آموزش معماری راهکارهای هوش مصنوعی - سیستم‌های GenAI مقیاس‌پذیر برای آینده [ویدئویی] - آخرین آپدیت

دانلود Architecting AI Solutions - Scalable GenAI Systems for the Future [Video]

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: این دوره جامع به بررسی پیچیدگی‌های طراحی سیستم‌های مقیاس‌پذیر هوش مصنوعی مولد (GenAI) می‌پردازد. با شروع از تکامل معماری‌های AI، شما بررسی خواهید کرد که چگونه فناوری‌های GenAI مانند اتوانکودرهای متغیر (VAE) و شبکه‌های رقابتی مولد (GAN) این حوزه را متحول کرده‌اند. کاربردهای واقعی برای ارائه زمینه و الهام‌بخش بودن برجسته شده‌اند تا مسیر درک چالش‌ها و فرصت‌های ساخت اپلیکیشن‌های GenAI هموار شود. این دوره به معماری LGPL، یک چارچوب قدرتمند برای ایجاد سیستم‌های مقیاس‌پذیر و منعطف می‌پردازد. از طریق تمرینات عملی، اجزای کلیدی مانند گیت‌ها و حلقه‌های بازخورد را شبیه‌سازی کرده و تخصص عملی در پیاده‌سازی لایه‌های معماری پیشرفته کسب می‌کنید. برنامه آموزشی به استراتژی‌های استقرار Cloud-Native، میکروسرویس‌ها، توزیع بار (Load Balancing) و تحمل خطا گسترش می‌یابد تا اطمینان حاصل شود که اپلیکیشن‌های شما برای نیازهای مقیاس سازمانی آماده هستند. مباحث پیشرفته شامل امنیت، مانیتورینگ و ملاحظات اخلاقی برای توسعه مسئولانه AI است. شما مطالعات موردی واقعی را بررسی کرده و با چالش‌هایی مانند بازیابی پس از فاجعه (Disaster Recovery)، دسترسی بالا (High Availability) و بهینه‌سازی هزینه مقابله خواهید کرد. در پایان برنامه، شما قادر خواهید بود سیستم‌های GenAI را به‌گونه‌ای بسازید، مستقر کنید و مدیریت نمایید که کارآمد، امن و آینده‌نگر باشند و نیازهای اپلیکیشن‌های مدرن AI را برآورده کنند. طراحی سیستم‌های GenAI مقیاس‌پذیر با تکنیک‌های معماری پیشرفته پیاده‌سازی راهکارهای Cloud-native با استفاده از میکروسرویس‌ها و کانتینرها توسعه سیستم‌های GenAI منعطف با استراتژی‌های قدرتمند مدیریت خطا به‌کارگیری اقدامات امنیتی برای جلوگیری از تهدیدات و محافظت از مدل‌های AI بهینه‌سازی زیرساخت GenAI برای بهره‌وری هزینه و افزایش عملکرد ساخت اپلیکیشن‌های AI جامع با شبیه‌سازی موارد استفاده واقعی این دوره برای توسعه‌دهندگان با تجربه، معماران سیستم و متخصصان AI طراحی شده است که به دنبال تعمیق تخصص خود در سیستم‌های مقیاس‌پذیر هوش مصنوعی مولد هستند. شرکت‌کنندگان باید دانش پایه‌ای از مفاهیم AI، برنامه‌نویسی (ترجیحاً پایتون) و اصول اولیه رایانش ابری داشته باشند. کاوش عمیق در تکامل GenAI و چارچوب‌های معماری پیشرفته * شبیه‌سازی‌های عملی اجزای LGPL برای سناریوهای کاربردی واقعی * پوشش جامع مقیاس‌پذیری، انعطاف‌پذیری و ملاحظات اخلاقی در AI

سرفصل ها و درس ها

مقدمه Introduction

  • مقدمه و پیش‌نیازهای دوره Introduction & Course Prerequisites

  • نکته مهم و ساختار دوره IMPORTANT Note and Course Structure

بررسی عمیق هوش مصنوعی مولد (GenAI) GenAI (Generative AI) Deep Dive

  • بررسی عمیق GenAI: چیست و نمونه‌های GenAI و کاربردهای واقعی GenAI Deep Dive - What is It and Example of GenAI - Real-life Applications

  • تکامل معماری AI: از هوش مصنوعی سنتی تا مولد (مرور کلی) The Evolution of AI Architecture - Traditional to Generative AI - Overview

  • مفاهیم کلیدی GenAI: اتوانکودرهای متغیر و شبکه‌های رقابتی مولد GenAI Key Concepts: Variational Autoencoders and Generative Adversarial Networks

  • اتوانکودرهای متغیر (VAEs) و شبکه‌های رقابتی مولد (LLM) Variational Autoencoders (VAEs) and Generative Adversarial Networks (LLM)

  • مزایا و چالش‌های ساخت اپلیکیشن‌های GenAI Benefits and Challenges of Building GenAI Applications

بررسی عمیق معماری LGPL The LGPL Architecture - Deep Dive

  • بررسی عمیق معماری LGPL: چرا معماری اپلیکیشن GenAI ضروری است The LGPL Architecture Deep Dive - Why GenAI Application Architecture is a Must

  • معماری LGPL و لایه‌ها: مرور کلی The LGPL Architecture and Layers - Overview

  • گیت‌ها (Gates) Gates

  • پایپ‌ها (Pipes) Pipes

  • حلقه‌ها و جمع‌بندی: مرور کلی کل معماری LGPL Loops and Bringing it All Together - The Whole LPGL Architecture Overview

