کتاب صوتی راهنمای عملی پیاده‌سازی هوش مصنوعی مولد با استفاده از مدل‌های سبک NVIDIA بر روی لبه شبکه

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره راهنمای عملی پیاده‌سازی هوش مصنوعی مولد با استفاده از مدل‌های سبک NVIDIA بر روی لبه شبکه

موضوع کلی: هوش مصنوعی و پردازش لبه (Edge AI)

موضوع میانی: توسعه مدل‌های زبانی کوچک و کاربردی بر روی سخت‌افزارهای محلی

📋 سرفصل‌های دوره

• 1. مبانی هوش مصنوعی مولد و معماری‌های لبه شبکه
• 2. آشنایی با مدل‌های زبانی کوچک و اهمیت آن‌ها در پردازش محلی
• 3. بررسی سخت‌افزارهای هدف برای اجرای مدل‌های هوش مصنوعی
• 4. معرفی اکوسیستم NVIDIA برای پردازش لبه و شتاب‌دهنده‌ها
• 5. نصب و راه‌اندازی محیط توسعه برای مدل‌های زبانی سبک
• 6. آشنایی با ساختار و قابلیت‌های مدل Llama Nemotron Nano 4B
• 7. مفاهیم پایه در توکنایزیشن و پردازش متن در مدل‌های کوچک
• 8. روش‌های بهینه‌سازی مدل برای اجرا روی سخت‌افزارهای محدود
• 9. آشنایی با چارچوب‌های استنتاج سریع در لبه شبکه
• 10. مبانی طراحی عامل‌های هوشمند با تکیه بر مدل‌های زبانی
• 11. تکنیک‌های کوانتایزیشن برای کاهش حجم مدل بدون افت کیفیت
• 12. پیاده‌سازی رابط برنامه‌نویسی برای فراخوانی مدل‌های محلی
• 13. مدیریت حافظه و منابع سیستم در اجرای مدل‌های مولد
• 14. طراحی ساختار پاسخ‌دهی هوشمند در عامل‌های لبه
• 15. روش‌های مهندسی دستور (Prompt Engineering) برای مدل‌های سبک
• 16. پیاده‌سازی سیستم‌های پاسخ به پرسش مبتنی بر دانش محلی
• 17. تلفیق داده‌های محیطی با خروجی مدل‌های هوش مصنوعی
• 18. بهینه‌سازی تأخیر در پاسخ‌دهی مدل‌های لبه
• 19. بررسی روش‌های کاهش مصرف انرژی در پردازش‌های محلی
• 20. امنیت و حریم خصوصی داده‌ها در پردازش‌های لبه‌شبکه
• 21. ذخیره‌سازی محلی دانش و بردارهای معنایی برای عامل‌ها
• 22. پیاده‌سازی معماری‌های چندعامله برای وظایف تخصصی
• 23. ارتباط میان عامل‌های هوشمند در شبکه‌های محلی
• 24. عیب‌یابی و تحلیل عملکرد مدل‌های مستقر شده
• 25. روش‌های ارزیابی دقت مدل در محیط‌های عملیاتی
• 26. توسعه رابط کاربری ساده برای تعامل با عامل هوشمند لبه
• 27. به‌روزرسانی و مدیریت نسخه‌های مدل در سخت‌افزارهای دوردست
• 28. بررسی موارد استفاده در صنعت و اینترنت اشیاء
• 29. پیاده‌سازی سناریوهای کاربردی در اتوماسیون محلی
• 30. نکات کلیدی در استقرار پایدار مدل‌های هوش مصنوعی
• 31. استفاده از شتاب‌دهنده‌های سخت‌افزاری برای پردازش تصویر و متن
• 32. مدیریت خطا در سیستم‌های هوشمند غیرمتمرکز
• 33. مستندسازی و نگهداری پروژه‌های هوش مصنوعی لبه
• 34. آینده‌نگری در توسعه مدل‌های کوچک و بهینه
• 35. جمع‌بندی و مسیرهای پیشرفت در هوش مصنوعی لبه شبکه