آموزش سرویس کوبرنتیز آزور (AKS) برای ایجنت‌های هوش مصنوعی - آخرین آپدیت

دانلود Azure Kubernetes Service (AKS) for AI Agents

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: ایجنت‌های Azure AI Foundry، AKS، Prompt Flow، RAG، اپلیکیشن‌های LLM، جستجوی برداری، CI/CD، استقرار کوبرنتیز، هوش مصنوعی سازمانی یادگیری جامع در مورد سرویس کوبرنتیز آزور (Azure Kubernetes Service) آشنایی با شبکه کوبرنتیز، الگوهای طراحی چند-کانتینری، کنترلرهای Ingress و موارد دیگر کانتینری‌سازی و استقرار ایجنت‌های هوش مصنوعی روی AKS برای استنتاج مقیاس‌پذیر و آماده تولید پیاده‌سازی تولید تقویت‌شده با بازیابی (RAG) با دسترسی امن به داده‌ها و معماری در سطح سازمانی پیش‌نیازها: درک پایه از پایتون و REST APIها آشنایی با مفاهیم بنیادی آزور (مانند Azure Portal و Resource Groups) تجربه کار با کانتینرها و داکر (Docker) تجربه محدود در کار با مدل‌های زبانی بزرگ (LLMs) یا علاقه به ساخت اپلیکیشن‌های مبتنی بر هوش مصنوعی

قدرت ایجنت‌های Azure AI Foundry و AKS را برای ساخت، استقرار و مقیاس‌بندی اپلیکیشن‌های LLM سازمانی در دنیای واقعی آزاد کنید.

این دوره راهنمای کامل شما برای طراحی ایجنت‌های هوش مصنوعی با استفاده از Azure AI Agent Service، یکپارچه‌سازی Azure AI Foundry، RAG (تولید تقویت‌شده با بازیابی) و استقرار در محیط عملیاتی با استفاده از Azure Kubernetes Service (AKS) است.

شما فراتر از تئوری خواهید رفت — از طریق آزمایشگاه‌های عملی، پروژه‌های واقعی و نقشه‌های معماری، یاد می‌گیرید که چگونه راهکارهای مقیاس‌پذیر، امن و قابل رصد GenAI را با استفاده از ابزارهای مدرن آزور ارائه دهید.

چه یک توسعه‌دهنده باشید، چه یک دانشمند داده یا یک معمار ابری، این دوره شما را به مهارت‌های جامع برای تبدیل یک پروتوتایپ به محصول نهایی مجهز می‌کند.

آنچه خواهید آموخت:

  • پیاده‌سازی جریان‌های کاری RAG امن و مقیاس‌پذیر با جستجوی برداری و داده‌های جاسازی شده (Embedded)

  • کانتینری‌سازی ایجنت‌ها و استقرار آن‌ها روی Azure Kubernetes Service (AKS)

  • یادگیری مفاهیم شبکه‌سازی AKS، کنترلرهای Ingress، الگوهای طراحی چند-کانتینری و غیره

این دوره برای چه کسانی است:

  • مهندسان و توسعه‌دهندگان هوش مصنوعی که با LLMها و آزور کار می‌کنند

  • متخصصان ابری که به دنبال مقیاس‌بندی راهکارهای GenAI روی کوبرنتیز هستند

  • معماران راهکار که سیستم‌های هوش مصنوعی امن و در سطح تولید را طراحی می‌کنند

  • هر کسی که قصد تسلط بر ترکیب Azure AI Agent Service + AKS را دارد

پیش‌نیازها:

  • دانش پایه از پایتون و REST APIها

  • آشنایی با مبانی آزور

  • درک و تجربه محدود در زمینه داکر و کانتینرها

  • علاقه یا پیش‌زمینه در زمینه هوش مصنوعی و اپلیکیشن‌های مبتنی بر LLM


سرفصل ها و درس ها

مقدمه Introduction

  • مقدمه Introduction

پیوستن به جامعه دیسکورد Join the Discord Community

  • پیوستن به جامعه دیسکورد Join the Discord Community

پیش‌نیازها Prerequisites

  • نصب VSCode، داکر و Bash Installing VSCode, Docker and Bash

  • راه‌اندازی آزمایشگاه از گیت‌هاب Lab Setup from GitHub

سرویس کوبرنتیز آزور (AKS) Azure Kubernetes Service

  • تکامل مهندسی نرم‌افزار و رایج شدن داکر و کانتینرها Evolution of Software Engg and Popularisation of Docker and Containers

  • آشنایی با K8S و سرویس کوبرنتیز آزور Introduction to K8S and Azure Kuberenetes Service

  • درک معماری K8S: به روشی ساده و جذاب! Understanding the K8S Architecture: The Fun Way!

