فلش‌کارت‌های آموزشی کتاب جامع برنامه‌نویسی GPU در AWS SageMaker: ساخت و بهینه‌سازی عوامل هوش مصنوعی با RAG

دوره جامع برنامه‌نویسی GPU در AWS SageMaker: ساخت و بهینه‌سازی عوامل هوش مصنوعی با RAG 🚀 دوره جامع برنامه‌نویسی GPU در AWS SageMaker: ساخت و بهینه‌سازی عوامل هوش مصنوعی با RAG آیا مشتاق هستید تا در دن...

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 99,988 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 جامع برنامه‌نویسی GPU در AWS SageMaker: ساخت و بهینه‌سازی عوامل هوش مصنوعی با RAG

موضوع کلی: محاسبات شتاب‌یافته برای هوش مصنوعی

موضوع میانی: برنامه‌نویسی GPU برای توسعه گردش‌کار هوش مصنوعی

📋 سرفصل‌های دوره

  • 1. مبانی هوش مصنوعی و یادگیری عمیق
  • 2. آشنایی با پردازنده‌های گرافیکی (GPU)
  • 3. چرا GPU برای هوش مصنوعی؟
  • 4. معماری GPU و هسته‌های CUDA
  • 5. کاربرد GPU در یادگیری عمیق
  • 6. مفاهیم اولیه یادگیری ماشین
  • 7. نصب و راه‌اندازی محیط توسعه
  • 8. مقدمه‌ای بر AWS SageMaker
  • 9. پلتفرم AWS SageMaker
  • 10. اجزای اصلی SageMaker
  • 11. مفهوم SageMaker Studio
  • 12. ایجاد و پیکربندی یک محیط SageMaker Studio
  • 13. نصب درایورهای GPU در SageMaker
  • 14. نصب کتابخانه‌های مرتبط با GPU
  • 15. انتخاب نمونه‌های SageMaker با GPU
  • 16. آشنایی با ابزارهای خط فرمان AWS (CLI)
  • 17. نصب و پیکربندی AWS CLI
  • 18. مدیریت منابع AWS با CLI
  • 19. مقدمه‌ای بر برنامه‌نویسی موازی
  • 20. مفهوم موازی‌سازی
  • 21. انواع موازی‌سازی
  • 22. کاربرد موازی‌سازی در محاسبات علمی
  • 23. برنامه‌نویسی GPU با CUDA
  • 24. معماری CUDA
  • 25. کرنل‌های CUDA
  • 26. مدیریت حافظه در CUDA
  • 27. همگام‌سازی نخ‌ها (Threads) در CUDA
  • 28. اشتباهات رایج در برنامه‌نویسی CUDA
  • 29. بهینه‌سازی برنامه‌های CUDA
  • 30. مقدمه‌ای بر TensorFlow و PyTorch
  • 31. فریم‌ورک‌های یادگیری عمیق
  • 32. نصب TensorFlow با پشتیبانی GPU
  • 33. نصب PyTorch با پشتیبانی GPU
  • 34. ساختار مدل‌های یادگیری عمیق
  • 35. لایه‌های عصبی
  • 36. توابع فعال‌سازی
  • 37. بهینه‌سازها
  • 38. توابع زیان (Loss Functions)
  • 39. آموزش مدل با GPU در TensorFlow
  • 40. آموزش مدل با GPU در PyTorch
  • 41. مدیریت داده‌ها برای آموزش GPU
  • 42. بارگذاری داده‌ها با استفاده از DataLoader
  • 43. پیش‌پردازش داده‌ها برای GPU
  • 44. تقسیم داده‌ها به بچ (Batch)
  • 45. مفهوم Batch Size و تأثیر آن بر آموزش
  • 46. آموزش توزیع‌شده (Distributed Training)
  • 47. چرا آموزش توزیع‌شده؟
  • 48. استراتژی‌های آموزش توزیع‌شده
  • 49. آموزش توزیع‌شده با SageMaker
  • 50. استفاده از SageMaker Distributed Data Parallelism
  • 51. استفاده از SageMaker Distributed Model Parallelism
  • 52. مانیتورینگ و دیباگ کردن آموزش GPU
  • 53. ابزارهای مانیتورینگ SageMaker
  • 54. تشخیص و رفع خطاهای GPU
  • 55. تجزیه و تحلیل عملکرد GPU
  • 56. استفاده از NVIDIA Nsight
  • 57. تکنیک‌های بهینه‌سازی مدل‌های هوش مصنوعی
  • 58. کاهش اندازه مدل (Model Compression)
  • 59. قانون‌گذاری (Quantization)
  • 60. هرس کردن (Pruning)
  • 61. تقطیر دانش (Knowledge Distillation)
  • 62. بهینه‌سازی برای استنتاج (Inference Optimization)
  • 63. استفاده از TensorRT
  • 64. استفاده از ONNX Runtime
  • 65. پیاده‌سازی عامل‌های هوش مصنوعی (AI Agents)
  • 66. مفهوم عامل‌های هوش مصنوعی
  • 67. انواع عامل‌های هوش مصنوعی
  • 68. طراحی معماری عامل‌های هوش مصنوعی
  • 69. مقدمه‌ای بر بازیابی اطلاعات (Information Retrieval)
  • 70. اصول بازیابی اطلاعات
  • 71. روش‌های بازیابی اطلاعات
  • 72. مقدمه‌ای بر مدل‌های زبانی بزرگ (LLMs)
  • 73. معماری ترانسفورمر
  • 74. کاربرد LLMs در درک زبان طبیعی
  • 75. تولید متن با LLMs
  • 76. مفهوم بازیابی اطلاعات تولیدی (Retrieval Augmented Generation - RAG)
  • 77. چرا RAG؟
  • 78. معماری RAG
  • 79. اجزای سیستم RAG
  • 80. کتابخانه‌های مفید برای RAG
  • 81. پیاده‌سازی RAG در SageMaker
  • 82. استفاده از SageMaker Endpoints برای RAG
  • 83. ذخیره‌سازی و بازیابی داده‌ها برای RAG
  • 84. موتورهای جستجو و پایگاه داده‌های برداری
  • 85. استفاده از Amazon OpenSearch Service
  • 86. استفاده از Amazon Aurora PostgreSQL با pgvector
  • 87. ایجاد Embeddings برای داده‌ها
  • 88. انتخاب مدل Embedding مناسب
  • 89. آموزش مدل Embedding سفارشی
  • 90. بازیابی اسناد مرتبط با کوئری
  • 91. ارزیابی کیفیت بازیابی
  • 92. تولید پاسخ توسط LLM با استفاده از اسناد بازیابی شده
