لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش بهینهسازی و استقرار سیستمهای مدلهای زبانی بزرگ (LLM)
- آخرین آپدیت
دانلود Optimizing and Deploying LLM Systems
نکته:
ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره:
این دوره مهارتهای شما را از ساخت نمونههای اولیه LLM به مقیاسبندی، یکپارچهسازی و استقرار سیستمهای هوش مصنوعی در سطح تولید (Production) ارتقا میدهد. شما مفاهیم سطح سیستم را با مهندسی عملی ترکیب میکنید تا عملکرد را تحلیل کرده، دادههای بلادرنگ و منابع چندوجهی را یکپارچه کنید و اپلیکیشنهای امن مستقر در ابر را عرضه نمایید.
چه توسعهدهنده باشید، چه دانشمند داده یا متخصص هوش مصنوعی، این دوره یک نقشه راه روشن برای تبدیل گردشکارهای بهینهشده LangChain به سرویسهای قابل اعتماد و قابل مشاهده ارائه میدهد که با APIهای زنده، دادههای ساختاریافته و چارچوبهای ارکستراسیون تعامل دارند.
از طریق درسهای هدایتشده، دموهای ساختاریافته و یادگیری پروژه-محور، یاد میگیرید که چگونه تأخیر (Latency) و مصرف توکن را تحلیل کنید، پرامپتها و زنجیرههای کارآمد طراحی نمایید و خط لولهها را با معیارهای LLMOps ارزیابی کنید. شما APIهای خارجی را متصل کرده، بازیابی ترکیبی (Hybrid Retrieval) را در متن، جداول و تصاویر پیادهسازی میکنید و جریانهای پیچیده داده را با استفاده از LlamaIndex و LangGraph مدیریت خواهید کرد. در نهایت، یک سرویس FastAPI را همراه با احراز هویت، مانیتورینگ و CI/CD کانتینریزه و مستقر میکنید که منجر به یک پروژه نهایی جامع (Capstone) میشود.
در پایان این دوره، شما قادر خواهید بود:
• خط لولههای LLM را از نظر تأخیر، توان عملیاتی و بهرهوری توکن/هزینه تحلیل و بهینهسازی کنید.
• استراتژیهای پرامپت و زنجیره (الگوهای پویا، کشینگ، تنظیم خودکار) را برای بهبود قابلیت اطمینان و سرعت طراحی کنید.
• حافظه، ابزارها و عاملها (Agents) را برای فعال کردن رفتارهای زمینهمحور و هدفمند پیادهسازی کنید.
• دادههای دنیای واقعی را از طریق APIهای امن و بازیابی ترکیبی در منابع ساختاریافته، بدون ساختار و چندوجهی یکپارچه کنید.
• گردشکارهای داده و ارزیابی را با استفاده از LlamaIndex و LangGraph برای استدلال مقیاسپذیر ارکستره کنید.
• یک سرویس FastAPI را با JWT/OAuth، مانیتورینگ و اتوماسیون CI/CD بسازید، ایمن کنید، کانتینریزه کرده و مستقر نمایید.
این دوره برای توسعهدهندگان هوش مصنوعی، دانشمندان داده و مهندسان نرمافزاری که آمادهاند از مرحله آزمایش پرامپت فراتر رفته و اپلیکیشنهای LLM آماده تولید ارائه دهند، ایدهآل است.
داشتن دانش کاربردی از پایتون و APIها توصیه میشود؛ تمامی مراحل برای کمک به تسلط شما بر استک استقرار، گامبهگام هدایت شدهاند.
به ما بپیوندید تا الگوهای مهندسی را که قدرتبخش هوش مصنوعی مولد مدرن و مقیاسپذیر هستند — از بهینهسازی و ارکستراسیون تا استقرار امن در ابر — بیاموزید.
