• شماره ركورد
    9728
  • پديد آورنده

    محمدحسين ابراهيمي

  • عنوان
    طراحي محصولات نرم افزاري با رويكرد مدل هاي زباني بزرگ
  • مقطع تحصيلي
    كارشناسي
  • رشته تحصيلي
    مهندسي صنايع
  • سال فارغ التحصيلي
    1404
  • استاد راهنما
    دكتر محمدرضا رسولي
  • استاد مشاور
    دكترميرسامان پيشوايي
  • دانشجوي وارد كننده اطلاعات

    محمدحسين ابراهيمي

  • تاريخ ورود اطلاعات
    1404/05/10
  • دانشكده
    صنايع
  • عنوان به انگليسي
    Designing Software Products with a Large Language Models Approach
  • چكيده
    در سال‌هاي اخير، مدل‌هاي زباني بزرگ (LLM) به عنوان يكي از پيشرفته‌ترين ابزارهاي هوش مصنوعي، امكان طراحي و توسعه نسل جديدي از محصولات نرم‌افزاري هوشمند را فراهم كرده‌اند. اين پروژه بر طراحي و پياده‌سازي يك چارچوب نرم‌افزاري مبتني بر مدل‌هاي زباني بزرگ متمركز است كه با هدف توسعه سيستم‌هاي توصيه‌گر هوشمند و شخصي‌سازي‌شده طراحي شده است. چارچوب ارائه‌شده، قادر است داده‌هاي متني و عددي متنوعي را تحليل و پردازش كند و در حوزه‌هاي مختلف كاربردي از جمله تجارت الكترونيك، سلامت، آموزش و خدمات ديجيتال به كار گرفته شود. براي ارزيابي و اعتبارسنجي عملي اين چارچوب، يك نمونه پياده‌سازي اوليه روي داده‌هاي مرتبط با محصولات آرايشي و بهداشتي انجام شده است؛ اين انتخاب صرفاً به عنوان يك سناريوي نمونه و به دليل دسترسي مناسب به داده‌ها صورت گرفته و به معناي محدودشدن كاربرد چارچوب به اين حوزه خاص نيست. در اين نمونه، داده‌هاي محصولي از منابع مختلف گردآوري و ويژگي‌هايي همچون نوع پوست، تركيبات، برند و مشخصات كاربري پردازش شده‌اند تا سيستم بتواند توصيه‌هايي شخصي‌سازي‌شده براي كاربران ارائه دهد. اين فرآيند به عنوان يك آزمون اوليه، امكان سنجش عملكرد مدل و شناسايي نقاط قوت و بهبود را فراهم كرده است. نتايج به‌دست‌آمده از اين تحقيق نشان مي‌دهد كه استفاده از مدل‌هاي زباني بزرگ در طراحي سيستم‌هاي توصيه‌گر مي‌تواند دقت، انعطاف‌پذيري، سرعت پردازش و كيفيت شخصي‌سازي پيشنهادها را به ميزان قابل‌توجهي بهبود بخشد. همچنين بهره‌گيري از اين رويكرد به توسعه‌دهندگان محصولات نرم‌افزاري اجازه مي‌دهد كه بدون نياز به بازطراحي كامل زيرساخت، چارچوب را براي حوزه‌هاي جديد و داده‌هاي متنوع بومي‌سازي و بهينه‌سازي كنند. در آينده، توسعه قابليت‌هايي همچون تحليل داده‌هاي تعاملي كاربران، بهبود معماري مدل‌ها، ارتقاي سيستم‌هاي يادگيري تطبيقي و استفاده از داده‌هاي چندرسانه‌اي مي‌تواند مسيرهاي نويني براي طراحي محصولات نرم‌افزاري پيشرفته مبتني بر هوش مصنوعي باز كند و به شكل‌گيري نسل جديدي از تجربه‌هاي كاربري منجر شود
  • كليدواژه ها
    سيستم توصيه‌گر , مدل‌هاي زباني بزرگ , مديريت محصول هوش مصنوعي