لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش معماری راهکارهای هوش مصنوعی – سیستمهای مقیاسپذیر GenAI
- آخرین آپدیت
دانلود Architecting AI Solutions – Scalable GenAI Systems
نکته:
ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره:
بهروزرسانی شده در می ۲۰۲۵.
این دوره اکنون دارای قابلیت Coursera Coach است!
روشی هوشمندتر برای یادگیری با گفتگوهای تعاملی و در لحظه که به شما کمک میکند تا دانش خود را آزمایش کنید، پیشفرضها را به چالش بکشید و در حین پیشروی در دوره، درک خود را عمیقتر کنید.
این دوره سفری جامع به دنیای معماری اپلیکیشنهای مقیاسپذیر و کارآمد هوش مصنوعی مولد (GenAI) ارائه میدهد. این دوره شما را با مهارتهای لازم برای طراحی، استقرار و بهینهسازی سیستمهای GenAI مجهز میکند. آموزش با ایجاد دانش بنیادی در مورد GenAI، از جمله تکامل آن از هوش مصنوعی سنتی به معماریهای مدرن آغاز میشود و سپس به مفاهیم کلیدی مانند اتوانکودرهای متغیر (VAEs) و شبکههای مولد رقابتی (GANs) میپردازد. با بررسی این مدلها، نقش حیاتی آنها در فعالسازی مدلهای زبانی بزرگ (LLMs) پیشرفته را درک خواهید کرد.
در ادامه، شما وارد جزئیات معماری LGPL خواهید شد و اجزای آن شامل Gates، Pipes و Loops را از طریق شبیهسازیهای عملی بررسی میکنید. این بخش به شما کمک میکند تا درک کنید چگونه این عناصر در تعامل با یکدیگر، اپلیکیشنهای قدرتمند GenAI را میسازند. همچنین با بهترین روشها برای ساخت سیستمهای مقیاسپذیر، از جمله کانتینرسازی، توزیع بار (Load Balancing)، تحمل خطا و استراتژیهای استقرار ابری (Cloud-Native) آشنا میشوید. دروس کاربردی در انتخاب زیرساخت و استراتژیهای استقرار، مسیری روشن به سوی پیادهسازی در دنیای واقعی ارائه میدهد.
این دوره با تمرکز بر ساخت اپلیکیشنهای GenAI تابآور، موضوعات ضروری مانند مدیریت خطا، ثبت وقایع (Logging)، مانیتورینگ و دسترسی بالا (High Availability) را دنبال میکند. شما مسائل پیشرفته امنیتی، استراتژیهای بازیابی پس از فاجعه (Disaster Recovery) و تکنیکهای بهینهسازی هزینه را برای ساخت سیستمهای GenAI که هم مقرونبهصرفه و هم با دسترسی بالا باشند، بررسی خواهید کرد. با بررسی مطالعات موردی و مثالهای عملی، یاد میگیرید که این مفاهیم را در سناریوهای واقعی مانند سیستمهای معاملاتی لحظهای و سیستمهای توصیه تشخیصی به کار ببرید.
این دوره برای متخصصان هوش مصنوعی، رایانش ابری و توسعه نرمافزار که میخواهند در پیچیدگیهای ساخت سیستمهای مقیاسپذیر و تابآور GenAI استاد شوند، ایدهآل است. این دوره نیازمند درک بنیادی از مفاهیم هوش مصنوعی و برنامهنویسی است و برای یادگیرندگان سطح متوسط که قصد ارتقای مهارتهای خود در معماری اپلیکیشنهای مبتنی بر AI را دارند، مناسب است.
سرفصل ها و درس ها
مقدمه
Introduction
مقدمه و پیشنیازهای دوره
Introduction & Course Prerequisites
نکته مهم و ساختار دوره
IMPORTANT Note and Course Structure
بررسی عمیق هوش مصنوعی مولد (GenAI)
GenAI (Generative AI) Deep Dive
بررسی عمیق GenAI: چیست و مثالهایی از کاربردهای واقعی
GenAI Deep Dive - What is It and Example of GenAI - Real-life Applications
تکامل معماری AI: از هوش مصنوعی سنتی تا مولد (مرور کلی)
The Evolution of AI Architecture - Traditional to Generative AI - Overview
مفاهیم کلیدی GenAI: اتوانکودرهای متغیر (VAE) و شبکههای مولد رقابتی (GAN)
GenAI Key Concepts: Variational Autoencoders and Generative Adversarial Networks
بررسی VAEها و GANها در مدلهای زبانی بزرگ (LLM)
Variational Autoencoders (VAEs) and Generative Adversarial Networks (LLM)
مزایا و چالشهای ساخت اپلیکیشنهای GenAI
Benefits and Challenges of Building GenAI Applications
بررسی عمیق معماری LGPL
The LGPL Architecture - Deep Dive
بررسی عمیق معماری LGPL: چرا معماری اپلیکیشن GenAI ضروری است
The LGPL Architecture Deep Dive - Why GenAI Application Architecture is a Must
معماری LGPL و لایههای آن (مرور کلی)
The LGPL Architecture and Layers - Overview
درگاهها (Gates)
Gates
لولهها (Pipes)
Pipes
حلقهها و جمعبندی: مرور کلی کل معماری LGPL
Loops and Bringing it All Together - The Whole LPGL Architecture Overview
تمرین عملی: شبیهسازی درگاههای ساده با برنامه کنسول پایتون
Hands-on - Simple Gates Simulation - Python Console Program
نمایش نظرات