آمادگی آزمون گواهینامه NVIDIA Certified Associate Generative AI LLMs (NCA-GENL) - آخرین آپدیت

سرفصل ها و درس ها

خوش‌آمدگویی Welcome

• مقدمه Introduction

1. چرا هوش مصنوعی مولد برای شرکت‌ها و شما اهمیت دارد؟ 1. Why Generative AI Matters for Companies and You?

• چرا شرکت‌ها در هوش مصنوعی مولد سرمایه‌گذاری می‌کنند و چرا برای شما مهم است Why companies invest in generative AI—and why it matters to you

2. جزئیات گواهینامه انویدیا 2. NVIDIA Certification Details

• آشنایی با مسیرهای گواهینامه Know about certification tracks

• گواهینامه NCA GENL NCA-GENL certification

3. ماژول 1: زیرساخت هوش مصنوعی 3. Module 1: AI Infrastructure

• معماری GPU GPU architecture

• خلاصه ماژول 1 Module 1: Summary

• ابر در مقابل محیط‌های محلی (Cloud vs On-premises) Cloud vs. on-premises

• چه مواردی را پوشش خواهیم داد؟ What we will cover?

• تجمیع حافظه (Memory pooling) Memory pooling

• پشته AI و ML AI and ML stack

• مقایسه GPU در برابر CPU GPU vs. CPU

• استفاده از GPUها برای AI و ML GPUs for AI and ML

• زیرساخت هوش مصنوعی AI infrastructure

• زیرساخت شبکه Network infrastructure

• زیرساخت ذخیره‌سازی Storage infrastructure

4. ماژول 2: مبانی هوش مصنوعی و یادگیری ماشین 4. Module 2: AI and ML Fundamentals

• یک مورد کاربردی ساده A simple use case

• خلاصه ماژول 2 Module 2: Summary

• یادگیری عمیق (Deep learning) Deep learning

• آموزش یک مدل Training a model

• مدل چیست؟ What is a model?

• هوش مصنوعی و یادگیری ماشین AI and ML

5. ماژول 3: هوش مصنوعی مولد و LLM 5. Module 3: Generative AI & LLM

• مسیر رسیدن به هوش مصنوعی مولد Road to generative AI

• ترنسفورمرها Transformers

• مدل زبانی بزرگ (LLM) Large language model

• خلاصه ماژول 3 Module 3: Summary

• هوش مصنوعی مولد چیست؟ What is generative AI?

• مدل پایه (Foundation model) Foundation model

6. ماژول 4: معماری ترنسفورمر 6. Module 4: Transformer Architecture

• توکن‌سازی (Tokenization) Tokenization

• جای‌گذاری کلمات (Word embedding) Word embedding

• ترنسفورمرها: موتور محرک هوش مصنوعی مدرن Transformers: The engine behind modern AI

• توجه چندسره (Multi head attention) Multi-head attention

• مکانیسم توجه (Attention mechanism) Attention mechanism

• استراتژی پیش‌بینی Prediction strategy

• توضیح جامع ترنسفورمر Transformer explainer

• از کدام یک استفاده کنیم؟ Which one to use?

• خلاصه ماژول 4 Module 4: Summary

• رمزگشایی (Decoding) Decoding

• رمزگذار-رمزگشا (Encoder decoder) Encoder decoder

• خروجی Output

• ترنسفورمرها چگونه کار می‌کنند؟ How transformers work?

• رمزگذاری (Encoding) Encoding

• رمزگذاری موقعیتی (Positional encoding) Positional encoding

7. ماژول 5: انتخاب مدل 7. Module 5: Model Selection

• انتخاب بهترین مدل Selecting best model

• چگونه مدل پایه AI مناسب را انتخاب کنیم؟ How to pick the right AI foundation model?

• فرآیند انتخاب مدل Model selection process

• مقایسه SLM در برابر LLM SLM vs. LLM

• ارزیابی مدل Model evaluation

• اعتبارسنجی متقاطع (Cross validation) Cross validation

• معیارهای مهم ارزیابی Metrics that matters

• خلاصه ماژول 5 Module 5: Summary

• مقایسه معیارها Metrics comparison

• تست A/B A/B testing

8. ماژول 6: سفارشی‌سازی مدل 8. Module 6: Model Customization

• قطعه‌بندی (Chunking) Chunking

• دقت روی مجموعه اعتبارسنجی Accuracy on a validation set

• یادگیری انتقالی (Transfer learning) Transfer learning

• تولید تقویت‌شده با بازیابی (RAG) Retrieval-augmented generation (RAG)

• تنظیم دقیق (Fine tuning) Fine-tuning

• موراد کاربردی یادگیری انتقالی Transfer learning use cases

• مهندسی پرامپت (Prompt engineering) Prompt engineering

• چرا یک مدل را سفارشی کنیم؟ Why customize a model?

• رویکردهای یادگیری انتقالی Transfer Learning Approaches

• پرامپت سیستمی System prompt

• خلاصه ماژول 6 Module 6: Summary

• تقطیر دانش (Knowledge distillation) Knowledge distillation

9. ماژول 7: آموزش مدل 9. Module 7: Model Training

• استقرار مدل (Model deployment) Model deployment

• جمع‌آوری داده‌ها Data collection

• آنالوگی آموزش مدل Model training analogy

• کوانتایزیشن (Quantization) Quantization

• تکنیک‌های EDA EDA Techniques

• مثال آبجو یا شراب Beer or wine

• مراحل پس از استقرار Post deployment

• پردازش داده‌ها: EDA Data processing: EDA

• آموزش مدل Model training

• فازهای آموزش مدل Model training phases

• ترتیب مراحل Order of steps

• گزینه‌های استقرار Options for deployment

• فرمت ONNX ONNX format

• ارزیابی مدل Model Evaluation

• پردازش داده‌ها: RegEx Data processing: RegEx

• خلاصه ماژول 7 Module 7: Summary

10. ماژول 8: اکوسیستم انویدیا 10. Module 8: NVIDIA Ecosystem

• انویدیا تریتون (NVIDIA Triton) NVIDIA Triton

• اکوسیستم انویدیا NVIDIA ecosystem

• سایر یکپارچه‌سازی‌ها Other integration

• کودا (CUDA) CUDA

• NVIDIA SMI NVIDIA SMI

• انویدیا نیمو (NVIDIA NeMo) NVIDIA NeMo

• انویدیا تنسور تی‌آرتی (NVIDIA TensorRT) NVIDIA TensorRT

• انویدیا رپیدز (NVIDIA RAPIDS) NVIDIA RAPIDS

• خلاصه ماژول 8 Module 8: Summary

• دسته‌بندی پویا (Dynamic batching) Dynamic batching

• مقایسه TensorRT در برابر کوانتایزیشن و ONNX TensorRT vs. quantization vs. ONNX

• پردازنده‌های گرافیکی انویدیا (NVIDIA GPUs) NVIDIA GPUs

• کاتالوگ NGC NGC catalog

• RAPIDS چگونه کار می‌کند؟ How RAPIDS work?

11. ماژول 9: هوش مصنوعی اخلاقی 11. Module 9: Ethical AI

• تیم قرمز (Red teaming) Red teaming

• طبقه‌بندی جاسازی (Embedding classifier) Embedding classifier

• خلاصه ماژول 9 Module 9: Summary

• نرده‌های حفاظتی NVIDIA NeMo NVIDIA NeMo Guardrails

• پاسخگویی و مسئولیت‌پذیری Accountability

• محاسبات محرمانه (Confidential computing) Confidential computing

• هوش مصنوعی قابل توضیح (Explainable AI) Explainable AI

• ردیابی تبار داده‌ها (Data lineage tracking) Data lineage tracking

• افزایش داده‌ها (Data augmentation) Data augmentation

• ساخت هوش مصنوعی قابل اعتماد Building trustworthy AI

• هوش مصنوعی اخلاقی Ethical AI

12. ماژول 10: موضوعات تکمیلی 12. Module 10: Additional Topics

• انتشار پیش‌رو و پس‌رو (Forward and back propagation) Forward and back propagation

• گرادیان‌های ناپدید شونده (Vanishing gradients) Vanishing gradients

• الگوریتم‌های دیفیوژن (Diffusion algorithms) Diffusion algorithms

• ترنسفورمرهای Hugging Face Hugging Face transformers

• چالش‌های گرادیان‌های ناپدید شونده Challenges of vanishing gradients

• دیفیوژن معکوس Reverse diffusion

• نرمال‌سازی لایه (Layer normalization) Layer normalization

• خلاصه ماژول 10 Module 10: Summary

• دیفیوژن پیش‌رو و معکوس Forward and reverse diffusion

• دیفیوژن پیش‌رو Forward Diffusion

• درون یک نورون Inside a neuron

• آیا این یک گربه است؟ Is it a cat?

• رابطه موجودیت‌های نام‌گذاری شده Named-entity relationship

• توسعه سریع اپلیکیشن (RAD) Rapid application development (RAD)

• مقایسه ReLU در برابر Sigmoid ReLU vs. sigmoid

• نورون Neuron

13. نکات آزمون 13. Exam Tips

• آمادگی برای آزمون گواهینامه Prepare for the certification exam