آموزش بهبود اتوماسیون شبکه با هوش مصنوعی مولد

Enhancing Network Automation with Generative AI

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
توضیحات دوره: این دوره با گره زدن خروجی مدل های زبان بزرگ (LLM) به یک گردش کار پیچیده اتوماسیون شبکه، هیاهوی امروزی پیرامون هوش مصنوعی مولد را کاهش می دهد. در این دوره آموزشی، تقویت اتوماسیون شبکه با هوش مصنوعی مولد، یاد می گیرید که از مدل هوش مصنوعی مولد خود درخواست های هوشمندانه داشته باشید، سپس پاسخ های دقیق و دقیق دریافت کنید. ابتدا، خواهید فهمید که چگونه از هوش مصنوعی مولد بخواهید که تنظیمات دستگاه شبکه را در بین فروشندگان تبدیل کند. در مرحله بعد، با ترکیب ابزارهای آفلاین مانند pytest و batfish برای تشخیص اشتباهات آشکاری که قبل از استقرار توسط هوش مصنوعی مولد مرتکب شده اند، قدرت اعتبارسنجی پس از هوش مصنوعی/پیش از استقرار را کشف خواهید کرد. در نهایت، شما یاد خواهید گرفت که چگونه توپولوژی های شبکه را به صورت برنامه نویسی اجرا کنید و متعاقباً آنها را با استفاده از ترکیبی خلاقانه از Python، GNS3، scrapli، textFSM و asyncio آزمایش کنید. وقتی این دوره را به پایان رساندید، مهارت ها و دانش هوش مصنوعی مولد مبتنی بر اتوماسیون را خواهید داشت که برای حل مشکلات تجاری خاص مربوط به پیکربندی شبکه، عیب یابی، استقرار و اعتبار سنجی لازم است.

سرفصل ها و درس ها

بررسی اجمالی دوره Course Overview

  • بررسی اجمالی دوره Course Overview

استفاده از GPT برای تبدیل تنظیمات شبکه Using GPT to Convert Network Configurations

  • مقدمه دوره، پیش نیازها و توپولوژی Course Introduction, Prerequisites, and Topology

  • بررسی اصول و اصطلاحات هوش مصنوعی Reviewing AI Fundamentals and Terminology

  • نسخه ی نمایشی: مرجع API OpenAI و اسکریپت اولیه Demo: OpenAI API Reference and Basic Scripting

  • نسخه ی نمایشی: روش شماره 1 با استفاده از درخواست صفر شات Demo: Method #1 Using Zero-shot Prompting

  • نسخه ی نمایشی: روش شماره 2 با استفاده از درخواست چند شات Demo: Method #2 Using Few-shot Prompting

  • نسخه ی نمایشی: روش شماره 3 با استفاده از فراپارامترها Demo: Method #3 Using Hyperparameters

  • بررسی ماژول Module Review

بهینه سازی هوش مصنوعی با تنظیم دقیق و جاسازی Optimizing AI with Fine-tuning and Embeddings

  • تنظیم دقیق LLM چیست؟ What Is LLM Fine-tuning?

  • نسخه ی نمایشی: آموزش یک LLM با تنظیم دقیق Demo: Training a Finely-tuned LLM

  • نسخه ی نمایشی: روش شماره 4 با استفاده از تنظیم دقیق مدل Demo: Method #4 Using Model Fine-tuning

  • اندازه گیری ارتباط متن با جاسازی ها Measuring Text Relatedness with Embeddings

  • نسخه ی نمایشی: ایجاد جاسازی برای دستورات CLI Demo: Generating Embeddings for CLI Commands

  • نسخه ی نمایشی: نگاشت دستورات مربوط به CLI Demo: Mapping Related CLI Commands

  • نسخه ی نمایشی: روش شماره 5 با استفاده از زمینه مبتنی بر جاسازی Demo: Method #5 Using Embedding-based Context

  • بررسی ماژول Module Review

بررسی تنظیمات شبکه با Batfish و Pytest Reviewing Network Configurations with Batfish and Pytest

  • اعتبارسنجی توپولوژی های آفلاین با Batfish Validating Offline Topologies with Batfish

  • نسخه ی نمایشی: نصب Docker و استقرار Batfish Demo: Installing Docker and Deploying Batfish

  • نسخه ی نمایشی: مرجع API Batfish و تست های پایه Demo: Batfish API Reference and Basic Tests

  • نسخه ی نمایشی: تأیید توصیفات رابط و ارزش های هزینه OSPF Demo: Validating Interface Descriptions and OSPF Cost Values

  • نسخه ی نمایشی: تست وجود یا عدم وجود مسیرهای OSPF Demo: Testing for the Presence or Absence of OSPF Routes

  • نسخه ی نمایشی: شبیه سازی پروب های ردیابی یک جهته Demo: Simulating Unidirectional Traceroute Probes

  • نسخه ی نمایشی: سریال توپولوژی شبکه به JSON Demo: Serializing the Network Topology into JSON

  • بررسی ماژول Module Review

ساخت توپولوژی های تست بر اساس تقاضا با GNS3 Building On-demand Test Topologies with GNS3

