معرفی دوره

دوره «هوش مصنوعی مولد مسئولانه و مدل‌های زبان بزرگ محلی» ساخت شرکت LinkedIn برای نسخهٔ تابستان ۲۰۲۴ طراحی شده است و به‌طور جامع به مباحث پیشرفتهٔ Generative AI و پیاده‌سازی آن به‌صورت محلی می‌پردازد. هدف این دوره آشنایی دانشجویان و مهندسان داده با تکنیک‌های جدید ساخت، تنظیم و راه‌اندازی مدل‌های بزرگ زبانی در زیرساخت‌های داخلی سازمان‌هاست.

در این دوره یاد می‌گیرید چگونه از آخرین نسخه‌های مدل‌های مبتنی بر ترنسفورمر، از جمله مدل‌های شتاب‌دهی‌شده و بهینه‌شده برای کارهای تولید محتوا، تحلیل احساسات و پاسخگویی هوشمندانه، استفاده کنید. همچنین به ملاحظات اخلاقی، امنیتی و حفظ حریم خصوصی در توسعه سیستم‌های مولد توجه ویژه خواهد شد.

اهداف یادگیری

• درک مبانی Generative AI و تفاوت آن با یادگیری نظارت‌شده و بدون نظارت.
• آشنایی با ساختار معماری‌های ترنسفورمر و شیوه‌های بهینه‌سازی آن‌ها.
• نحوه دانلود، نصب و اجرا کردن مدل‌های زبان بزرگ به‌صورت محلی روی سخت‌افزارهای معمولی و GPU.
• تکنیک‌های تنظیم دقیق (fine-tuning) و پیش‌آموزش مجدد (retraining).
• به‌کارگیری APIهای داخلی و خارجی برای یکپارچگی مدل‌های مولد در اپلیکیشن‌های سازمانی.
• ملاحظات اخلاقی: جلوگیری از تولید محتوای مغرضانه، بررسی سوگیری داده‌ها و حفظ حریم خصوصی کاربران.

سرفصل‌های دوره

• فصل ۱: مبانی و تاریخچهٔ هوش مصنوعی مولد
• فصل ۲: معماری‌های ترنسفورمر و ساختار Attention
• فصل ۳: نصب و راه‌اندازی محیط‌های محلی و مدیریت منابع سخت‌افزاری
• فصل ۴: دانلود و بهینه‌سازی مدل‌های آماده—از GPT تا LLaMA و Bloom
• فصل ۵: تکنیک‌های fine-tuning و prompt engineering
• فصل ۶: پیاده‌سازی و استقرار مدل روی سرورهای محلی، Docker و Kubernetes
• فصل ۷: ارزیابی عملکرد و معیارهای کیفیت خروجی مدل
• فصل ۸: چالش‌های اخلاقی و مقررات حقوقی در توسعه AI مولد
• فصل ۹: پروژه پایانی: ساخت یک دستیار محاوره‌ای داخل سازمان

پیش‌نیازها

برای موفقیت در این دوره بهتر است شرکت‌کنندگان دارای پیش‌زمینهٔ زیر باشند:

• آشنایی مقدماتی با زبان پایتون و کتابخانه‌های NumPy و PyTorch یا TensorFlow.
• درک مفاهیم پایهٔ یادگیری ماشینی و پردازش زبان طبیعی (NLP).
• داشتن حداقل یک محیط توسعه محلی یا دسترسی به سرور با GPU برای تمرین‌های عملی.
• آشنایی پایه با مفاهیم DevOps، Docker و مدیریت کانتینرها (اختیاری ولی مفید).

مزایا و اهمیت دوره

انتخاب این دوره برای علاقه‌مندان و متخصصان فناورانه فرصتی است تا:

• مهارت‌های کاربردی در یکی از داغ‌ترین حوزه‌های تکنولوژی را به دست آورید.
• توانایی اجرای مدل‌های بزرگ AI را به‌صورت on-premise بدون وابستگی به سرویس‌های ابری کسب کنید.
• از نقطه‌نظر امنیت و حریم خصوصی، کنترل کامل روی داده‌ها و خروجی‌های مدل داشته باشید.
• در بازار کار به‌عنوان یک متخصص هوش مصنوعی مولد با رویکرد مسئولانه شناخته شوید.
• با نمونه‌های واقعی و پروژه‌های عملی، تجربهٔ پیاده‌سازی سریع و چابک را تجربه کنید.

مثال‌های عملی

در بخش عملی دوره، با چند سناریوی کاربردی مواجه خواهید شد:

• ساخت مدل چت‌بات داخلی برای پاسخ‌دهی به سوالات متداول کاربران یک وب‌سایت شرکتی.
• کار روی داده‌های پیوستهٔ شرکتی برای ایجاد گزارش‌های خودکار مالی و مدیریتی.
• تبدیل متون ورودی فارسی به خلاصه‌های هوشمند با تنظیم دقیق روی یک مجموعه دادهٔ سفارشی.
• استفاده از LoRA (Low-Rank Adaptation) برای کاهش حجم محاسباتی و ذخیره‌سازی مدل.

این مثال‌ها به شما کمک می‌کند تا جریان کاری کامل—from scratch تا deployment—را تجربه کنید و در محیط سازمانی پیاده‌سازی کنید.

نکات کلیدی و جمع‌بندی

در پایان دوره، مسلط خواهید شد بر:

• دانلود و اجرای خودکار نسخه‌های مختلف مدل‌های زبان بزرگ.
• بهینه‌سازی و تنظیم دقیق برای کاربردهای خاص و زبان فارسی.
• ارزیابی کمی و کیفی خروجی مدل با استفاده از معیارهایی نظیر perplexity و BLEU.
• پیاده‌سازی چارچوب‌های اخلاقی برای جلوگیری از تولید محتوای مغرضانه یا نادرست.

دانلود رایگان این دوره از LinkedIn Learning فرصتی منحصربه‌فرد برای ارتقای مهارت‌های AI شماست. با شرکت در این دوره، خود را برای چالش‌های بزرگ آینده در حوزهٔ Responsible AI و مدل‌های محلی آماده کنید.