آموزش الگوهای عامل‌محور: یادگیری ماشین زیرعامل موازی با راست - آخرین آپدیت

دانلود Agentic Patterns: Parallel Subagent ML with Rust

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: اجرای همزمان چندین عامل هوش مصنوعی آسان است، اما اعتماد به خروجی آن‌ها دشوار است. این دوره آموزشی به بررسی دقیق فرآیندهای موازی زیرعامل‌ها می‌پردازد و در هر مرحله بررسی می‌کند که چگونه می‌توان از نتایج نادرست جلوگیری کرد. شما یاد خواهید گرفت چگونه بخش‌های سریال که سرعت سیستم را محدود می‌کنند اندازه‌گیری کنید، به هر عامل مجموعه‌ای مجزا از فایل‌ها برای نوشتن اختصاص دهید، و به جای بارگذاری مدل در هر فراخوانی، آن را در یک سرور مشترک برای چندین عامل مقیم نگه دارید. سپس بخش‌های کنترلی را می‌سازید: یک کاهنده (Reducer) که در هر ترتیب ورودی خروجی یکسانی می‌دهد، سیستمی برای صدور رسید که بدون آن نتیجه تایید نمی‌شود، حد نصابی که در آن یک شکست (FAIL) مانع از ادغام می‌شود، و مکانیزم سنجشی که از پس‌رفت نتایج جلوگیری می‌کند. تمامی دموها شامل برنامه‌های Rust با ورودی‌های مشخص، اعتبارسنجی‌های ماشینی و سیستم رسید هستند. این دوره نه تنها به دنبال صحت مطلق عامل‌ها، بلکه به دنبال متوقف کردن نتایج نادرست پیش از خروج از خط تولید است.

سرفصل ها و درس ها

ماژول ۱: کارکرد یادگیری ماشین موازی Module 1: Parallel ML work

  • مقدمه Introduction

  • بخش سریال و هزینه ادغام Serial Fraction and Merge Cost

ماژول ۲: پارتیشن‌بندی و کاهش Module 2: Partition and reduce

  • نوشتن‌های مجزا و بودجه‌های بافت Disjoint Writes and Context Budgets

  • یک مالک برای هر بخش One Owner per Section

  • تصمیم‌گیری توسط گیت The Gate Decides

  • انتقال یک کتاب درسی تحت قرارداد A Textbook Ported Under Contract

ماژول ۳: مدل محلی به عنوان یک مسیر Module 3: A local model as a lane

  • مدل مقیم در مقابل مدل سرد Resident versus Cold

  • دو عامل، یک سرور Two Agents, One Server

  • گردش‌کار به عنوان یک هستی‌شناسی The Workflow as an Ontology

ماژول ۴: ارکستراسیون و کنترل ورودی Module 4: Orchestrate and gate

  • پلیس ترافیک The Traffic Cop

  • یک مدل برای سه بازبینی One Model Three Times Is One Reviewer

  • توزیع پردازش در اپلیکیشن Antigravity Fan-Out in the Antigravity App

  • جمع‌آوری و توقف خط تولید Fan-In and Stop-the-Line

ماژول ۵: توقف خط تولید Module 5: Stop the line

  • توقف خط تولید Stop the Line

  • چرا یکپارچه‌سازی مداوم (CI) هرگز تمام نشد Why CI Never Finished

  • نتیجه‌گیری دوره Course Conclusion

نمایش نظرات

آموزش الگوهای عامل‌محور: یادگیری ماشین زیرعامل موازی با راست
جزییات دوره
3h 53m
16
(آخرین آپدیت)
26
- 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