آموزش بررسی فنی هوش مصنوعی رد هت (Red Hat AI) - آخرین آپدیت

سرفصل ها و درس ها

مبانی هوش مصنوعی سازمانی و پورتفولیو رد هت Foundations of Enterprise AI and the Red Hat Portfolio

• مقدمه Introduction

• چالش‌های عملیاتی کردن هوش مصنوعی Challenges of operationalizing AI

• ارزش افزوده Red Hat AI The value of Red Hat AI

معماری پلتفرم و استنتاج محلی Platform Architecture and Local Inference

• دمو: آشنایی با پلتفرم Demo - Introduction to the platform

• استنتاج (Inference) Inference

استراتژی عملکرد، سرویس‌دهی مقیاس‌پذیر و تست Performance Strategy, Scale-Out Serving, and Testing

• بنچ‌مارک و ارزیابی مدل‌ها Benchmarking and evaluating models

• استنتاج توزیع‌شده و مدل‌ها به عنوان سرویس Distributed inference and models-as-a-service

• دمو: استنتاج Demo - Inference

شخصی‌سازی، آموزش مقیاس‌پذیر و خط لوله‌های اتوماسیون Customization, Scale-Out Training, and Automation Pipelines

• اتصال مدل‌ها به داده‌ها Connecting models to data

• ابزارهای شخصی‌سازی مدل Model customization tools

• آموزش توزیع‌شده مدل Distributed model training

• خط لوله‌های هوش مصنوعی (AI Pipelines) AI pipelines

• دمو: اتصال مدل‌ها به داده‌ها Demo - Connecting models to data

هوش مصنوعی عامل‌محور، Llama Stack و یکپارچه‌سازی زنده Agentic AI, Llama Stack, and Live Integrations

• هوش مصنوعی عامل‌محور (Agentic AI) Agentic AI

• دمو: ساخت اپلیکیشن‌های عامل‌محور Demo - Agentic App Building

مقیاس‌پذیری در محیط عملیاتی، گاردریل‌های بلادرنگ و گام‌های بعدی Production Scaling, Real-Time Guardrails, and Next Steps

• مقیاس‌بندی هوش مصنوعی در محیط عملیاتی Scaling AI into production

• دمو: گاردریل‌ها و قابلیت‌های نظارتی Demo - Guardrails and observability

• گام‌های بعدی و منابع آموزشی Next steps and resources

ارزیابی نهایی Graded Assessment