آموزش هوش مصنوعی مولد و مدل‌های پایه AWS - آخرین آپدیت

دانلود AWS Generative AI and Foundation Models

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: در این دوره، یاد می‌گیرید که چگونه راهکارهای هوش مصنوعی مولد (Generative AI) را در پلتفرم AWS با استفاده از Amazon Bedrock، خط لوله‌های RAG (تولید تقویت شده با بازیابی)، Amazon Q Developer و زنجیره ابزارهای LLM متن‌باز بسازید. شما مفاهیم توکن‌سازی را برای درک قیمت‌گذاری مدل‌ها و پنجره‌های بافت (Context Windows) به کار می‌برید، خط لوله‌های RAG را بر اساس پایگاه‌های دانش خودتان طراحی می‌کنید و از SDK بدراک در زبان‌های Rust و Python برای فراخوانی برنامه‌نویسی شده مدل‌های پایه استفاده خواهید کرد. این دوره همچنین Amazon Q Developer را برای تولید کد با کمک هوش مصنوعی، اسکن امنیتی و گردش کارهای مستندسازی در VS Code و IntelliJ پوشش می‌دهد. شما llama.cpp را با بهینه‌سازی‌های بیلد موازی بر اساس قانون آم‌دال کامپایل کرده، مدل‌ها را در قالب کوانتیزاسیون GGUF بسته‌بندی می‌کنید و LLMهای متن‌باز را روی نمونه‌های GPU در AWS EC2 مستقر می‌کنید. علاوه بر این، SageMaker Canvas برای یادگیری ماشین بصری بدون کد (No-Code) و ابزار بسته‌بندی UV پایتون برای مدیریت وابستگی‌ها معرفی می‌شوند. با اتمام این دوره، قادر خواهید بود مزایا و معایب سرویس‌های مدیریت‌شده AWS، ابزارهای متن‌باز و پلتفرم‌های بدون کد را برای بارهای کاری تولیدی هوش مصنوعی مولد ارزیابی کنید.

سرفصل ها و درس ها

هوش مصنوعی مولد AWS و Amazon Q AWS Generative AI and Amazon Q

  • مقدمه دوره: مدل‌های زبانی بزرگ متن‌باز Course Intro: Open-Source LLMs

  • هوش مصنوعی مولد در AWS Generative AI on AWS

  • توکن‌سازی چیست؟ What is Tokenization

  • معماری مدل‌های چندگانه Multiple Model Architecture

  • مقدمه‌ای بر RAG Intro to RAG

  • پیاده‌سازی RAG در AWS RAG on AWS

  • دموی RAG با عامل دانش Bedrock Bedrock Knowledge Agent RAG Demo

  • بررسی جامع سیستم RAG Bedrock RAG Bedrock System Walkthrough

  • دموی لیست Bedrock در زبان Rust Bedrock List Rust Demo

  • دیاگرام Bedrock Rust Bedrock Rust Diagram

  • مقدمه‌ای بر Amazon Q Developer Amazon Q Developer Intro

  • توسعه با Amazon Q Developer Developing with Amazon Q Developer

  • استفاده از Amazon Q Developer در IntelliJ Amazon Q Developer IntelliJ

  • نصب Amazon Q در VS Code Install Amazon Q VS Code

  • دستیار مستندسازی Documentation Assistant

  • اسکن کد با Amazon Q Amazon Q Code Scanning

  • ورودی/خروجی اختصاصی (Provisioned IO) در Bedrock Bedrock Provisioned IO

  • راه‌اندازی Provisioned IO در Bedrock Setup Bedrock Provisioned IO

  • ارزیابی پرامپت‌ها در Bedrock Evaluate Prompts in Bedrock

زنجیره ابزارهای LLM متن‌باز و AWS SageMaker Open-Source LLM Toolchain and AWS SageMaker

  • قانون آم‌دال و کامپایل llama.cpp Amdahl's Law and Compiling llama.cpp

  • فلگ‌های کامپایل llama.cpp llama.cpp Flags Compile

  • فرمت فایل GGUF GGUF File Format

  • اصلاح بسته‌بندی پایتون با ابزار UV CLI Fixing Python Packaging with UV CLI Tool Demo

  • معماری ابزار UV UV Architecture

  • زنجیره ابزاری llama.cpp برای Qwen Coder llama.cpp Toolchain Qwen Coder

  • دموی چت‌بات Qwen2.5 Coder با llama.cpp llama.cpp Qwen2.5 Coder Chatbot Demo

  • دموی اجرای llama.cpp روی GPU در AWS llama.cpp on AWS GPU Demo

  • مقدمه‌ای بر SageMaker Canvas SageMaker Canvas Intro

  • بررسی رابط کاربری Canvas Overview of Canvas UI

  • کار با مجموعه‌داده‌ها (Dataset) Working with Dataset

  • جمع‌بندی دوره Course Conclusion

نمایش نظرات

آموزش هوش مصنوعی مولد و مدل‌های پایه AWS
جزییات دوره
5h 7m
31
(آخرین آپدیت)
73
- 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