لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش مبانی LLM: ایجاد برنامه های کاربردی موثر برای شرکت ها
LLM Foundations: Building Effective Applications for Enterprises
نکته:
آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره:
از آنجایی که مدلهای هوش مصنوعی مولد به طور فزایندهای محبوب شدهاند، شرکتها شروع به ساخت برنامههای کاربردی سرتاسری برای ادغام گردشهای کاری موجود خود با هوش مصنوعی مولد کردهاند. در این دوره، مربی Kumaran Ponnambalam به شما نشان میدهد که چگونه با یکپارچهسازی، مدیریت عملکرد، اعتماد و نظارت راهاندازی و اجرا کنید تا برنامههای کاربردی هوش مصنوعی مولد موثر و قابل اعتماد را در مقیاس ارائه دهید.
برخی از ویژگیهای منحصربهفرد و موارد استفاده برای برنامههای کاربردی مبتنی بر هوش مصنوعی را در یک محیط سازمانی، از جمله گزینههای موجود، معیارهای انتخاب، و ملاحظات کلیدی استقرار برای مدلهای هوش مصنوعی مولد، کاوش کنید. کوماران اصول ارزیابی و تنظیم دقیق مدل ها و همچنین الگوها و بهترین شیوه ها برای طراحی برنامه اصلی را پوشش می دهد. در پایان این دوره، شما همچنین به مهارتهای جدیدی برای مدیریت عملکرد برنامه، حفظ ایمنی و اعتماد، و پیمایش برخی از مهمترین چالشهای اخلاقی و قانونی هوش مصنوعی مجهز خواهید شد.
سرفصل ها و درس ها
معرفی
Introduction
شروع سفر پذیرش GenAI شما
Starting your GenAI adoption journey
محتوای دوره و پیش نیازها
Course content and prerequisites
1. هوش مصنوعی مولد در شرکت ها
1. Generative AI in Enterprises
چگونه GenAI بر شرکت ها تأثیر می گذارد
How GenAI is impacting enterprises
چالش های GenAI برای شرکت ها
GenAI challenges for enterprises
انقلاب GenAI
The GenAI revolution
فرآیند پذیرش GenAI
GenAI adoption process
2. GenAI Use Case Selection
2. GenAI Use Case Selection
موارد استفاده محبوب GenAI
Popular GenAI use cases
مورد استفاده از دوره: میز پشتیبانی ایمیل مجهز به GenAI
Course use case: GenAI-powered email helpdesk
شناسایی و ارزیابی موارد استفاده GenAI
Identifying and evaluating GenAI use cases
ایجاد نقشه راه GenAI
Creating a GenAI roadmap
ساخت اثبات مفاهیم برای GenAI
Building proof-of-concepts for GenAI
3. انتخاب مدل های GenAI
3. Choosing GenAI Models
منظره مدل GenAI
The GenAI model landscape
ملاحظات استقرار مدل GenAI
GenAI model deployment considerations
ساخت در مقابل خرید برای GenAI
Build vs. buy for GenAI
معیارهای انتخاب مدل های GenAI
Selection criteria for GenAI models
تاثیر داده های آموزشی در GenAI
Impact of training data in GenAI
4. ارزیابی و تنظیم دقیق برای GenAI
4. Evaluation and Fine-Tuning for GenAI
مورد استفاده دوره: ارزیابی و انتخاب مدل
Course use case: Evaluation and model selection
ساخت مجموعه داده ها برای ارزیابی و تنظیم دقیق
Building datasets for evaluation and fine-tuning
معیارهای GenAI
Metrics for GenAI
تنظیم دقیق مدل های GenAI
Fine-tuning GenAI models
ارزیابی مدل های GenAI
Evaluating GenAI models
5. ملاحظات طراحی برای برنامه های کاربردی GenAI
5. Design Considerations for GenAI Applications
مهندسی سریع
Prompt engineering
جمع آوری و نظارت بر داده ها
Data collection and monitoring
رابط های کاربر و API
User and API interfaces
مورد استفاده دوره: معماری
Course use case: Architecture
تولید دسته ای با مدل های GenAI
Batch generation with GenAI models
یک برنامه معمولی GenAI
A typical GenAI app
6. ایمنی و اعتماد با GenAI
6. Safety and Trust with GenAI
مورد استفاده از دوره: نرده محافظ
Course use case: Guardrails
ملاحظات اخلاقی و قانونی
Ethical and legal considerations
محافظت در برابر آسیب پذیری ها
Protecting against vulnerabilities
سمیت و سوگیری در GenAI
Toxicity and bias in GenAI
توهمات
Hallucinations
7. مدیریت عملکرد برنامه GenAI
7. Managing GenAI Application Performance
اهداف عملکرد برای برنامه های GenAI
Performance goals for GenAI apps
کنترل هزینه GenAI
GenAI cost control
بهبود دقت GenAI
Improving GenAI accuracy
کاهش تاخیر برای GenAI
Reducing latency for GenAI
مورد استفاده از دوره: ملاحظات عملکرد
Course use case: Performance considerations
نتیجه
Conclusion
به سفر GenAI خود ادامه دهید
Continue your GenAI journey
V2 Maestros به آموزش علوم داده و داده های بزرگ با هزینه های مقرون به صرفه برای جهان اختصاص دارد. مربیان ما تجربه دنیای واقعی در تمرین علم داده و ارائه نتایج تجاری دارند. علم داده یک حوزه داغ و در حال رخ دادن در صنعت فناوری اطلاعات است. متأسفانه منابع موجود برای یادگیری این مهارت به سختی یافت می شود و گران است. امیدواریم این مشکل را با ارائه آموزش باکیفیت با نرخ های مقرون به صرفه، با ایجاد استعدادهای علم داده در سراسر جهان، کاهش دهیم.
نمایش نظرات