آموزش کار با مدل‌های زبانی بزرگ با استفاده از Azure - آخرین آپدیت

دانلود Working with large language models using Azure

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: بیاموزید که چگونه با استفاده از مدل‌های زبانی بزرگ (LLMs) و مایکروسافت Azure، اپلیکیشن‌های هوش مصنوعی مولد را ساخته، شخصی‌سازی و مستقر کنید. این دوره عملی، تکنیک‌های کاربردی مورد استفاده توسعه‌دهندگان را برای بهبود عملکرد، قابلیت اطمینان و مرتبط بودن تجاری برنامه‌های هوش مصنوعی معرفی می‌کند. شما با بررسی نحوه عملکرد LLMها، از جمله معماری، قابلیت‌ها و محدودیت‌های آن‌ها شروع خواهید کرد. از آنجا، استراتژی‌های مهندسی پرامپت (Prompt Engineering) را برای بهبود خروجی‌های مدل و ایجاد تعاملات هوش مصنوعی موثرتر به کار خواهید گرفت. سپس دوره به معرفی خط لوله تولید تقویت‌شده با بازیابی (RAG) می‌پردازد و به شما آموزش می‌دهد که چگونه LLMها را به منابع داده خارجی متصل کنید تا پاسخ‌های مستدل و دقیق ارائه دهید. همچنین یاد می‌گیرید که چگونه مدل‌ها را با استفاده از تکنیک‌های ریزتنظیم (Fine-tuning) شخصی‌سازی کنید و تشخیص دهید که در سناریوهای مختلف تجاری، چه زمانی از ریزتنظیم، RAG یا رویکردهای ترکیبی استفاده کنید. در ماژول‌های نهایی، اپلیکیشن‌های هوش مصنوعی مولد را با استفاده از سرویس‌های Azure AI Foundry و Azure OpenAI ساخته و مستقر می‌کنید و در عین حال استراتژی‌های استقرار، نظارت و مدیریت هزینه را می‌آموزید. در پایان این دوره، شما تجربه عملی در ساخت برنامه‌های مبتنی بر هوش مصنوعی با استفاده از ابزارها و جریان‌های کاری مدرن Azure AI خواهید داشت.

سرفصل ها و درس ها

درک مدل‌های زبانی بزرگ (LLMs) Understanding Large Language Models (LLMs)

  • ساخت راهکارها با مدل‌های زبانی بزرگ در Azure Building Solutions with Large Language Models on Azure

  • آشنایی با LLMها و مهندسی پرامپت Introduction to LLMs and prompt engineering

  • تأثیر مدل‌های زبانی بزرگ The impact of LLMs

  • نگاهی به درون یک LLM: از پرامپت تا پاسخ A look inside an LLM: From prompt to response

  • چرا مهندسی پرامپت اهمیت دارد Why Prompt Engineering Matters

  • طراحی پرامپت‌های موثر Crafting effective prompts

  • کاربرد اصول LLM و مهندسی پرامپت در عمل Applying LLM Fundamentals and Prompt Engineering in Practice

پیاده‌سازی خط لوله‌های RAG Implementing RAG pipelines

  • آشنایی با RAG: مستندسازی هوش مصنوعی با داده Introduction to RAG: Grounding AI with data

  • توضیح خط لوله‌های RAG RAG pipelines explained

  • منابع داده برای RAG: Azure AI Search و Marketplace Data sources for RAG: Azure AI Search and the Marketplace

  • پیکربندی‌های پیشرفته RAG Advanced RAG configurations

  • خط لوله‌های RAG از ابتدا تا انتها: از تنظیمات تا بهینه‌سازی End-to-End RAG Pipelines: From Setup to Optimization

ریزتنظیم و شخصی‌سازی LLMها Fine-tuning and customizing LLMs

  • هنر ریزتنظیم (Fine-tuning) The art of fine-tuning

  • آموزش گام‌به‌گام رابط کاربری ریزتنظیم در Azure A guided tour of Azure's fine-tuning interface

  • ادغام تخصص دامنه در اپلیکیشن شما Integrating domain expertise into your application

  • تسلط بر شخصی‌سازی: از ریزتنظیم تا تصمیم‌گیری استراتژیک Mastering Customization: From Fine-Tuning to Strategic Decision-Making

توسعه اپلیکیشن‌های مولد با Azure Developing generative applications with Azure

  • مقدمه‌ای بر توسعه اپلیکیشن: از مدل تا محصول Introduction to application development: From model to product

  • بهره‌گیری از هوش مصنوعی مولد: از مدل‌ها تا محصولات Harnessing Generative AI: From models to products

  • تجسم یک اپلیکیشن با استفاده از Prompt Flow Visualizing an application with prompt flow

  • استقرار در Azure AI Foundry Deploying on Azure AI Foundry

  • خلاصه ماژول ۴: مسیر شما به عنوان توسعه‌دهنده اپلیکیشن هوش مصنوعی Module 4 summary: Your journey as an AI application developer

  • از مدل‌ها تا تولید: تسلط بر اپلیکیشن‌های هوش مصنوعی مولد From Models to Production: Mastering Generative AI Applications

نمایش نظرات

آموزش کار با مدل‌های زبانی بزرگ با استفاده از Azure
جزییات دوره
20h 30m
22
(آخرین آپدیت)
815
- از 5
دارد
دارد
دارد
Microsoft
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar