آموزش انویدیا: آزمایش، استقرار و اخلاق در مدل‌های زبانی بزرگ (LLM) - آخرین آپدیت

آزمایش و تنظیم هایپرپارامترها Experimentation and Hyperparameter Tuning

• اصول طراحی آزمایش برای مدل‌های زبانی بزرگ (LLMs) Principles for Designing Experiments with Large Language Models (LLMs)

• تنظیم هایپرپارامترهای مدل‌های زبانی بزرگ Hyperparameter Tuning of LLMs

• تست A/B A/B Testing

• اهمیت سیستم‌های کنترل نسخه Importance of Version Control Systems

• درک سرویس LLM انویدیا (BioNeMo) Understanding NVIDIA BioNeMo LLM service

• عوامل هوش مصنوعی انویدیا (AI Agents) چیستند؟ What are NVIDIA AI Agents ?

• استفاده از معماری Mixture of Experts در LLMها Using the Mixture of Experts in LLM Architectures

سرویس‌های هوش مصنوعی و بهینه‌سازی انویدیا NVIDIA AI Services and Optimization

• معرفی NVIDIA Tensor RT Introducing NVIDIA Tensor-RT

• درک NVIDIA Triton Understanding NVIDIA Triton

• جریان‌های کاری هوش مصنوعی انویدیا NVIDIA AI Workflows

• بهینه‌سازی لجستیک و مسیر با cuOpt Logistic and Route Optimization - cuOpt

• سرویس NVIDIA RIVA NVIDIA RIVA

• سیستم توصیه‌گر Merlin Recommender System - Merlin

• درک NVIDIA NGC Understanding NVIDIA NGC

• نکات آزمون: بخش آزمایش Exam Tips : Experimentation

هوش مصنوعی اخلاقی و قابل اعتماد Ethical AI and Trustworthiness

• اصول اخلاقی هوش مصنوعی قابل اعتماد Ethical Principles of Trustworthy AI

• حریم خصوصی داده‌ها و اهمیت رضایت کاربر Data privacy and the importance of data consent.

• نقش انویدیا در بهبود قابلیت اعتماد AI NVIDIA in improving AI Trust Worthiness

• انویدیا: مقابله با سوگیری در پردازش سیستم‌های AI NVIDIA: Tackling Bias in AI Systems Processing

• فرآیند ثبت‌نام و راه‌اندازی سیستم Registration Process & System Setup

• اشتباهاتی که باید قبل از شرکت در آزمون از آن‌ها اجتناب کرد Mistakes to avoid before taking the Examination

• جمع‌بندی و نتیجه‌گیری Conclusion