شرکتی با بیش از ۵۰۰ کارمند کاری بسیار دشوار خواهد بود ولی حتی آنچه از این مسئله نیز دشوارتر به حساب می آید پایه ریزی درست و مطابقت دادن افراد با فرهنگ یاد شده است. اینکار در زمانی که یک شرکت نوپا و کوچک محسوب می شود چندان سخت نیست و شاید ضروری هم نباشد ولی با رشد آن صورت پذیرفتنش الزام می یابد.
پیش به سوی موفقیت
مدتی است که بسیاری تصور می کنند دوره های آموزش ویدئویی می توانند آینده آموزش به حساب بیایند.
در طی سال های اخیر کمپانی واینمن توسط افراد گوناگونی که در حرفه ی خود بهترین هستند دوره های آنلاین متعددی را ایجاد نموده و سعی کرده نشان دهد این دوره های آنلاین راه و روش یادگیری را برای همیشه متحول کرده اند.
لیندا دات کام قالبی معین و کارآمد را برای دوره های آموزشی اش پدید آورده و سپس کوشش کرده تا از نظر موضوعی نیز در بین مطالب مورد تدریس خود تنوع ایجاد نماید. روزگاری در وب سایت مورد بحث تنها ۲۰ دوره آموزش ویدئویی آنلاین وجود داشت، اما اکنون این رقم به ۶۳۰۰ رسیده که شامل ۲۶۷.۰۰۰ ویدئوی آموزشی می گردد.
ارائه ی کتابخانه ای ویدئویی به جای اینکه از افراد درخواست شود تا در دوره هایی مشخص با روال معمول و پیوسته شرکت نمایند، عاملی بوده که سبب گشته شیوه ی آموزشی لیندا دات کام نسبت به سایرین کاملاً متفاوت گردد.
واینمن می گوید: "مدتی است که بسیاری تصور می کنند دوره های آموزش ویدئویی می توانند آینده آموزش به حساب بیایند. ما به خاطر همین تفاوت مان مورد توجه قرار داشته و تحت نظر سایرین هستیم".
فروش به لینکدین Linked in
من به شخصه بر روی اثری که از همکاری دو کمپانی با یکدیگر پدید می آید متمرکز هستم.
واینمن زمانی که متوجه می شود لینکدین قصد خرید کمپانی اش را دارد، در ابتدا شوکه می گردد. او و همسرش هرگز به دنبال فروش شرکت خود و یافتن مشتری برای آن نبوده اند و البته در سن ۶۰ سالگی وی هنوز هم احساس می نموده که برای بازنشستگی بسیار زود است.
اما رفته رفته به این نتیجه می رسند که این فروش و ادغام دو کمپانی با یکدیگر احتمالاً امری منطقی و موثر خواهد بود. هر دو شرکت به نوعی تلاش داشته اند به افراد کمک کنند تا وضعیت شغلی خود را بهبود بخشند و احتمالاً در کنار یکدیگر بسیار بهتر از گذشته می توانند این هدف را محقق کنند.
واینمن می گوید: "بسیاری از مردم بر روی رقم معامله صورت پذیرفته تمرکز دارند و شاید این مسئله برای افرادی که با صنعت ما آشنا نیستند یک شگفتی محسوب شود. ولی خود من به شخصه بر روی اثری که از همکاری دو کمپانی با یکدیگر پدید می آید متمرکز هستم و اولین چیزی که در رابطه با این موضوع به ذهنم می رسد، میزان بزرگی این اثرگذاری است."
به نظر می آید حتی لیندا واینمن هم از موفقیت خودش شگفت زده است و تصور چنین روزی را نداشته. بر خلاف بسیاری از بنیانگذاران کمپانی ها مهم تکنولوژیک امروزی ، وی با هدف کسب درآمد های کلان شروع به کار نکرده و قصد اولیه اش هرگز ایجاد کمپانی نبوده که توسط لینکدین به ارزش ۱.۵ میلیارد دلار خریداری شد. او تنها سعی داشته آنچه که برای خودش جذاب بوده، یعنی طراحی وب را به سایرین نیز بیاموزد.
واینمن که بر حسب اتفاق بدل به یک معلم گشته، می گوید: "من نه چندان گنگ بودم و نه به آن صورت خوره ی دنیای تکنولوژی. افراد زیادی پیش من می آمدند و می پرسیدند چگونه این کار را انجام می دهی؟ یا چگونه آن کار را انجام می دهی؟ هرگز با خودم فکر نکرده بودم به اشتراک گذاشتن دانش در رابطه با آنچه که برایت جالب است، در واقع همان تدریس کردن محسوب می شود."
در حالکیه لیندا اعتقاد دارد تنها در زمان و مکان مناسبی حضور داشته، سخت است بدل شدن یک دامنه ی ۳۵ دلاری به کسب و کاری ۱.۵ میلیارد دلاری را حاصل یک اتفاق بدانیم.