  • 93. تنظیم دقیق (Fine-tuning) LLM برای وظایف خاص
  • 94. آموزش LLM بر روی داده‌های سفارشی
  • 95. استفاده از SageMaker JumpStart برای LLMs
  • 96. بهینه‌سازی سیستم RAG
  • 97. اندازه‌گیری معیارهای عملکرد RAG
  • 98. تشخیص نقاط ضعف در سیستم RAG
  • 99. بهبود کیفیت Embedding
  • 100. بهبود استراتژی بازیابی
SMART LEARNING PLATFORM
از مطالعه تا یادگیری ماندگار
فراتر از یک مجموعه فلش‌کارت؛ تجربه‌ای تعاملی برای یادگیری، تمرین، مرور هوشمند و مشاهده مسیر پیشرفت شما، همراه با امکان دریافت گواهی پایان دوره در دوره‌های واجد شرایط.
مرور فاصله‌دار آمار یادگیری گواهی دوزبانه
یادگیری را به یک مسیر قابل پیگیری تبدیل کنید
با ورود به سامانه آموزشی، محتوای دوره را به‌صورت مرحله‌ای دنبال کنید، فلش‌کارت‌ها را مرور کنید، دانش خود را با پرسش‌ها و آزمون‌ها بسنجید و روند پیشرفتتان را در طول مسیر ببینید.
⟳
مرور فاصله‌دار هوشمند
با مرور زمان‌دار، کارت‌های تازه و کارت‌های سررسیدشده را بر اساس برنامه مرور دنبال کنید. ارزیابی پاسخ‌ها به زمان‌بندی مرورهای بعدی کمک می‌کند تا تمرین متناسب‌تری داشته باشید.
◉
مشاهده مسیر پیشرفت
میزان مشاهده فلش‌کارت‌ها، فعالیت‌های مرور، عملکرد آزمون‌ها و آمار یادگیری را بررسی کنید و تصویر روشن‌تری از مسیر آموزشی خود داشته باشید.
▤
یادگیری مرحله‌به‌مرحله
فصل‌ها و بخش‌های آموزشی را به ترتیب دنبال کنید، مطالب دیده‌نشده را پیدا کنید و بدون سردرگمی به ادامه مسیر برگردید.
✓
تمرین و سنجش آموخته‌ها
با نکته‌های آموزشی، پرسش و پاسخ، کوییزها و آزمون‌های پایان فصل، دانسته‌های خود را تمرین کنید و بخش‌هایی را که به توجه بیشتری نیاز دارند بشناسید.
SMART REVIEW
هر بار، مرور هدفمندتر
لازم نیست هر روز از ابتدا درباره اینکه چه چیزی را مرور کنید تصمیم بگیرید. سامانه، صف مرور روزانه را بر اساس کارت‌های تازه و موعد مرور کارت‌ها آماده می‌کند. شما پاسخ را ارزیابی می‌کنید و برنامه مرور با توجه به آن تنظیم می‌شود.
دوباره
برای کارت‌هایی که به تمرین زودتر نیاز دارند.
سخت
برای پاسخ‌هایی که با دشواری به یاد آمده‌اند.
خوب
برای پاسخ‌هایی که به‌درستی به یاد آورده‌اید.
آسان
برای کارت‌هایی که پاسخ آن‌ها را به‌آسانی می‌دانید.
برنامه مرور بر اساس ارزیابی شما تنظیم می‌شود؛ مرور منظم می‌تواند به تثبیت آموخته‌ها کمک کند، اما به‌تنهایی تضمین‌کننده تسلط کامل نیست.
محتوا را به شیوه‌های مختلف تمرین کنید
ساختار دوره‌ها متناسب با موضوع آموزشی طراحی شده است و ممکن است انواع مختلفی از محتوا را در بر بگیرد.
نکته‌های ساده
برای مرور سریع مفاهیم اصلی و نکات کلیدی.
نکته‌های رسمی
برای تمرین تعاریف، اصطلاحات و بیان دقیق علمی.
کوییز
برای سنجش درک مطلب و بررسی گزینه صحیح.
پرسش و پاسخ
برای تمرین یادآوری و سنجش میزان تسلط بر مطالب.
محتوای هر دوره بر اساس ساختار و امکانات فعال همان دوره ارائه می‌شود.
LEARN ANYWHERE
همراه شما روی مرورگر
برای استفاده از نسخه تحت وب، کافی است با حساب کاربری خود وارد سامانه شوید. بدون نیاز به نصب یک برنامه اختصاصی، می‌توانید از مرورگر سازگار روی گوشی، تبلت یا رایانه به دوره‌های در دسترس خود مراجعه کنید.
گوشی هوشمند
برای مطالعه در زمان‌های کوتاه
تبلت و لپ‌تاپ
برای مطالعه و مرور راحت‌تر
حساب کاربری شخصی
برای دسترسی به دوره‌های مجاز شما
COURSE COMPLETION CERTIFICATE
گواهی پایان دوره؛ ثبت دستاورد شما
در دوره‌هایی که امکان دریافت گواهی برای آن‌ها فعال است، می‌توانید پس از تکمیل شرایط آموزشی، درخواست گواهی پایان دوره ثبت کنید.
شرایط درخواست گواهی
✓ داشتن دسترسی دارای قابلیت گواهی برای دوره مربوطه.
✓ تکمیل اطلاعات لازم در پروفایل، شامل کد ملی معتبر، عکس پرسنلی و نام و نام خانوادگی انگلیسی.
✓ مشاهده تمام فلش‌کارت‌های فعال دوره.
✓ قبولی در آزمون‌های پایان فصل، در صورت وجود آزمون برای فصل‌ها.
فارسی و انگلیسی
پس از تأیید و انتشار، نسخه‌های فارسی و انگلیسی گواهی در دسترس قرار می‌گیرند.
استعلام آنلاین
گواهی منتشرشده دارای QR Code و لینک اختصاصی برای بررسی آنلاین اعتبار آن است.
دانلود و چاپ
پس از انتشار گواهی، امکان دریافت نسخه PDF فارسی و انگلیسی و چاپ آن فراهم است.
توجه: ثبت درخواست به معنای صدور قطعی نیست. درخواست گواهی پس از بررسی و تأیید ادمین منتشر می‌شود. این گواهی، گواهی پایان دوره آموزشی است و به‌خودی‌خود معادل مدرک دانشگاهی یا مدرک رسمی مورد تأیید نهادهای دولتی نیست.
یادگیری را شروع کنید؛ پیشرفت را دنبال کنید
با تمرین منظم، مرور هدفمند و پیگیری مسیر آموزشی خود، قدم‌به‌قدم دانش و مهارت‌هایتان را گسترش دهید.
هر کارت، یک قدم به جلو
امکانات محتوایی، مرور و گواهی بر اساس سطح دسترسی و تنظیمات هر دوره متفاوت است.
نگاهی به محیط سامانه

