لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش Amazon SageMaker برای برنامههای هوش مصنوعی مولد (Generative AI)
- آخرین آپدیت
دانلود Amazon SageMaker for Generative AI Applications
نکته:
ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره:
آیا به دنبال ارتقای مهارتهای خود به عنوان دانشمند داده یا مهندس یادگیری ماشین هستید؟ این دوره دقیقاً برای شما طراحی شده است. در این دوره با مدرس، Kesha Williams، مهارتهای لازم برای ساخت، سفارشیسازی و استقرار مدلهای پایه (Foundation Models) با استفاده از Amazon SageMaker را بیاموزید. یاد بگیرید چگونه مدلها را از ابتدا پیشآموزش دهید، از تکنیکهای پیشرفته برای شخصیسازی مدلها استفاده کنید و آنها را برای برآورده کردن نیازهای مختلف عملکردی و هزینه، به صورت بهینه مستقر نمایید. این دوره همچنین مباحث ادغام متدهای MLOps، ایجاد یکپارچگی مستمر (CI)، مانیتورینگ و اتوماسیون گردش کارهای یادگیری ماشین را پوشش میدهد. در پایان این دوره، شما آماده خواهید بود تا استنتاج مدلهای زبانی بزرگ (LLM) را بهینه کرده و مدیریت MLOps را به راحتی انجام دهید.
سرفصل ها و درس ها
مقدمه
Introduction
خوشآمدگویی به Amazon SageMaker
Welcome to Amazon SageMaker
1. شروع کار با Amazon SageMaker Studio
1. Getting Started with Amazon SageMaker Studio
راهاندازی محیط SageMaker Studio
Set up your SageMaker Studio environment
آشنایی با Amazon SageMaker Studio
Understanding Amazon SageMaker Studio
2. پیشآموزش مدلهای پایه
2. Pretraining Foundation Models
پیشآموزش یک مدل پایه از صفر
Pretrain a foundation model from scratch
بررسی ابزارها و منابع پیشآموزش
Explore tools and resources for pretraining
راهکار: پیشآموزش یک مدل پایه
Solution: Pretrain a foundation model
درک مفاهیم مدلهای پایه
Understand foundation models
چالش: پیشآموزش یک مدل پایه
Challenge: Pretrain a foundation model
3. سفارشیسازی مدلهای پایه
3. Customizing Foundation Models
سفارشیسازی مدلها برای کاربردهای خاص
Customize models for specific use cases
دسترسی به مدلهای پیشآموزش شده
Access pretrained models
راهکار: سفارشیسازی یک مدل پیشآموزش شده
Solution: Customize a pretrained model
چالش: سفارشیسازی یک مدل پیشآموزش شده
Challenge: Customize a pretrained model
4. استقرار مدلهای پایه
4. Deploying Foundation Models
چالش: استقرار یک مدل پایه
Challenge: Deploy a foundation model
بررسی استراتژیهای استقرار برای مدلهای پایه
Explore deployment strategies for foundation models
بهینهسازی استنتاج LLM با استفاده از GPUهای NVIDIA
Optimize LLM inference using NVIDIA GPUs
کشا ویلیامز یک مدیر مهندسی نرم افزار، مربی، سخنران، وبلاگ نویس فناوری، و مدافع STEM است.
کشا (تلفظ KEY-SHA) ویلیامز یک جایزه است. مهندس نرم افزار برنده با بیش از 20 سال تجربه متخصص در توسعه برنامه های کاربردی وب با استفاده از Java، Spring، Angular، و خدمات وب آمازون (AWS). او هزاران توسعهدهنده نرمافزار را در ایالات متحده، اروپا و آسیا آموزش داده و در حین تدریس جاوا در سطح دانشگاه، آموزش داده است. او کار خود را با آژانس امنیت ملی (NSA) آغاز کرد.
کشا اخیراً برنده جایزه آدا لاولیس در مهندسی کامپیوتر از LookFar و جایزه نوآوری متفاوت بیندیشید از Chick-fil-A برای کارش با فناوریهای نوظهور شد. و هوش مصنوعی (AI). او اخیراً در کمپین آمازون "Alexa Women of Voice" و مجموعه #WePowerTech از A Cloud Guru حضور داشت. او در اوقات فراغت خود، اخبار جاوا را برای InfoQ می نویسد، بخش فناوری جورجیا را رهبری می کند، در کنفرانس های فنی در سراسر جهان سخنرانی می کند، به عنوان مربی با آکادمی علوم نیویورک خدمت می کند، و کارگاه های رایگان «ساعت کد» را برای کودکان برگزار می کند. در کتابخانه محلی او.
نمایش نظرات