  • درک آبجکت‌های Workload در K8s: Deployments، StatefulSets، Jobs و غیره Understanding K8s Workload Objects: Deployments, StatefulSets, Jobs etc.

  • درک شبکه‌سازی در AKS Understanding Networking in AKS

  • نکته: پیشنهاد دوره Udemy Business Note: Udemy Business Course Suggestion

ماژول ۱: استقرار اپلیکیشن‌های ساده هوش مصنوعی در AKS با Azure OpenAI Module 1 - Deploying Simple AI Apps to AKS with Azure OpenAI

  • آزمایشگاه: ایجاد یک کلاستر AKS در آزور (عملی) Lab: Creating an AKS Cluster in Azure (Hands-On Lab)

  • آزمایشگاه: تسلط بر دستورات Kubectl (عملی) Lab: Getting Comfortable with Kubectl Commands (Hands-On Lab)

  • آنچه خواهیم ساخت: یک اپلیکیشن ساده هوش مصنوعی با AKS و Azure OpenAI What We Will be Building: A Simple AI App with AKS and Azure OpenAI

  • آزمایشگاه: استقرار Azure AI Foundry با مدل GPT LLM (عملی) Lab: Deploying Azure AI Foundry with GPT LLM (Hands-On Lab)

  • آزمایشگاه: اپلیکیشن هوش مصنوعی با Docker Desktop و Azure Container Registry (عملی) Lab: AI App with Docker Desktop and Azure Container Registry (Hands-On Lab)

  • آزمایشگاه: اجرای اپلیکیشن هوش مصنوعی روی AKS از طریق ACR (عملی) Lab: Running AI App on AKS from ACR (Hands-On Lab)

  • آزمایشگاه: تعیین محدودیت منابع برای Podها (عملی) Lab: Setting Resource Limits for Pods (Hands-On Lab)

  • آزمایشگاه: تنظیم Pod Anti-Affinity برای دسترسی بالا (High Availability) (عملی) Lab: Setting Pod Anti Affinity for High Availability (Hands-On Lab)

  • آزمایشگاه: ایجاد یک StatefulSet برای استقرار اپلیکیشن هوش مصنوعی (عملی) Lab: Creating a StatefulSet for Our AI App Deployment (Hands-On Lab)

  • آزمایشگاه: در دسترس قرار دادن اپلیکیشن با سرویس Load Balancer (عملی) Lab: Exposing AI App with Load Balancer Service (Hands-On Lab)

  • درک ConfigMaps و Secrets Understanding ConfigMaps and Secrets

  • آزمایشگاه: اجرای اپلیکیشن هوش مصنوعی با ConfigMaps (عملی) Lab: Running AI App with ConfigMaps (Hands-On Lab)

  • آزمایشگاه: اجرای اپلیکیشن هوش مصنوعی با Secrets و ConfigMaps (عملی) Lab: Running AI App with Secrets and ConfigMaps (Hands-On Lab)

ماژول ۲: الگوهای چند کانتینری (طراحی اپلیکیشن هوش مصنوعی با فرانت‌اند و بک‌اند ساده) Module 2 - Multi Container Patterns (Simple Frontend Backend AI App Design)

  • معماری آنچه خواهیم ساخت Architecture of What we will Build

  • آشنایی با الگوی Sidecar و Init Container در K8s Introduction to the Sidecar and Init Container Pattern in K8s

  • آزمایشگاه: استقرار اپلیکیشن چت ساده (فرانت‌اند و بک‌اند) با الگوی Sidecar Lab: Deploying Simple Frontend Backend Chat App with Sidecar Pattern