یادگیری هوشمند، قدم‌به‌قدم

با محیط سامانه آموزشی آشنا شوید و نمونه‌هایی از فضای یادگیری، فلش‌کارت‌ها و ابزارهای مرور و تمرین را مشاهده کنید.

تصویر نمونه اول از سامانه آموزشی و فلش‌کارت‌ها
محیط سامانه آموزشی
برای مشاهده تصویر در اندازه بزرگ‌تر کلیک کنید
تصویر نمونه دوم از سامانه آموزشی و فلش‌کارت‌ها
یادگیری و مرور مطالب
برای مشاهده تصویر در اندازه بزرگ‌تر کلیک کنید
تصویر نمونه سوم از سامانه آموزشی و فلش‌کارت‌ها
تجربه مطالعه تعاملی
برای مشاهده تصویر در اندازه بزرگ‌تر کلیک کنید
تصویر نمونه چهارم از سامانه آموزشی و فلش‌کارت‌ها
امکانات بیشتر سامانه
برای مشاهده تصویر در اندازه بزرگ‌تر کلیک کنید

یادگیری فراتر از مطالعه معمولی
با فلش‌کارت‌های آموزشی، مرور هدفمند و تمرین مستمر، مطالب را فعالانه یاد بگیرید و مسیر پیشرفت خود را دنبال کنید.

تگ‌ها: Accelerated Computing AWS SageMaker Cloud AI Development Deep Learning GPU Programming for AI LLM RAG RAG برنامه نویسی GPU بهینه سازی هوش مصنوعی توسعه هوش مصنوعی عوامل هوش مصنوعی گردش کار هوش مصنوعی محاسبات شتاب یافته AI هوش مصنوعی

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.