  • مدل سازی توپولوژی های مجازی با GNS3 Modeling Virtual Topologies with GNS3

  • نسخه ی نمایشی: رابط کاربری GNS3 و مرجع API Demo: GNS3 User Interface and API Reference

  • نسخه ی نمایشی: بارگیری و اصلاح توپولوژی JSON Demo: Loading and Refining the JSON Topology

  • نسخه ی نمایشی: نقشه برداری از الگوهای خاص دستگاه Demo: Mapping the Device-specific Templates

  • نسخه ی نمایشی: ایجاد پروژه ها و گره ها Demo: Creating Projects and Nodes

  • نسخه ی نمایشی: پیوند گره ها از طریق توپولوژی JSON Demo: Linking the Nodes via the JSON Topology

  • نسخه ی نمایشی: شروع گره ها Demo: Starting the Nodes

  • بررسی ماژول Module Review

تجزیه داده های ساختاریافته از خروجی های CLI با TextFSM Parsing Structured Data from CLI Outputs with TextFSM

  • تجزیه مبتنی بر الگو با استفاده از TextFSM Template-based Parsing Using TextFSM

  • نسخه ی نمایشی: استفاده از الگوهای شبکه به کد (NTC). Demo: Leveraging Network to Code (NTC) Templates

  • نسخه ی نمایشی: ذخیره خروجی های JSON و CSV Demo: Storing JSON and CSV Outputs

  • نسخه ی نمایشی: توسعه قالب های سفارشی TextFSM Demo: Developing Custom TextFSM Templates

  • بررسی ماژول Module Review

اعتبارسنجی توپولوژی های تست با Scrapli و Asyncio Validating Test Topologies with Scrapli and Asyncio

  • معرفی عملیات ناهمزمان با Asyncio Introducing Asynchronous Operations with Asyncio

  • نسخه ی نمایشی: توسعه یک معماری پایه Asyncio Demo: Developing a Basic Asyncio Architecture

  • نسخه ی نمایشی: پیاده سازی Cisco IOS Test Cases Demo: Implementing the Cisco IOS Test Cases

  • نسخه ی نمایشی: در ابتدا پیکربندی Junos با Scrapli Demo: Initially Configuring Junos with Scrapli

  • نسخه ی نمایشی: پیاده سازی موارد تست Junos Demo: Implementing the Junos Test Cases

  • بررسی دوره و منابع اضافی Course Review and Additional Resources

نمایش نظرات

نظری ارسال نشده است.

آموزش بهبود اتوماسیون شبکه با هوش مصنوعی مولد
خرید اشتراک و دانلود خرید تکی و دانلود | 160,000 تومان (5 روز مهلت دانلود) زمان تقریبی آماده سازی لینک دانلود این دوره آموزشی حدود 5 تا 24 ساعت می باشد.
جزییات دوره
3h 1m
43
Pluralsight (پلورال سایت) pluralsight-small
17 فروردین 1403 (آخرین آپدیت رو دریافت می‌کنید، حتی اگر این تاریخ بروز نباشد.)
2
از 5
دارد
دارد
دارد
Nick Russo

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Nick Russo Nick Russo

Nicholas (Nick) Russo ، CCDE # 20160041 و CCIE # 42518 ، یک متخصص بین المللی در زمینه شبکه سازی و طراحی IP/MPLS است. برای رشد مهارت های خود ، نیک بر پیشرفت شبکه DevOps از طریق اتوماسیون برای مشتریان خود متمرکز شده است. اخیراً ، نیک دانش خود را از طریق آموزش ویدیویی آنلاین و سخنرانی در کنفرانس های صنعت به اشتراک گذاشته است. نیک همچنین دارای لیسانس علوم در علوم کامپیوتر از موسسه فناوری روچستر (RIT) است. نیک به همراه همسرش کارلا و دخترش اولیویا در مریلند آمریکا زندگی می کند.

Pluralsight (پلورال سایت)

Pluralsight یکی از پرطرفدارترین پلتفرم‌های آموزش آنلاین است که به میلیون‌ها کاربر در سراسر جهان کمک می‌کند تا مهارت‌های خود را توسعه دهند و به روز رسانی کنند. این پلتفرم دوره‌های آموزشی در زمینه‌های فناوری اطلاعات، توسعه نرم‌افزار، طراحی وب، مدیریت پروژه، و موضوعات مختلف دیگر را ارائه می‌دهد.

یکی از ویژگی‌های برجسته Pluralsight، محتوای بروز و با کیفیت آموزشی آن است. این پلتفرم با همکاری با توسعه‌دهندگان و کارشناسان معتبر، دوره‌هایی را ارائه می‌دهد که با توجه به تغییرات روزافزون در صنعت فناوری، کاربران را در جریان آخرین مفاهیم و تکنولوژی‌ها نگه می‌دارد. این امر به کاربران این اطمینان را می‌دهد که دوره‌هایی که در Pluralsight می‌پذیرند، با جدیدترین دانش‌ها و تجارب به روز شده‌اند.