به دنبال کسب اطلاعات بیشتر در مورد بسیاری از موارد استفاده بالقوه از مدل های زبان بزرگ (LLM) هستید؟ این دوره یک راهنمای شروع سریع است که برای کمک به شما در یادگیری نحوه استفاده و راه‌اندازی ChatGPT، T5 و BERT در مقیاس طراحی شده است. با مطالعات موردی در دنیای واقعی برای نشان دادن مفاهیم، مربی Sinan Ozdemir یک رویکرد گام به گام برای ساخت و استقرار LLM ها را با سهولت تشریح می کند. از ایجاد یک موتور توصیه و راه‌اندازی یک سیستم بازیابی اطلاعات گرفته تا ساختن یک سیستم شرح تصاویر و فراتر از آن، این دوره دستورالعمل‌ها و بهترین شیوه‌ها را برای هر کسی که علاقه‌مند به استفاده از LLM برای ایجاد بینش‌هایی است که در غیر این صورت به سختی می‌توانست به دست آورد، ارائه می‌کند.
نمونه ویدیوی آموزشی ( زیرنویس‌ها جدا از ویدیو است و میتوانید آنرا نمایش ندهید ) :
[فارسی]
01 مقدمه
01-01 راهنمای سریع مدل های زبان بزرگ: مقدمه
02 مروری بر مدل های زبان بزرگ (LLM)
02-01 ماژول 1: مقدمه ای بر مدل های زبان بزرگ
02-02 موضوعات
02-03 مدل های زبان چیست؟
02-04 LLM های مدرن محبوب
02-05 کاربردهای LLM
03 جستجوی معنایی با LLM
03-01 موضوعات
03-02 مقدمه ای بر جستجوی معنایی
03-03 ساخت یک سیستم جستجوی معنایی
03-04 بهینه سازی جستجوی معنایی با رمزگذارهای متقابل و تنظیم دقیق
04 گام های اول با مهندسی سریع
04-01 موضوعات
04-02 مقدمه ای بر مهندسی سریع
04-03 کار با اعلان‌ها در بین مدل‌ها
04-04 ساخت یک ربات نسل افزوده بازیابی با ChatGPT و GPT-4o
05 بازیابی-افزوده شده و عوامل هوش مصنوعی
05-01 موضوعات
05-02 مقدمه ای بر نسل افزوده بازیابی (RAG)
05-03 ساخت ربات RAG
05-04 استفاده از مدل های منبع باز با RAG
05-05 گسترش به عوامل هوش مصنوعی
06 بهینه سازی LLM با تنظیم دقیق
06-01 ماژول 2: بیشترین بهره را از مقدمه LLM ببرید
06-02 موضوعات
06-03 آموزش انتقالی: پرایمر
06-04 API تنظیم دقیق OpenAI
06-05 مطالعه موردی: پیش بینی با بررسی های آمازون: قسمت 1
06-06 مطالعه موردی: پیش بینی با بررسی های آمازون: قسمت 2
07 مهندسی سریع پیشرفته
07-01 موضوعات
07-02 اعتبار سنجی ورودی/خروجی
07-03 درخواست دسته‌ای و زنجیره‌سازی سریع
07-04 پیشنهاد زنجیره ای از افکار
07-05 جلوگیری از حملات تزریق سریع
07-06 ارزیابی سطح دانش کدگذاری شده LLM
08 سفارشی سازی تعبیه ها و معماری های مدل
08-01 موضوعات
08-02 مطالعه موردی: ساخت یک سیستم توصیه انیمیشن
08-03 استفاده از مدل های تعبیه شده OpenAI
08-04 تنظیم دقیق یک مدل تعبیه شده برای ثبت رفتار کاربر
09 تراز هوش مصنوعی: اصول اولیه
09-01 موضوعات
09-02 مقدمه ای بر هم ترازی هوش مصنوعی
09-03 ارزیابی همسویی به علاوه اخلاق
10 مدل حرکت فراتر از پایه
10-01 ماژول 3: معرفی استفاده از LLM پیشرفته
10-02 موضوعات
10-03 ترانسفورماتور بینایی
10-04 استفاده از توجه متقاطع برای ترکیب روش های داده
10-05 مطالعه موردی: کیفیت تصویری - تنظیم یک مدل
10-06 مطالعه موردی: کیفیت تصویری - تنظیم پارامترها و داده ها
10-07 مقدمه ای بر یادگیری تقویتی از بازخورد
10-08 تراز کردن FLAN-T5 با یادگیری تقویتی از بازخورد
11 تنظیم دقیق LLM منبع باز پیشرفته
11-01 موضوعات
11-02 BERT برای طبقه بندی چند برچسبی: قسمت 1
11-03 BERT برای طبقه بندی چند برچسبی: قسمت 2
11-04 نوشتن LaTeX با GPT-2
11-05 مطالعه موردی: تلاش سینان برای پاسخ های عاقلانه و در عین حال جذاب - ساویر
11-06 تراز دستورالعمل های LLM: تنظیم دقیق نظارت شده
11-07 همسویی دستورالعمل های LLM: مدل سازی پاداش
11-08 تراز دستورالعمل های LLM: RLHF
11-09 تراز دستورالعمل های LLM: استفاده از یک LLM تراز شده با دستورالعمل
12 انتقال LLM به تولید
12-01 موضوعات
12-02 هزینه طرح ریزی و استقرار LLMها به تولید
12-03 تقطیر دانش
13 ارزیابی LLM
13-01 موضوعات
13-02 ارزیابی وظایف مولد: قسمت 1
13-03 ارزیابی وظایف مولد: قسمت 2
13-04 ارزیابی وظایف درک
13-05 پروب LLM برای مدل جهانی
14 نتیجه گیری
14-01 بررسی سریع به مدل های زبان بزرگ: خلاصه
[ENGLISH]
01 Introduction
01-01 Quick guide to large language models: Introduction
02 Overview of Large Language Models (LLMs)
02-01 Module 1: Introduction to large language models
02-02 Topics
02-03 What are language models?
