کتاب طراحی و پیاده‌سازی راهکارهای هوش مصنوعی مولد با استفاده از پلتفرم‌های ابری مایکروسافت آژور و گیت‌هاب با فرمت AZW3 برای کتابخوان کیندل و فرمت EPUB

249,950 تومان
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 طراحی و پیاده‌سازی راهکارهای هوش مصنوعی مولد با استفاده از پلتفرم‌های ابری مایکروسافت آژور و گیت‌هاب

موضوع کلی: علوم رایانه و فناوری اطلاعات

موضوع میانی: هوش مصنوعی و رایانش ابری

📋 سرفصل‌های دوره (100 موضوع)

  • 1. مبانی و مفاهیم هوش مصنوعی مولد و مدل‌های زبانی بزرگ
  • 2. معماری سیستم‌های هوش مصنوعی در محیط رایانش ابری
  • 3. آشنایی با سرویس‌های هوش مصنوعی مایکروسافت آژور
  • 4. مدیریت چرخه‌ی حیات نرم‌افزار با گیت‌هاب برای پروژه‌های هوش مصنوعی
  • 5. تنظیم و پیکربندی محیط توسعه ابری در آژور
  • 6. مبانی مدل‌های زبانی بزرگ و کاربردهای آن‌ها
  • 7. آشنایی با سرویس Azure OpenAI و مدل‌های خانواده GPT
  • 8. مهندسی دستور (Prompt Engineering) برای بهینه‌سازی پاسخ‌ها
  • 9. کار با APIهای مدل‌های زبانی در محیط برنامه‌نویسی
  • 10. تکنیک‌های بازیابی اطلاعات تقویت‌شده (RAG) در هوش مصنوعی
  • 11. استفاده از پایگاه داده‌های برداری برای جستجوی معنایی
  • 12. یکپارچه‌سازی داده‌های ساختاریافته و غیرساختاریافته با مدل‌های هوش مصنوعی
  • 13. پیاده‌سازی حافظه کوتاه‌مدت و بلندمدت برای چت‌بات‌ها
  • 14. امنیت و حریم خصوصی در راهکارهای هوش مصنوعی ابری
  • 15. مدیریت هویت و دسترسی‌ها با Microsoft Entra ID
  • 16. استفاده از GitHub Actions برای استقرار خودکار مدل‌ها
  • 17. مانیتورینگ و نظارت بر عملکرد مدل‌ها با Azure Monitor
  • 18. ارزیابی کیفیت و دقت پاسخ‌های مدل‌های زبانی
  • 19. بهینه‌سازی هزینه‌ها در پروژه‌های هوش مصنوعی ابری
  • 20. آشنایی با ابزارهای توسعه‌دهنده در گیت‌هاب کوپایلت
  • 21. ایجاد رابط کاربری برای برنامه‌های مبتنی بر هوش مصنوعی
  • 22. استقرار مدل‌ها به عنوان سرویس‌های ابری مقیاس‌پذیر
  • 23. استفاده از Azure AI Search برای جستجوی هوشمند
  • 24. مدیریت محدودیت‌های نرخ (Rate Limiting) در فراخوانی APIها
  • 25. تکنیک‌های کاهش توهم (Hallucination) در مدل‌های زبانی
  • 26. استفاده از ابزارهای تحلیل داده برای بهبود مدل‌های سفارشی
  • 27. پیاده‌سازی سیستم‌های پاسخگویی به سوالات مبتنی بر مستندات سازمانی
  • 28. آشنایی با مفاهیم هوش مصنوعی مسئولانه و اخلاقی در چارچوب قوانین کشور
  • 29. کاربرد هوش مصنوعی در اتوماسیون فرآیندهای کسب‌وکار
  • 30. طراحی معماری سیستم‌های توزیع‌شده با استفاده از توابع ابری
  • 31. یکپارچه‌سازی مدل‌های هوش مصنوعی با سیستم‌های مدیریت محتوا
  • 32. تست و اعتبارسنجی خودکار مدل‌های هوش مصنوعی
  • 33. مدیریت نسخه‌بندی مدل‌ها در مخازن گیت‌هاب
  • 34. استفاده از محیط‌های کانتینری برای اجرای مدل‌های هوش مصنوعی
  • 35. توسعه برنامه‌های کاربردی با استفاده از چارچوب‌های متن‌باز و سرویس‌های ابری
  • 36. بهینه‌سازی عملکرد مدل‌ها با استفاده از حافظه کش ابری
  • 37. ایجاد سیستم‌های گزارش‌گیری خودکار از خروجی‌های هوش مصنوعی
  • 38. کار با سرویس‌های شناختی آژور برای پردازش تصویر و صوت
  • 39. استقرار مدل‌های هوش مصنوعی در محیط‌های سازمانی با رعایت الزامات امنیتی
  • 40. پروژه نهایی: طراحی و پیاده‌سازی یک راهکار جامع هوش مصنوعی مولد
تگ‌ها: آموزش Generative AI پیاده‌سازی مدل‌های زبانی توسعه راهکارهای ابری گیت‌هاب و هوش مصنوعی مایکروسافت آژور مدل‌های زبانی بزرگ مهندسی هوش مصنوعی هوش مصنوعی در رایانش ابری هوش مصنوعی مولد یادگیری ماشین در آژور

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.