لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
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)
نمایش نظرات