02-04 Popular modern LLMs
02-05 Applications of LLMs
03 Semantic Search with LLMs
03-01 Topics
03-02 Introduction to semantic search
03-03 Building a semantic search system
03-04 Optimizing semantic search with cross-encoders and fine-tuning
04 First Steps with Prompt Engineering
04-01 Topics
04-02 Introduction to prompt engineering
04-03 Working with prompts across models
04-04 Building a retrieval-augmented generation bot with ChatGPT and GPT-4o
05 Retrieval-Augmented Generation and AI Agents
05-01 Topics
05-02 Introduction to retrieval-augmented generation (RAG)
05-03 Building a RAG bot
05-04 Using open-source models with RAG
05-05 Expanding into AI agents
06 Optimizing LLMs with Fine-Tuning
06-01 Module 2: Getting the most out of LLMs introduction
06-02 Topics
06-03 Transfer learning: A primer
06-04 The OpenAI fine-tuning API
06-05 Case Study: Predicting with Amazon Reviews: Part 1
06-06 Case Study: Predicting with Amazon Reviews: Part 2
07 Advanced Prompt Engineering
07-01 Topics
07-02 Input/output validation
07-03 Batch prompting and prompt chaining
07-04 Chain-of-thought prompting
07-05 Preventing prompt injection attacks
07-06 Assessing an LLMs encoded knowledge level
08 Customizing Embeddings and Model Architectures
08-01 Topics
08-02 Case study: Building an anime recommendation system
08-03 Using OpenAI’s embedding models
08-04 Fine-tuning an embedding model to capture user behavior
09 AI Alignment: First Principles
09-01 Topics
09-02 Introduction to AI alignment
09-03 Evaluating alignment plus ethics
10 Moving Beyond Foundation Models
10-01 Module 3: Advanced LLM usage introduction
10-02 Topics
10-03 The vision transformer
10-04 Using cross attention to mix data modalities
10-05 Case study: Visual QA—Setting up a model
10-06 Case study: Visual QA—Setting up parameters and data
10-07 Introduction to reinforcement learning from feedback
10-08 Aligning FLAN-T5 with reinforcement learning from feedback
11 Advanced Open-Source LLM Fine-Tuning
11-01 Topics
11-02 BERT for multilabel classification: Part 1
11-03 BERT for multilabel classification: Part 2
11-04 Writing LaTeX with GPT-2
11-05 Case study: Sinan’s attempt at wise yet engaging responses—SAWYER
11-06 Instruction alignment of LLMs: Supervised fine-tuning
11-07 Instruction alignment of LLMs: Reward modeling
11-08 Instruction alignment of LLMs: RLHF
11-09 Instruction alignment of LLMs: Using an instruction-aligned LLM
12 Moving LLMs into Production
12-01 Topics
12-02 Cost projecting and deploying LLMs to production
12-03 Knowledge distillation
13 LLM Evaluations
13-01 Topics
13-02 Evaluating generative tasks: Part 1
13-03 Evaluating generative tasks: Part 2
13-04 Evaluating understanding tasks
13-05 Probing LLMs for world model
14 Conclusion
14-01 Quick quide to large language models: Summary
مدرس: Pearson - پیرسون
Pearson یک ارائه دهنده آموزش و یادگیری است.
هدف پیرسون این است که به افراد کمک کند تا زندگی خود را از طریق یادگیری درک کنند، با این باور که هر فرصت یادگیری فرصتی برای پیشرفت شخصی است. کارکنان پیرسون متعهد به ایجاد تجربیات یادگیری پر جنب و جوش و غنی هستند که برای تأثیرگذاری در زندگی واقعی طراحی شده اند. آنها در نزدیک به 200 کشور با محتوای دیجیتال، ارزیابی ها، صلاحیت ها و داده ها به مشتریان خدمات ارائه می دهند.
تلگرام 
اینستاگرام 
