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

  • تمرین عملی: شبیه‌سازی حلقه بازخورد (Feedback Loop) Hands-on - Simulate Feedback Loop

  • تمرین عملی: شبیه‌سازی کامل شامل تمام لایه‌های معماری Hands-on - Full Simulation Including All Architecture Layers

ساخت اپلیکیشن‌های مقیاس‌پذیر GenAI Building Scalable GenAI Applications

  • ساخت اپلیکیشن‌های مقیاس‌پذیر GenAI: مقدمه و انتخاب زیرساخت Building Scalable GenAI Applications - Introduction & Infrastructure Selection

  • کانتینرسازی و دوره سریع آشنایی با Docker Containerization & Docker Crash Course

  • معماری میکروسرویس در مقابل معماری یکپارچه (Monolith) Microservices vs Monolith Architecture

  • تعامل توزیع بار و تحمل خطا: بررسی جامع Load Balancing and Fault Tolerance Working Together - Full Overview

  • توزیع بار و تحمل خطا: نگاه کلی Load Balancing and Fault Tolerance - Full Overview

ساخت برای استقرارهای ابری (Cloud Native) Building for Cloud-Native Deployments

  • بهره‌گیری از ابر برای اپلیکیشن‌های مقیاس‌پذیر GenAI: مقدمه Leveraging the Cloud for Scalable GenAI Applications - Introduction

  • مزایای رایانش ابری برای اپلیکیشن‌های GenAI The Cloud Advantage for GenAI Applications

ساخت اپلیکیشن‌های تاب‌آور GenAI Building Resilient GenAI Applications

  • ساخت اپلیکیشن‌های تاب‌آور GenAI: مدیریت خطا و استثناها Building Resilient GenAI Applications - Error Handling & Exception Management

  • ثبت خطاها: جلوگیری از شکست‌های زنجیره‌ای و منطق تلاش مجدد (Retry Logic) Error Logging - Cascading Failure Prevention & Retry Logic for Corrective Action

  • مانیتورینگ، ثبت وقایع و سیستم‌های هشدار Monitoring and Logging and Alerting

  • دیاگرام‌های مانیتورینگ: پردازش لاگ‌ها و سیستم‌های Alert Diagrams for Monitoring - Log Processing and Alert Systems

استراتژی‌های بازیابی پس از فاجعه و دسترسی بالا Disaster Recovery and High Availability Strategies

  • استراتژی‌های بازیابی پس از فاجعه و دسترسی بالا: مقدمه‌ای بر DR Disaster Recovery and High Availability Strategies - Introduction to DR

  • دسترسی بالا و بازیابی پس از فاجعه در عمل: پشتیبانی AWS از DR و HA High Availability and Disaster Recovery in Action - AWS Support for DR and HA

  • مطالعه موردی ۱: سیستم معاملاتی لحظه‌ای (معماری کامل اپلیکیشن GenAI) Case Study 1 - Real-time Trading System - Full GenAI Application Architecture

  • مطالعه موردی ۲: نوبت شماست (سیستم GenAI برای توصیه‌های تشخیصی) Case Study 2 - Your Turn - GenAI System for Diagnosis Recommendation System

تهدیدات امنیتی در اپلیکیشن‌های GenAI Security Threats in GenAI Applications

  • تهدیدات امنیتی در اپلیکیشن‌های GenAI: هایجکینگ مدل و نشت حریم خصوصی Security Threats in GenAI Applications - Model Hijacking and Privacy Leakage

  • دیپ‌فیک‌ها، حملات فرار، تهدیدات داخلی و حملات Adversarial Deepfakes - Evasion Attacks - Insider Threats - Adversarial Attack

  • راهکارهای حملات Adversarial: هوش مصنوعی قابل توضیح (XAI) Adversarial Attacks Solution - XAI (Explainable AI)

استراتژی‌های بهینه‌سازی هزینه برای زیرساخت GenAI Cost Optimization Strategies for GenAI Infrastructure

  • بهینه‌سازی هزینه اپلیکیشن GenAI: سایزبندی درست، Spot Instances و کانتینرها GenAI Application Cost Optimization - Right-sizing, Spot Instances & Containers

  • تکنیک‌هایی برای کاهش هزینه‌ها Some Techniques to Reduce Cost

  • انتخاب پلتفرم ابری مناسب و خلاصه بهینه‌سازی قیمت‌گذاری Choosing the Right Cloud Platform and Pricing Optimization Summary

مباحث پیشرفته در معماری اپلیکیشن‌های GenAI Advanced Topics in GenAI Application Architecture

  • مباحث پیشرفته در معماری اپلیکیشن GenAI: بررسی جامع XAI Advanced Topics in GenAI App Architecture - XAI Full Overview

  • بررسی جامع MLOps و CI/CD و اهمیت آن‌ها MLOps and CICD Full Overview and Importance

  • هوش مصنوعی مسئولانه و ملاحظات اخلاقی در اپلیکیشن‌های GenAI Responsible AI and Ethical Considerations for GenAI Applications

  • روندهای نوظهور: مرور کلی Emerging Trends - Full Overview

گام‌های بعدی Next Steps

  • گام‌های بعدی Next Steps

نمایش نظرات

آموزش معماری راهکارهای هوش مصنوعی – سیستم‌های مقیاس‌پذیر GenAI
جزییات دوره
6h 19m
41
(آخرین آپدیت)
666
- 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