کتاب پیاده‌سازی و استقرار مدل‌های زبانی بزرگ (LLMs) با استفاده از سرویس‌های ابری Azure ML با فرمت AZW3 برای کتابخوان کیندل و فرمت EPUB

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 62,488 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره پیاده‌سازی و استقرار مدل‌های زبانی بزرگ (LLMs) با استفاده از سرویس‌های ابری Azure ML

موضوع کلی: هوش مصنوعی و یادگیری ماشین (Artificial Intelligence & Machine Learning)

موضوع میانی: رایانش ابری و زیرساخت‌های هوشمند (Cloud Computing & Intelligent Infrastructure)

📋 سرفصل‌های دوره (100 موضوع)

  • 1. مبانی و مفاهیم بنیادین مدل‌های زبانی بزرگ
  • 2. آشنایی با محیط کاربری و زیرساخت‌های Azure Machine Learning
  • 3. مدیریت منابع و گروه‌های کاربری در فضای ابری مایکروسافت
  • 4. بررسی معماری مدل‌های پایه و ترنسفورمرها
  • 5. انتخاب و ارزیابی مدل‌های آماده در Azure Model Catalog
  • 6. آماده‌سازی داده‌ها برای تنظیم دقیق مدل‌های زبانی
  • 7. اصول امنیت و حریم خصوصی در پردازش ابری داده‌ها
  • 8. پیکربندی محیط‌های مجازی و خوشه‌های محاسباتی
  • 9. استقرار مدل‌های زبانی در قالب Endpointهای استنتاجی
  • 10. مدیریت منابع پردازشی و بهینه‌سازی هزینه‌های ابری
  • 11. تکنیک‌های مهندسی پرامپت برای بهبود خروجی مدل
  • 12. بررسی روش‌های تنظیم دقیق مدل‌ها با داده‌های اختصاصی
  • 13. استفاده از سرویس‌های Azure AI Studio برای توسعه مدل
  • 14. پیاده‌سازی پایگاه‌های داده برداری برای قابلیت‌های RAG
  • 15. یکپارچه‌سازی مدل‌های زبانی با منابع داده محلی
  • 16. نظارت بر عملکرد مدل‌های مستقر شده با Azure Monitor
  • 17. مدیریت چرخه‌حیات مدل‌های هوش مصنوعی MLOps
  • 18. بررسی شاخص‌های ارزیابی کیفیت پاسخ‌دهی مدل‌ها
  • 19. امنیت در تبادل اطلاعات با مدل‌های ابری و کنترل دسترسی
  • 20. عیب‌یابی و رفع خطاهای رایج در محیط استنتاج
  • 21. توسعه رابط‌های کاربری مبتنی بر API برای مدل‌های زبانی
  • 22. مقیاس‌پذیری خودکار زیرساخت‌های استنتاج در Azure
  • 23. استفاده از ابزارهای نظارتی برای شناسایی سوگیری و خطای مدل
  • 24. کاربرد مدل‌های زبانی در اتوماسیون فرآیندهای سازمانی
  • 25. بهینه‌سازی تأخیر پاسخ‌دهی در مدل‌های مقیاس بزرگ
  • 26. پشتیبانی از زبان فارسی در مدل‌های زبانی پیشرفته
  • 27. مدیریت نسخه‌بندی مدل‌ها و بازگشت به تنظیمات قبلی
  • 28. آشنایی با چارچوب‌های اخلاقی در استفاده از هوش مصنوعی مولد
  • 29. مستندسازی و گزارش‌دهی از عملکرد مدل‌های عملیاتی
تگ‌ها: Azure Machine Learning پردازش زبان طبیعی رایانش ابری زیرساخت ابری مایکروسافت آژور مدل‌های پایه مدل‌های زبانی بزرگ هوش مصنوعی هوش مصنوعی مولد یادگیری ماشین

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.