آموزش مانیتورینگ و ردیابی LLM: مشاهده‌پذیری هوش مصنوعی با Datadog [ویدئویی] - آخرین آپدیت

دانلود LLM Monitoring & Tracing: AI Observability with Datadog [Video]

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: این دوره نگاهی جامع به مشاهده‌پذیری (Observability) مدل‌های زبانی بزرگ (LLM) با استفاده از Datadog دارد و شما را با مهارت‌های ضروری برای مانیتورینگ و ردیابی برنامه‌های هوش مصنوعی آشنا می‌کند. شما با راه‌اندازی Datadog، درک انواع Spanها، یکپارچه‌سازی SDKها و فرآیند ردیابی فراخوانی‌های LLM در محیط‌های محلی شروع خواهید کرد. در ادامه دوره، به ابزارگذاری گردش‌های کاری چندمرحله‌ای AI، استفاده از حاشیه‌نویسی‌ها (Annotations) و تگ‌ها برای ردیابی عملکرد و عیب‌یابی سیستم‌های پیچیده Agentic AI خواهید پرداخت. همچنین یکپارچه‌سازی با LangChain را بررسی کرده و نحوه ابزارگذاری خط‌لوله‌های RAG و استفاده از Datadog برای مشاهده‌پذیری کامل را می‌آموزید. این دوره با تمرکز بر ارزیابی‌ها، مانیتورینگ کیفیت و تست A/B برای بهینه‌سازی عملکرد LLM پیش می‌رود. شما یاد می‌گیرید چگونه ارزیابی‌های سفارشی ایجاد کرده و آن‌ها را برای مانیتورینگ خودکار با کد خود ادغام کنید. علاوه بر عملکرد و عیب‌یابی، به بهینه‌سازی هزینه‌ها خواهید پرداخت تا اطمینان حاصل کنید که برنامه‌های LLM شما به صورت بهینه و مقرون‌به‌صرفه اجرا می‌شوند. همچنین دانش لازم در مورد شیوه‌های امنیت و انطباق، مانند حذف اطلاعات حساس (PII Redaction) و بهترین روش‌های استقرار را کسب خواهید کرد. در پایان دوره، درک جامعی از استقرار و نگهداری مشاهده‌پذیری در برنامه‌های LLM در سطح تولید (Production) خواهید داشت تا امنیت، کارایی و مقرون‌به‌صرفه بودن آن‌ها تضمین شود. - راه‌اندازی Datadog برای مشاهده‌پذیری LLM - ابزارگذاری گردش‌های کاری LLM با استفاده از Spanها و تگ‌ها - عیب‌یابی موثر سیستم‌های هوش مصنوعی چند-عاملی (Multi-agent) - بهینه‌سازی عملکرد AI از طریق تست A/B - ردیابی و کاهش هزینه‌های مربوط به AI در Datadog - پیاده‌سازی امنیت و انطباق در برنامه‌های LLM این دوره برای مهندسان AI، متخصصان DevOps، دانشمندان داده و هر کسی که با سیستم‌های هوش مصنوعی، به‌ویژه برنامه‌های LLM کار می‌کند، طراحی شده است. این دوره برای کسانی که بر مشاهده‌پذیری، مانیتورینگ و بهینه‌سازی AI در محیط‌های عملیاتی تمرکز دارند، ایده‌آل است. درک اولیه از سیستم‌های مبتنی بر ابر و توسعه نرم‌افزار توصیه می‌شود. آشنایی با Datadog یا فناوری‌های LLM مفید است اما الزامی نیست. * راه‌اندازی و یکپارچه‌سازی جامع Datadog برای مشاهده‌پذیری LLM * ردیابی کامل گردش‌های کاری چند-عاملی و عملکرد برنامه‌های AI * تکنیک‌های پیشرفته مانیتورینگ برای بهینه‌سازی هزینه و انطباق امنیتی

سرفصل ها و درس ها

مقدمه و ارزش سازمانی Introduction & Enterprise Value

  • آنچه خواهید آموخت What You'll Learn

  • چرا مشاهده‌پذیری LLM برای سازمان‌ها اهمیت دارد Why LLM Observability Matters for Enterprises

  • مشاهده‌پذیری LLM در Datadog – قابلیت‌های اصلی و دموی داشبورد Datadog LLM Observability – Core Capabilities and Dashboard Demo

راه‌اندازی مشاهده‌پذیری LLM Setting up LLM Observability

  • راه‌اندازی و تست حساب Datadog – عملی Datadog Account Setup and Testing – Hands-on

  • مروری بر انواع Spanها و یکپارچه‌سازی SDKها Span Types and SDK Integrations Overview

  • اولین ردیابی فراخوانی LLM در محیط محلی – عملی First Traced LLM Call in a Local Environment – Hands-on

ابزارگذاری برنامه‌های LLM Instrumenting LLM Applications

  • ایجاد Spanهای LLM با حاشیه‌نویسی‌ها و تگ‌ها – عملی Creating LLM Spans with Annotations and Tags – Hands-on

