آموزش هوش مصنوعی مولد (GenAI) و مدل‌های زبانی بزرگ (LLMs) در AWS - آخرین آپدیت

دانلود GenAI and LLMs on AWS

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: این دوره به شما می‌آموزد چگونه مدل‌های زبانی بزرگ (LLMs) را با استفاده از سرویس‌های AWS مانند Amazon Bedrock در محیط عملیاتی (Production) مستقر و مدیریت کنید. در پایان این دوره، شما قادر خواهید بود: انتخاب معماری و مدل مناسب LLM برای اپلیکیشن خود با استفاده از سرویس‌های ابری بهینه‌سازی هزینه، عملکرد و مقیاس‌پذیری LLMها در AWS با استفاده از Auto-scaling groups، Spot instances و ارکستراسیون کانتینرها مانیتورینگ و ثبت لاگ‌های مدل LLM برای شناسایی مشکلات و بهبود مستمر کیفیت ساخت خط لوله‌های (Pipelines) امن و قابل اعتماد برای آموزش، استقرار و به‌روزرسانی مدل‌ها با سرویس‌های AWS رعایت قوانین و مقررات هنگام استقرار مدل‌ها در محیط عملیاتی از طریق تکنیک‌هایی مانند حریم خصوصی تفاضلی (Differential Privacy) و عرضه کنترل‌شده ویژگی منحصر به فرد این دوره، تمرکز بر عملیاتی‌سازی واقعی مدل‌های زبانی بزرگ در بستر AWS است. شما از طریق آزمایشگاه‌های عملی (Hands-on labs)، مفاهیم را در محیط واقعی پیاده‌سازی خواهید کرد. چه مهندس یادگیری ماشین باشید، چه دانشمند داده یا مدیر فنی، مهارت‌های کاربردی لازم برای اجرای LLMها در محیط عملیاتی را کسب خواهید کرد.

سرفصل ها و درس ها

شروع توسعه هوش مصنوعی در AWS Getting Started with Developing on AWS for AI

  • معرفی دوره Course Introduction

  • مدل سرویس ابری برای AI Cloud Service Model for AI

  • مدل استقرار ابری برای AI Cloud Deployment Model for AI

  • مزایای رایانش ابری Benefits of Cloud Computing

  • چارچوب پذیرش ابری AWS برای AI AWS Cloud Adoption Framework for AI

  • محیط‌های توسعه برای AI Development Environments for AI

  • چالش‌ها و فرصت‌های MLOps در Rust و Python MLOps Challenges and Opportunities in Rust and Python

  • گردش‌کار هوش مصنوعی مولد برای Rust Generative AI Workflow for Rust

  • پایتون برای علوم داده در عصر Rust و GenAI Python for Data Science in the Era of Rust and GenAI

  • گردش‌کارهای نوظهور LLMOps در Rust Emerging Rust LLMOps Workflows

  • شروع کار با Code Catalyst برای Rust Getting Started with Code Catalyst for Rust

  • شروع کار با Sagemaker Editor Getting Started with Sagemaker Editor

  • شروع کار با Lightsail برای تحقیقات Getting Started Lightsail for Research

  • دیاگرام سرورلس با سرویس AWS Bedrock Diagram of Serverless with AWS Bedrock Service

  • دموی عامل دانش AWS Bedrock Demo AWS Bedrock Knowledge Agent

  • دموی رابط خط فرمان (CLI) AWS Bedrock Demo AWS Bedrock CLI

  • دیاگرام گزینه‌های سرورلس برای Rust Diagram Serverless Options for Rust

  • دیاگرام اجزای میکروسرویس Greedy Coin با Rust Axum Diagram Rust Axum Greedy Coin Microservice Components

  • دموی Rust Axum Greedy Coin Demo Rust Axum Greedy Coin

  • دموی گردش‌کار Docker در Rust Axum Demo Rust Axum Docker Workflow

برنامه‌نویسی جفتی AI از CodeWhisperer تا مهندسی پرامپت AI Pair Programming from CodeWhisperer to Prompt Engineering

  • گردش‌کارهای مهندسی پرامپت Prompt Engineering Workflows

  • خلاصه‌سازی متن با Claude Summarizing Text with Claude

  • استفاده از CodeWhisperer برای Rust در Cloud9 CodeWhisperer for Rust in Cloud9

  • نصب و پیکربندی CLI CodeWhisperer Install and ConfigureCodeWhisperer CLI

  • کار با CLI CodeWhisperer Using CodeWhisperer CLI

  • ساخت Bash CLI Building Bash CLI

  • توابع Bash Bash Functions

سرویس Amazon Bedrock Amazon Bedrock

  • اجزای کلیدی Amazon Bedrock Key Components of Amazon Bedrock

  • بررسی SDK پایتون Boto3 Bedrock Client Exploring the Boto3 Bedrock Client Python SDK

  • بررسی SDK زبان Rust در Cargo Exploring the Cargo Rust SDK

  • فراخوانی لیست مدل‌ها با پایتون Invoking Python List Models

  • فراخوانی لیست مدل‌ها با Rust Invoking Rust List Models

  • فراخوانی Claude از طریق Bedrock Runtime API Invoking Claude via Bedrock Runtime API

چالش‌های پروژه Project Challenges

  • معرفی Cargo Lambda Introduction to Cargo Lambda

  • ساخت تابع Add در Rust برای AWS Lambda Building Rust Add Function for AWS Lambda

نمایش نظرات

آموزش هوش مصنوعی مولد (GenAI) و مدل‌های زبانی بزرگ (LLMs) در AWS
جزییات دوره
46h 11m
35
(آخرین آپدیت)
5,686
- از 5
دارد
دارد
دارد
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

Noah Gift Noah Gift

کارشناس MLOps | انفرادی | نویسنده | استادیار | CTO

Noah Gift بنیانگذار Pragmatic A.I است. آزمایشگاه ها و یکی از همکاران بنیاد نرم افزار پایتون.

نوح به طور گسترده با AWS کار می کند و یک قهرمان یادگیری ماشین AWS است. او دارای چندین گواهینامه صنعتی برای AWS است. نوح آموزش و طراحی دوره های آموزشی ماشین فارغ التحصیل، MLOps، A.I.، علم داده و مشاوره در زمینه یادگیری ماشین و معماری ابری را انجام می دهد. مسئولیت های او شامل رهبری ابتکار صدور گواهینامه چند ابری برای دانش آموزان است. نوح نقش های مختلفی را به صورت حرفه ای ایفا کرده است، از جمله CTO، مدیر کل، مشاور مدیر ارشد فناوری، مشاور ارشد دانشمند داده و معمار ابر. او همچنین دارای چندین تیتراژ فیلم در فیلم‌های اصلی برای کارهای فنی از جمله آواتار، مرد عنکبوتی 3 و بازگشت سوپرمن است.

Derek Wales Derek Wales