آموزش طراحی و پیاده‌سازی راهکارهای علوم داده در Azure (DP-100): بهینه‌سازی مدل‌های زبانی برای کاربردهای هوش مصنوعی - آخرین آپدیت

دانلود Designing and Implementing a Data Science Solution on Azure (DP-100): Optimize Language Models for AI Applications

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: توسعه و بهینه‌سازی مدل‌های زبانی بزرگ (LLMs) برای کاربردهای هوش مصنوعی در Azure می‌تواند پیچیده باشد. در این دوره آموزشی با عنوان «طراحی و پیاده‌سازی راهکارهای علوم داده در Azure (DP-100): بهینه‌سازی مدل‌های زبانی برای کاربردهای هوش مصنوعی»، شما توانایی طراحی، پیاده‌سازی و بهینه‌سازی راهکارهای هوش مصنوعی مبتنی بر LLM را با استفاده از سرویس Azure OpenAI Service کسب خواهید کرد. در ابتدا، شما با سرویس Azure OpenAI، شامل اجزای اصلی و قابلیت‌های یکپارچه‌سازی آن برای ساخت اپلیکیشن‌های پایه LLM آشنا می‌شوید. سپس، به مبحث بهینه‌سازی پارامترها می‌پردازید و بر تکنیک‌های تنظیم هایپرپارامترها و پرامپت‌ها برای افزایش کارایی مدل و کاهش هزینه‌ها تمرکز خواهید کرد. در نهایت، با مفهوم RAG (تولید تقویت‌شده با بازیابی) آشنا شده و می‌آموزید که چگونه منابع دانش خارجی را برای افزایش دقت مدل و کاهش توهمات (Hallucinations) در LLM ادغام کنید. پس از اتمام این دوره، شما مهارت‌های لازم برای طراحی، پیاده‌سازی و بهینه‌سازی مدل‌های زبانی بزرگ را به‌طور کامل به‌دست خواهید آورد.

سرفصل ها و درس ها

مقدمه‌ای بر سرویس Azure OpenAI Introduction to Azure OpenAI Service

  • درک مفاهیم سرویس Azure OpenAI Understanding Azure OpenAI Service

  • دمو: ایجاد یک نمونه از سرویس Azure OpenAI Demo: Creating an Azure OpenAI Service Instance

  • دمو: استقرار یک مدل در Azure OpenAI Demo: Deploying a Model in Azure OpenAI

  • دمو: نقش پیام‌ها در Azure OpenAI Demo: Message Roles in Azure OpenAI

بهینه‌سازی پارامترها Parameter Optimization

  • درک پارامتر پیام‌های پیشین (Past Messages Included) Understanding the Past Messages Included Parameter

  • درک پارامتر حداکثر توکن‌ها (Max Tokens) Understanding the Max Tokens Parameter

  • درک پارامتر Top P Understanding the Top P Parameter

  • درک پارامتر توالی توقف (Stop Sequence) Understanding the Stop Sequence Parameter

  • درک پارامترهای جریمه (Penalty Parameters) Understanding the Penalty Parameters

  • درک پارامتر دما (Temperature) Understanding the Temperature Parameter

  • دمو: تعامل با مدل GenAI با استفاده از OpenAI SDK Demo: Interacting with a GenAI Model using OpenAI SDK

  • ارزیابی عملکرد مدل هوش مصنوعی مولد Evaluating a Generative AI Model Performance

تولید تقویت‌شده با بازیابی (RAG) Retrieval-augmented Generation

  • درک مفاهیم تولید تقویت‌شده با بازیابی (RAG) Understanding Retrieval-augmented Generation (RAG)

  • دمو: اجرای RAG با استفاده از کدنویسی Demo: Performing RAG with Code

  • دمو: اجرای RAG بدون کدنویسی Demo: Performing RAG without Code

تنظیم دقیق (Fine-tuning) Fine-tuning

  • درک مفاهیم تنظیم دقیق (Fine-tuning) Understanding Fine-tuning

  • دمو: تنظیم دقیق یک مدل زبانی Demo: Fine-tune a Language Model

جریان پرامپت (Prompt Flow) Prompt Flow

  • درک مفاهیم Prompt Flow Understanding Prompt Flow

  • دمو: استفاده از Prompt Flow برای مدیریت گفتگو در یک اپلیکیشن چت Demo: Using a Prompt Flow to Manage Conversation in a Chat App

نمایش نظرات

آموزش طراحی و پیاده‌سازی راهکارهای علوم داده در Azure (DP-100): بهینه‌سازی مدل‌های زبانی برای کاربردهای هوش مصنوعی
جزییات دوره
1h 12m
19
(آخرین آپدیت)
2
از 5
دارد
دارد
دارد
Smit Shah
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Smit Shah Smit Shah

اسمیث شاه (Smit Shah) یک مدرس تایید شده مایکروسافت (MCT) است که سابقه درخشانی در حوزه فناوری اطلاعات و ارائه آموزش به شرکت‌های چندملیتی مختلف از جمله Deloitte، Accenture، Cognizant، LTIMindTree و غیره در ۷ سال گذشته دارد. او در زمینه‌های علوم داده، یادگیری ماشین، یادگیری عمیق، هوش مصنوعی مولد (GenAI)، تحلیل داده، آمار، Azure، پایتون، DBMS و بسیاری موارد دیگر تخصص دارد.