  • ابزارگذاری گردش‌های کاری چندمرحله‌ای – عملی Instrumenting Multi-step Workflows – Hands-on

  • خط‌لوله RAG با مشاهده‌پذیری کامل – عملی RAG Pipeline with Full Observability – Hands-on

  • یکپارچه‌سازی با LangChain – بخش اول LangChain Integration – Part 1

  • ابزارگذاری خودکار خط‌لوله RAG در LangChain – عملی LangChain RAG Pipeline Auto-Instrumentation – Hands-on

ردیابی گردش‌های کاری Agentic AI Tracing Agentic AI Workflows

  • ردیابی گردش‌های کاری Agentic – عملی Tracing Agentic Workflows – Hands-on

  • سیستم‌های چند-عاملی (Multi-Agent) – عملی Multi-Agent Systems – Hands-on

  • عیب‌یابی مشکلات Agent – مرور کلی Debugging Agent Issues – Overview

ارزیابی‌ها و مانیتورینگ کیفیت Evaluations & Quality Monitoring

  • مروری بر آزمایش‌های LLM و ایجاد مجموعه داده – عملی LLM Experiments Overview and Dataset Creation – Hands-on

  • تولید مجموعه ارزیابی طلایی (Golden Set) – عملی Generating a Golden Evaluation Set – Hands-on

  • اجرای آزمایش‌های LLM در Datadog – داشبوردها و مقایسه‌ها Running LLM Experiments in Datadog – Dashboards and Comparisons

  • تست A/B برای پرامپت‌ها – گردش کاری کامل – عملی A/B Testing Prompts – Full Workflow – Hands-on

  • راه‌اندازی ارزیابی‌ها و مانیتورینگ کیفیت – عملی Setting up Evaluations and Quality Monitoring – Hands-on

  • ایجاد ارزیابی‌های سفارشی Creating Custom Evaluations

  • ارزیابی‌ها و مانیتورینگ فقط در کد – عملی Evaluations and Monitoring in Code Only – Hands-on

مانیتورینگ و بهینه‌سازی هزینه‌ها Cost Monitoring & Optimization

  • ردیابی خودکار هزینه‌ها در Datadog – بررسی داشبورد Datadog Automatic Cost Tracking – Dashboard Walkthrough

  • استراتژی‌های بهینه‌سازی هزینه – مرور کلی Cost Optimization Strategies – Overview

امنیت، انطباق و الگوهای محیط عملیاتی Security, Compliance & Production Patterns

  • امنیت، انطباق و محیط عملیاتی – مرور کلی Security, Compliance, and Production – Overview

  • راه‌اندازی تابع حذف اطلاعات حساس (PII) و تست – عملی Setting up PII Redaction Function and Testing – Hands-on

  • مرور کلی داشبورد اسکن داده‌ها Data Scanning Dashboard Overview

  • تست گروه سفارشی حذف PII در Datadog – عملی Testing a Custom PII Redaction Group in Datadog – Hands-on

  • امنیت، انطباق و محیط عملیاتی برنامه‌های LLM – عملی LLM Apps Security, Compliance, and Production – Hands-on

  • معماری استقرار در محیط عملیاتی و چک‌لیست Production Deployment Architecture and Checklist

  • جمع‌بندی و گام‌های بعدی Wrap-up and Next Steps

نمایش نظرات

آموزش مانیتورینگ و ردیابی LLM: مشاهده‌پذیری هوش مصنوعی با Datadog [ویدئویی]
جزییات دوره
4h 7m
30
Packtpub Packtpub
(آخرین آپدیت)
از 5
ندارد
دارد
دارد
Paulo Dichone
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Paulo Dichone Paulo Dichone

توسعه دهنده و معلم

سلام! من پائولو هستم. من مدرک علوم کامپیوتر از دانشگاه Whitworth دارم و یک متخصص برنامه نویسی هستم و به آن افتخار می کنم!

من تجربه گسترده ای در توسعه برنامه Android به ویژه در برنامه موبایل (اندروید و iOS) و توسعه وب دارم. من همچنین بنیانگذار Magadistudio هستم، یک شرکت توسعه برنامه تلفن همراه مستقر در شمال غربی داخلی زیبا (WA).

من علاقه زیادی به آموزش توسعه برنامه اندروید به مردم دارم. نشان دادن طناب‌های ساخت اپلیکیشن‌های اندرویدی شگفت‌انگیز، تجربه‌ای بسیار ارزشمند است! هدف من این است که شما را به سرعت راه اندازی کنم و برنامه های اندروید بسازید.

شما آزادی را که یک توسعه‌دهنده اندروید ارائه می‌دهد، باور نمی‌کنید.

من را در توییتر @buildappswithme دنبال کنید

برنامه نویس نرم افزار/برنامه - موبایل و وب

مدرس آنلاین: 2014 - حال

علوم کامپیوتر (BS)
دانشگاه ویتورث
سپتامبر 2006 - مه 2009