  • تمرین عملی: شبیه‌سازی گیت‌های ساده در کنسول پایتون Hands-on - Simple Gates Simulation - Python Console Program

  • تمرین عملی: شبیه‌سازی حلقه بازخورد Hands-on - Simulate Feedback Loop

  • تمرین عملی: شبیه‌سازی کامل شامل تمام لایه‌های معماری Hands-on - Full Simulation Including All Architecture Layers

ساخت اپلیکیشن‌های GenAI مقیاس‌پذیر Building Scalable GenAI Applications

  • ساخت اپلیکیشن‌های GenAI مقیاس‌پذیر: مقدمه و انتخاب زیرساخت Building Scalable GenAI Applications - Introduction & Infrastructure Selection

  • کانتینرسازی و دوره سریع داکر (Docker) Containerization & Docker Crash Course

  • معماری میکروسرویس در مقابل معماری یکپارچه (Monolith) Microservices vs Monolith Architecture

  • همکاری توزیع بار و تحمل خطا: مرور کامل Load Balancing and Fault Tolerance Working Together - Full Overview

  • توزیع بار و تحمل خطا: بررسی جامع Load Balancing and Fault Tolerance - Full Overview

ساخت برای استقرارهای Cloud Native Building for Cloud-Native Deployments

  • بهره‌گیری از ابر برای اپلیکیشن‌های GenAI مقیاس‌پذیر: مقدمه Leveraging the Cloud for Scalable GenAI Applications - Introduction

  • مزایای رایانش ابری برای اپلیکیشن‌های GenAI The Cloud Advantage for GenAI Applications

ساخت اپلیکیشن‌های GenAI منعطف Building Resilient GenAI Applications

  • ساخت اپلیکیشن‌های GenAI منعطف: مدیریت خطا و استثناها Building Resilient GenAI Applications - Error Handling & Exception Management

  • ثبت خطاها: جلوگیری از شکست‌های زنجیره‌ای و منطق تلاش مجدد Error Logging - Cascading Failure Prevention & Retry Logic for Corrective Action

  • مانیتورینگ، لاگینگ و سیستم‌های هشدار Monitoring and Logging and Alerting

  • دیاگرام‌های مانیتورینگ: پردازش لاگ‌ها و سیستم‌های هشدار Diagrams for Monitoring - Log Processing and Alert Systems

استراتژی‌های بازیابی پس از فاجعه و دسترسی بالا Disaster Recovery and High Availability Strategies

  • استراتژی‌های بازیابی پس از فاجعه و دسترسی بالا: مقدمه DR Disaster Recovery and High Availability Strategies - Introduction to DR

  • دسترسی بالا و بازیابی پس از فاجعه در عمل: پشتیبانی AWS از DR و HA High Availability and Disaster Recovery in Action - AWS Support for DR and HA

  • مطالعه موردی ۱: سیستم معاملاتی لحظه‌ای (معماری کامل اپلیکیشن GenAI) Case Study 1 - Real-time Trading System - Full GenAI Application Architecture

  • مطالعه موردی ۲: نوبت شما (سیستم GenAI برای سیستم توصیه تشخیص) Case Study 2 - Your Turn - GenAI System for Diagnosis Recommendation System

تهدیدات امنیتی در اپلیکیشن‌های GenAI Security Threats in GenAI Applications

  • تهدیدات امنیتی در اپلیکیشن‌های GenAI: ربایش مدل و نشت حریم خصوصی Security Threats in GenAI Applications - Model Hijacking and Privacy Leakage

  • دیپ‌فیک‌ها، حملات دور زدن، تهدیدات داخلی و حملات خصمانه Deepfakes - Evasion Attacks - Insider Threats - Adversarial Attack

  • راهکار حملات خصمانه: هوش مصنوعی قابل توضیح (XAI) Adversarial Attacks Solution - XAI (Explainable AI)

استراتژی‌های بهینه‌سازی هزینه برای زیرساخت GenAI Cost Optimization Strategies for GenAI Infrastructure

  • بهینه‌سازی هزینه اپلیکیشن GenAI: سایزبندی مناسب، Spot Instances و کانتینرها GenAI Application Cost Optimization - Right-sizing, Spot Instances & Containers

  • تکنیک‌هایی برای کاهش هزینه Some Techniques to Reduce Cost

  • انتخاب پلتفرم ابری مناسب و خلاصه بهینه‌سازی قیمت‌گذاری Choosing the Right Cloud Platform and Pricing Optimization Summary

مباحث پیشرفته در معماری اپلیکیشن‌های GenAI Advanced Topics in GenAI Application Architecture

  • مباحث پیشرفته در معماری اپلیکیشن GenAI: مرور کامل XAI Advanced Topics in GenAI App Architecture - XAI Full Overview

  • مرور کامل و اهمیت MLOps و CICD MLOps and CICD Full Overview and Importance

  • هوش مصنوعی مسئولانه و ملاحظات اخلاقی برای اپلیکیشن‌های GenAI Responsible AI and Ethical Considerations for GenAI Applications

  • روندهای نوظهور: مرور کلی Emerging Trends - Full Overview

گام‌های بعدی Next Steps

  • گام‌های بعدی Next Steps

نمایش نظرات

آموزش معماری راهکارهای هوش مصنوعی - سیستم‌های GenAI مقیاس‌پذیر برای آینده [ویدئویی]
جزییات دوره
2h 39m
41
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