آموزش ارکستراسیون هوش مصنوعی: از مدل‌های محلی تا فضای ابری - آخرین آپدیت

دانلود AI Orchestration: From local models to cloud

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: در این دوره یاد می‌گیرید چگونه سیستم‌های هوش مصنوعی را در محیط‌های محلی و ابری از طریق راه‌اندازی عملی زیرساخت، استقرار مدل و یکپارچه‌سازی جریان‌های کاری مدیریت (Orchestrate) کنید. شما یک هرم مهندسی پرامپت، از پرامپت‌های پایه تا استدلال زنجیره فکری (Chain-of-Thought) پیاده‌سازی شده با زبان Rust را خواهید ساخت؛ سپس شش عامل تصمیم‌گیری برای انتخاب بین مدل‌های محلی و ابری از جمله تأخیر، توان عملیاتی، هزینه و حریم خصوصی را ارزیابی خواهید کرد. این دوره زیرساخت‌های محلی هوش مصنوعی را به صورت عمیق پوشش می‌دهد: اجرای Ollama با Modelfileهای سفارشی برای دستیارهای تخصصی، استقرار llamafile برای استنتاج قابل حمل بدون وابستگی، کامپایل Rust Candle با CUDA برای استنتاج محلی با شتاب‌دهنده GPU و بهینه‌سازی RAG محلی با استراتژی‌های کشینگ (Caching). شما یک ایستگاه کاری کامل هوش مصنوعی را با tmux برای مدیریت نشست‌ها، nvidia-smi و Zenith برای مانیتورینگ GPU و بهینه‌سازی GPU انویدیا پیکربندی خواهید کرد. ماژول نهایی شامل جریان‌های کاری ابری از جمله استفاده از AWS Spot instances برای محاسبات مقرون‌به‌صرفه GPU، کشف و دانلود مدل‌های Hugging Face و یکپارچه‌سازی مدل‌های هوش مصنوعی GitHub است. با تکمیل این دوره، شما قادر خواهید بود زیرساخت هوش مصنوعی محلی را راه‌اندازی کنید، مدل‌ها را در محیط‌های محلی و ابری مستقر کنید و جریان‌های کاری ارکستراسیونی طراحی کنید که بین هزینه، حریم خصوصی و عملکرد تعادل برقرار کنند.

سرفصل ها و درس ها

مبانی ارکستراسیون Orchestration Fundamentals

  • مقدمه دوره Course intro

  • مرور کلی دوره Course overview

  • مرور کلی ارکستراسیون هوش مصنوعی AI orchestration overview

  • هرم مهندسی پرامپت Prompt engineering pyramid

  • پرامپت زنجیره فکری در Rust Chain of thought prompt Rust

  • نمایش عملی پرامپت زنجیره فکری در Rust Chain of thought Rust prompt demo

  • توضیح پرامپت زنجیره فکری در Rust Explaining chain of thought Rust prompt

زیرساخت هوش مصنوعی محلی Local AI Infrastructure

  • نمایش عملی Ollama محلی Ollama local demo

  • دیباگر Modelfile در Ollama با Rust Ollama Modelfile Rust debugger

  • معماری Ollama Ollama arch

  • مقایسه مدل‌های محلی در مقابل ابری Local vs. cloud models

  • کشینگ (Caching) برای هوش مصنوعی Caching for AI

  • بهینه‌سازی RAG محلی Optimizing local RAG

  • شروع کار با Llamafile و Gemma Llamafile getting started Gemma

  • استفاده ساده از Llamafile Llamafile simple

  • کامپایل Rust Candle با GPU Compiling Rust candle GPU

ایستگاه کاری و جریان‌های کاری ابری Workstation and Cloud Workflows

  • استقرار یادگیری ماشین با AWS Spot AWS spot deploy ML

  • جریان کاری مدل‌های Hugging Face Hugging Face workflow models

  • جریان کاری مدل‌های هوش مصنوعی GitHub GitHub AI models workflow

  • ساختار پروژه Hello World در Rust Rust Hello World project structure

  • استفاده از tmux در لینوکس Using tmux on Linux

  • استفاده از NVIDIA SMI Using NVIDIA SMI

  • استفاده از مانیتورینگ GPU با Zenith Using Zenith GPU monitoring

  • ایستگاه کاری محلی برای ارکستراسیون هوش مصنوعی AI orchestration local workstation

  • رویکردهای آموزش فنی Technical training approaches

  • یادگیری موثر مهندسی هوش مصنوعی Effective AI engineering learning

  • نتیجه‌گیری دوره Course conclusion

پروژه نهایی Capstone

نمایش نظرات

آموزش ارکستراسیون هوش مصنوعی: از مدل‌های محلی تا فضای ابری
جزییات دوره
4h 40m
27
(آخرین آپدیت)
99
- از 5
دارد
دارد
دارد
Chris Croft
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Chris Croft Chris Croft

مربی مدیریت، سخنران، نویسنده