بهترین روش ها برای یکپارچه سازی مدل های GitHub
Best Practices for Integrating GitHub Models
با راه‌اندازی مدل‌های GitHub، GitHub به بیش از 100 میلیون توسعه‌دهنده این امکان را می‌دهد تا مهندس هوش مصنوعی شوند و با مدل‌های هوش مصنوعی پیشرو در صنعت بسازند. این دوره با مربی آلفردو دزا بهترین شیوه ها را برای استفاده از این ادغام جدید ارائه می دهد.
رویکردهای قوی برای کار با سرویس جدید هوش مصنوعی GitHub را بیاموزید. آلفردو استراتژی های کلیدی را برای ادغام مدل های یادگیری ماشینی به طور کارآمد در پروژه های شما پوشش می دهد. هدف این دوره توسعه‌دهندگانی است که به دنبال بهبود گردش کار مدل‌های GitHub و ارتقای پروژه‌های مبتنی بر هوش مصنوعی هستند، با موضوعاتی از جمله ناوبری در بازار، پیاده‌سازی مسئول هوش مصنوعی، مدیریت منابع و توسعه برنامه‌ها.
توجه: این دوره توسط آزمایشگاه های هوش مصنوعی عملی ایجاد شده است. ما خوشحالیم که میزبان این آموزش در کتابخانه خود هستیم.
مقدمه Introduction
-
با مربی خود آشنا شوید Meet your instructor
-
در مورد این دوره About this course
1. مبانی مدل های GitHub 1. Fundamentals of GitHub Models
-
استفاده از تکنیک های زمین بازی در مدل های GitHub Applying playground techniques to GitHub models
-
مقدمه Introduction
-
خلاصه Summary
-
درک مدل های هوش مصنوعی و چالش های فعلی Understanding AI Models and current challenges
-
پیمایش موثر در بازار مدل های GitHub Navigating the GitHub models marketplace effectively
-
ویژگی های کلیدی هوش مصنوعی مسئول Key features of responsible AI
2. پیاده سازی استراتژیک مدل های GitHub 2. Strategic Implementation of GitHub Models
-
GitHub Codespace چیست؟ What is GitHub Codespaces?
-
مقیاس پذیری فراتر از لایه آزاد Scaling beyond the free tier
-
خلاصه Summary
-
مدیریت منابع Codespace Management of Codespaces resources
-
مقدمه Introduction
-
مدیریت موثر محدودیت های نرخ Effective management of rate limits
3. بهترین روش ها هنگام ساختن یک برنامه کاربردی با مدل های GitHub 3. Best Practices When Building an Application with GitHub Models
-
ایجاد یک نشانه دسترسی شخصی Creating a personal access token
-
مقدمه Introduction
-
خلاصه Summary
-
استراتژی های آزمایش و اعتبار سنجی Strategies for testing and validation
-
ایجاد یک API HTTP Creating an HTTP API
-
راه اندازی محیط توسعه Setting up the development environment
https://donyad.com/d/4e49a0
Noah Gift
کارشناس MLOps | انفرادی | نویسنده | استادیار | CTO
نوح به طور گسترده با AWS کار می کند و یک قهرمان یادگیری ماشین AWS است. او دارای چندین گواهینامه صنعتی برای AWS است. نوح آموزش و طراحی دوره های آموزشی ماشین فارغ التحصیل، MLOps، A.I.، علم داده و مشاوره در زمینه یادگیری ماشین و معماری ابری را انجام می دهد. مسئولیت های او شامل رهبری ابتکار صدور گواهینامه چند ابری برای دانش آموزان است. نوح نقش های مختلفی را به صورت حرفه ای ایفا کرده است، از جمله CTO، مدیر کل، مشاور مدیر ارشد فناوری، مشاور ارشد دانشمند داده و معمار ابر. او همچنین دارای چندین تیتراژ فیلم در فیلم‌های اصلی برای کارهای فنی از جمله آواتار، مرد عنکبوتی 3 و بازگشت سوپرمن است.
Pragmatic AI Labs
آزمایشگاه‌های هوش مصنوعی عملگرا یک آموزش‌دهنده فناوری است.
آزمایشگاه‌های هوش مصنوعی عملی همه را، صرف‌نظر از ابزار یا پیش‌زمینه، به دانشی برای تغییر خود و ارتقای جوامع خود مجهز می‌کند. آزمایشگاه‌های هوش مصنوعی عملگرا تلاش می‌کنند تا آموزش را دموکراتیک کرده و زندگی را از طریق فناوری خلاقانه و اخلاقی تقویت کنند. با مدرسان برجسته از دانشگاه‌های برتر با تجربه صنعت در دنیای واقعی، برنامه‌های آن بر ارائه مهارت‌های در دسترس و پیشرفته تمرکز دارد که منجر به تحقق مشاغل و در عین حال اجتناب از آسیب و بهبود رفاه انسان می‌شود.
نمایش نظرات