آموزش گیت‌هاب: ارزیابی و ادغام مدل‌های هوش مصنوعی - آخرین آپدیت

دانلود GitHub: Evaluating and Integrating AI Models

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: در این دوره بیاموزید چگونه مدل‌های هوش مصنوعی را با استفاده از GitHub Models ارزیابی، انتخاب و ادغام کنید؛ سرویسی که مدل‌های یادگیری ماشین آماده و کاربردی را مستقیماً در پلتفرم گیت‌هاب فراهم می‌کند. شما با گشت‌وگذار در مارکت‌پلیس GitHub Models، مدل‌ها را بر اساس ارائه‌دهنده، قابلیت‌ها و محدودیت‌های نرخ درخواست (Rate Limits) مقایسه کرده و سپس آن‌ها را به‌صورت تعاملی در محیط Playground با استفاده از دستورات سیستمی (System Prompts) و کنترل‌های دما (Temperature) آزمایش می‌کنید. این دوره مهارت‌های عملی مورد نیاز برای انتقال از مرحله ارزیابی مدل به مرحله استقرار در محیط عملیاتی را پوشش می‌دهد. شما نحوه عملکرد محدودیت‌های نرخ درخواست در مدل‌های مختلف را درک کرده، استراتژی‌های مقیاس‌پذیری فراتر از سطح رایگان را از طریق ادغام با Azure AI می‌آموزید و محیط‌های توسعه ابری را با استفاده از GitHub Codespaces و کتابخانه‌های پیش‌نصب شده پایتون راه‌اندازی می‌کنید. در ماژول نهایی، یک رابط برنامه‌نویسی کاربردی (HTTP API) کامل با استفاده از FastAPI خواهید ساخت که به GitHub Models متصل می‌شود. همچنین نحوه احراز هویت با توکن‌های دسترسی شخصی، تست نقاط انتهایی (Endpoints) در Codespaces و اعمال استراتژی‌های اعتبارسنجی برای آمادگی در محیط تولید را یاد می‌گیرید. علاوه بر این، با ویژگی‌های هوش مصنوعی مسئولانه، از جمله فیلترهای محتوایی که گیت‌هاب از طریق Azure برای تضمین تعاملات ایمن اعمال می‌کند، آشنا خواهید شد. در پایان این دوره، شما تجربه عملی در ساخت و آزمایش APIهای قدرت گرفته از هوش مصنوعی را خواهید داشت که آماده استقرار در فضای ابری هستند.

سرفصل ها و درس ها

درک و ارزیابی مدل‌های هوش مصنوعی Understanding and Evaluating AI Models

  • درباره این دوره About This Course

  • معرفی مدرس Meet Your Instructor

  • مقدمه Introduction

  • درک مدل‌های هوش مصنوعی و چالش‌های فعلی Understanding AI Models and Current Challenges

  • استفاده بهینه از مارکت‌پلیس GitHub Models Navigating the GitHub Models Marketplace Effectively

  • به‌کارگیری تکنیک‌های Playground در مدل‌های گیت‌هاب Applying Playground Techniques to GitHub Models

  • ویژگی‌های کلیدی هوش مصنوعی مسئولانه Key Features of Responsible AI

  • جمع‌بندی Summary

مقیاس‌پذیری در استفاده از مدل‌های هوش مصنوعی Scaling AI Model Usage

  • مقدمه Introduction

  • مدیریت موثر محدودیت‌های نرخ درخواست (Rate Limits) Effective Management of Rate Limits

  • مقیاس‌پذیری فراتر از سطح رایگان Scaling Beyond the Free Tier

  • کداسپیس (Codespaces) چیست؟ What Is Codespaces

  • مدیریت منابع در Codespaces Management of Codespaces Resources

  • جمع‌بندی Summary

ساخت اپلیکیشن‌های یکپارچه Building Integrated Applications

  • مقدمه Introduction

  • ساخت توکن دسترسی شخصی (Personal Access Token) Creating a Personal Access Token

  • راه‌اندازی محیط توسعه Setting Up the Development Environment

  • ساخت یک HTTP API Creating an HTTP API

  • استراتژی‌های تست و اعتبارسنجی Strategies for Testing and Validation

  • جمع‌بندی Summary

نمایش نظرات

آموزش گیت‌هاب: ارزیابی و ادغام مدل‌های هوش مصنوعی
جزییات دوره
5h 7m
20
(آخرین آپدیت)
89
- 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