  • آزمایشگاه: کار با سرویس ClusterIP برای فعال‌سازی ارتباط بین Podها Lab: Working with ClusterIP Service to enable Inter Pod Communication

ماژول ۳: الگوهای چند کانتینری (الگوی طراحی RAG) Module 3 - Multi Container Patterns (RAG Design Pattern)

  • طراحی معماری آنچه خواهیم ساخت Architecture Design of What We Will Build

  • درک مفهوم RAG Understanding what is RAG

  • آزمایشگاه: آشنایی با دیتابیس برداری QDrantDB Lab: Introduction to QDrantDB Vector Database

  • آزمایشگاه: استقرار کانتینر Sidecar برای عملیات بارگذاری بردارها Lab: Deploying Sidecar Container for Vector Load Operations

  • درک PVها (Persistent Volumes) و PVCها (Persistent Volume Claims) Understanding PVs (Persistent Volumes) and PVCs (Persistant Volume Claims)

  • آزمایشگاه: استقرار کامل اپلیکیشن RAG با ذخیره‌سازی مبتنی بر PVC Lab: Deploying Entire RAG App with PVC Backed Storage

  • درک Ingress و کنترلرهای Ingress در AKS Understanding Ingress and Ingress Controllers in AKS

  • آزمایشگاه: راه‌اندازی Azure Managed NGINX Ingress برای اپلیکیشن RAG Lab: Setting up Azure Managed NGINX Ingress for RAG App

  • درک Helm Charts Understanding Helm Charts

  • آزمایشگاه: ساخت یک Helm Chart برای اپلیکیشن RAG Lab: Building a Helm Chart for our RAG App

  • آزمایشگاه: استفاده از ACR برای Helm Charts Lab: ACR (Azure Container Registry) for Helm Charts

ماژول ۴: استراتژی‌های استقرار در AKS Module 4 - AKS Deployment Strategies

  • آزمایشگاه: راه‌اندازی استقرار Canary برای اپلیکیشن هوش مصنوعی Lab: Setting up Canary Deployment for AI App

  • آزمایشگاه: راه‌اندازی Rolling Updates برای اپلیکیشن هوش مصنوعی Lab: Setting up Rolling Updates for AI App

ماژول ۵: قابلیت رصدپذیری و نگهداری Module 5 - Observability and Maintenance

  • آزمایشگاه: کار با Copilot، Workbooks و Logها Lab: Working with Copilot , Workbooks and Logs

ماژول ۶: KEDA (مقیاس‌بندی خودکار رویداد-محور کوبرنتیز) Module 6 - KEDA (Kubernetes Event Driven Autoscaling)

  • آشنایی با KEDA (مقیاس‌بندی خودکار رویداد-محور) در AKS Introduction to KEDA (Kubernetes Event Driven Autoscaling) in AKS

  • آزمایشگاه: استقرار یک آبجکت Cron Scaled برای مقیاس‌بندی افقی (عملی) Lab: Deploying a Cron Scaled Object for Horizontal Autoscaling (Hands-On Lab)

  • آزمایشگاه: ایجاد یک منبع VPA برای اپلیکیشن هوش مصنوعی (عملی) Lab: Creating a VPA Resource for AI Application (Hands-On Lab)

ماژول ۷: سرویس مش Istio Module 7 - Istio Service Mesh

  • آشنایی با سرویس مش Istio Introduction to Istio Service Mesh

  • آزمایشگاه: راه‌اندازی mTLS با سرویس مش Istio (عملی) Lab: Setting up mTLS with Istio Service Mesh (Hands-On Lab)

  • آزمایشگاه: راه‌اندازی Istio Ingress Gateway (عملی) Lab: Setting up Istio Ingress Gateway (Hands-On Lab)

  • آزمایشگاه: استقرارهای Canary با سرویس مش Istio (عملی) Lab: Canary Deployments with Istio Service Mesh (Hands-On Lab)

نمایش نظرات

آموزش سرویس کوبرنتیز آزور (AKS) برای ایجنت‌های هوش مصنوعی
جزییات دوره
13 hours
48
Udemy (یودمی) Udemy (یودمی)
(آخرین آپدیت)
640
4.4 از 5
دارد
دارد
دارد
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Kuljot Singh Bakshi Kuljot Singh Bakshi

مربی در Udemy