سرفصل ها و درس ها
مقیاسبندی و بهینهسازی خط لولههای LLM
Scaling and Optimizing LLM Pipelines
معرفی تخصص
Specialization Introduction
معرفی دوره
Course Introduction
چرا بهینهسازی در سیستمهای LLM اهمیت دارد
Why Optimization Matters in LLM Systems
دمو: تحلیل تأخیر پاسخ و مصرف توکن در اپلیکیشن LangChain
Demonstration: Profiling Response Latency and Token Usage in LangChain App
دمو: پیادهسازی دستهبندی ناهمگام (Async Batching) و کشینگ
Demonstration: Implement Async Batching and Caching
پرامپتهای کارآمد برای قابلیت اطمینان و سرعت
Efficient Prompts for Reliability and Speed
دمو: پرامپتها و الگوهای پویا برای کنترل بهتر
Demonstration: Dynamic Prompts and Templates for Better Control
دمو: پیادهسازی کشینگ پرامپت و تنظیم خودکار
Demonstration: Implement Prompt Caching and Auto-Tuning
ارزیابی کیفیت خروجی مدل
Evaluating Model Output Quality
دمو: یکپارچهسازی LangSmith و Weights and Biases
Demonstration: LangSmith + Weights and Biases Integration
دمو: ردیابی هزینههای API و مصرف توکن
Demonstration: Tracking API Costs and Token Usage
یکپارچهسازی APIها و منابع داده خارجی
Integrating APIs and External Data Sources
قدرت APIها در LLMها
Power of APIs in LLMs
دمو: اتصال به چندین API خارجی
Demonstration: Connecting Multiple External APIs
دمو: خط لوله رویدادمحور با Webhooks و صفها
Demonstration: Event-Driven Pipeline with Webhooks and Queues
ترکیب دادههای ساختاریافته و بدون ساختار
Combining Structured and Unstructured Data
دمو: تبدیل زبان طبیعی به SQL با LangChain و OpenAI
Demonstration:Natural-Language to SQL with LangChain and OpenAI
دمو: بازیابی ترکیبی با استفاده از LLM و LangChain
Demonstration: Hybrid Retrieval Using LLM and LangChain
نمایه سازی دادهها و ارکستراسیون گردشکار
Data Indexing and Workflow Orchestration
دمو: خط لوله دادههای پیچیده با LlamaIndex
Demonstration: Complex Data Pipeline with LlamaIndex
دمو: گردشکار ارزیابی خودکار با LangGraph و LLM
Demonstration: Automated Evaluation Workflow with LangGraph and LLM
استقرار و مدیریت اپلیکیشنهای LLM
Deploying and Managing LLM Applications
از توسعه تا تولید — طراحی API
From Development to Production — API Design
دمو: ایجاد نقاط انتهایی REST با FastAPI برای گردشکارهای LangChain
Demonstration: Creating REST Endpoints with FastAPI for LangChain Workflows
دمو: افزودن احراز هویت (JWT/OAuth) و محدودیت نرخ درخواست
Demonstration: Adding Auth (JWT/OAuth) and Rate Limiting
اصول کانتینریسازی برای اپلیکیشنهای هوش مصنوعی
Containerization Essentials for AI Apps
دمو: داکرایز کردن اپلیکیشن LangChain و FastAPI
Demonstration: Dockerize LangChain + FastAPI App
دمو: استقرار API روی AWS
Demonstration: Deployment of API on AWS
بررسی پروژه نهایی: ارکستراتور LLM
Capstone Overview: LLM Orchestrator
دمو: بررسی کلی و معماری پروژه نهایی
Demonstration: Capstone Project Overview and Architecture
دمو: ساخت APIهای LLM با FASTAPI
Demonstration: Building LLM APIs with FASTAPI
دمو: یکپارچهسازی احراز هویت و تحلیلها
Demonstration: Authentication and Analytics Integration
دمو: خط لوله داده و تنظیمات داکر
Demonstration: Data Pipeline and Docker Setup
دمو: اتوماسیون استقرار با CI/CD
Demonstration: Automating Deployment with CI/CD
دمو: استقرار ابری و راهاندازی فرانتاند
Demonstration: Cloud Deployment and Frontend Setup
نمایش نظرات