دوره معماری شبکه‌های مراکز داده جهت آموزش مدل‌های زبانی بزرگ (LLM) بر پایه تجارب مهندسی شبکه Alibaba HPN همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره معماری شبکه‌های مراکز داده جهت آموزش مدل‌های زبانی بزرگ (LLM) بر پایه تجارب مهندسی شبکه Alibaba HPN

موضوع کلی: زیرساخت‌های فناوری اطلاعات و مراکز داده

موضوع میانی: شبکه‌های پیشرفته در مقیاس بزرگ برای پردازش هوش مصنوعی

📋 سرفصل‌های دوره

• 1. مفاهیم پایه در رایانش توزیع‌شده و آموزش مدل‌های زبانی بزرگ
• 2. نقش زیرساخت شبکه در عملکرد خوشه‌های پردازشی هوش مصنوعی
• 3. معماری سلسله‌مراتبی شبکه‌های دیتاسنتر در مقیاس بزرگ
• 4. چالش‌های هم‌زمانی و پهنای باند در شبکه‌های آموزش مدل‌های زبانی
• 5. بررسی پروتکل‌های ارتباطی در محیط‌های پردازشی با کارایی بالا
• 6. آشنایی با توپولوژی‌های شبکه غیرمسدودکننده برای کلاسترهای GPU
• 7. تحلیل نیازهای پهنای باند برای آموزش مدل‌های پارامتریک بالا
• 8. استانداردهای اترنت در مراکز داده هوش مصنوعی
• 9. کاربرد سوئیچ‌های با چگالی بالا در معماری شبکه‌های مدرن
• 10. مفاهیم و مزایای شبکه RDMA در کاهش تاخیر انتقال داده
• 11. پیاده‌سازی RoCE v2 برای ارتباطات سریع بین گره‌های محاسباتی
• 12. مدیریت ازدحام در شبکه‌های آموزش مدل‌های زبانی بزرگ
• 13. استراتژی‌های تخصیص منابع شبکه برای آموزش موازی مدل‌ها
• 14. بررسی نقش کارت‌های شبکه هوشمند در بهینه‌سازی جریان داده
• 15. معماری سوئیچینگ بدون اتلاف در مقیاس مرکز داده
• 16. تکنیک‌های مسیریابی تطبیقی برای توزیع بارهای کاری سنگین
• 17. تحلیل پایداری و تاب‌آوری در شبکه‌های توزیع‌شده هوش مصنوعی
• 18. مانیتورینگ و مشاهده‌پذیری شبکه در مقیاس‌های عظیم
• 19. روش‌های عیب‌یابی و شناسایی گلوگاه‌های شبکه در آموزش LLM
• 20. بهینه‌سازی تنظیمات پروتکل‌های انتقال برای افزایش نرخ بهره‌وری پردازشی
• 21. استانداردهای امنیتی در شبکه‌های مراکز داده مطابق با ضوابط داخلی
• 22. نقش مجازی‌سازی شبکه در مدیریت خوشه‌های محاسباتی
• 23. مقیاس‌پذیری زیرساخت شبکه همگام با توسعه مدل‌های زبانی
• 24. روش‌های تست عملکرد و بنچ‌مارک در شبکه‌های دیتاسنتر
• 25. تحلیل تاخیر در ارتباطات میان‌گره‌ای و تاثیر آن بر زمان آموزش
• 26. استفاده از سیستم‌های مدیریت متمرکز در پیکربندی شبکه‌های بزرگ
• 27. ملاحظات معماری برای پیاده‌سازی زیرساخت‌های ابری مقیاس‌پذیر
• 28. استراتژی‌های پشتیبان‌گیری و تداوم سرویس در دیتاسنترهای هوش مصنوعی
• 29. آینده معماری‌های شبکه برای نسل‌های آتی هوش مصنوعی
• 30. مستندسازی و استانداردهای مهندسی شبکه در مراکز داده کشور