هوش مصنوعی مولد و مدل‌های زبانی بزرگ NVIDIA: آموزش و دریافت گواهینامه NCA-GENL - آخرین آپدیت

دانلود NVIDIA GenAI & LLMs: Learn and Pass NCA-GENL Certification

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: پتانسیل‌های خود را در زمینه هوش مصنوعی مولد (Generative AI) و مدل‌های زبانی بزرگ (LLMs) از طریق این دوره جامع آزاد کنید. در زیرساخت‌های AI غوطه‌ور شوید، تکنیک‌های پیشرفته سفارشی‌سازی مدل‌ها را بررسی کنید و تجربه عملی کسب نمایید. در حالی که مهارت‌های ضروری AI برای موفقیت در دنیای واقعی را می‌سازید، به‌طور موثر برای آزمون گواهینامه NCA-GENL آماده شوید. این دوره تخصص لازم برای برتری در هوش مصنوعی مولد و مدل‌های زبانی بزرگ با تمرکز بر زیرساخت‌های AI شرکت NVIDIA را در اختیار فراگیران قرار می‌دهد. با شروع از مفاهیم بنیادی AI و ML، دوره به‌تدریج به معماری ترنسفورمر، انتخاب مدل و سفارشی‌سازی می‌پردازد. هر ماژول بر پایه ماژول قبلی بنا شده است و به زبان‌آموزان اجازه می‌دهد درک دقیقی از فناوری‌هایی که قدرت‌بخش راهکارهای پیشرفته AI هستند، به دست آورند. با پیشرفت دوره، فراگیران تکنیک‌های یادگیری عمیق، مدل‌های زبانی بزرگ و معماری ترنسفورمرها را بررسی خواهند کرد. رویکرد عملی این دوره بر نحوه آموزش موثر و سفارشی‌سازی مدل‌ها برای کاربردهای دنیای واقعی تأکید دارد. این دوره برای کسانی طراحی شده است که می‌خواهند بر مجموعه ابزارهای AI شرکت NVIDIA از جمله TensorRT، RAPIDS و NeMo مسلط شوند. چه مبتدی باشید و چه به دنبال تعمیق دانش خود، این دوره شما را به مهارت‌های لازم برای رشد در زمینه هوش مصنوعی و یادگیری ماشین مجهز می‌کند. در پایان این دوره، شما برای آزمون گواهینامه NCA-GENL آماده خواهید بود و تسلط بالایی بر عملکردهای اخلاقی AI خواهید داشت که شما را آماده می‌کند تا با اعتماد به نفس با چالش‌های واقعی AI روبرو شوید. این دوره برای مهندسان AI، متخصصان یادگیری ماشین و معماران ابری که به دنبال تسلط بر Generative AI و موفقیت در آزمون NCA-GENL هستند طراحی شده است. اگرچه درک بنیادی از مفاهیم AI، یادگیری ماشین و زیرساخت‌های مبتنی بر ابر مفید خواهد بود، اما الزامی نیست. این دوره دانش ضروری و مهارت‌های عملی مورد نیاز برای برتری در زمینه هوش مصنوعی مولد را فراهم کرده و پایه‌ای محکم برای کسانی که مشتاق پیشرفت در تخصص و مسیر شغلی خود در فناوری‌های AI و ابری هستند، ارائه می‌دهد. این دوره از یک رویکرد ساختاریافته پیروی می‌کند که دانش تئوری را با کاربرد عملی ترکیب می‌کند. هر ماژول به‌گونه‌ای طراحی شده است که به فراگیران کمک کند قبل از ورود به مباحث پیچیده‌تر مانند سفارشی‌سازی و استقرار مدل، در مفاهیم اصلی AI مهارت پیدا کنند. با آزمایشگاه‌های عملی، فراگیران دانش خود را تقویت کرده و مهارت‌های کاربردی برای پیاده‌سازی AI در دنیای واقعی کسب می‌کنند. این دوره بر اساس NVIDIA GenAI & LLMs: Learn and Pass NCA-GENL Certification اثر Ashish Prajapati تهیه شده است. این دوره توسط Packt لایسنس و توزیع شده است. تمامی حقوق محفوظ است. شرکت Packt یکی از پرکارترین ناشران محتوای فنی پیشرفته در جهان است. برای بیش از دو دهه، ماموریت ما گردآوری و انتشار دانش تنها از بهترین متخصصان فنی بوده است. ما بر دوره‌های کاربردی متمرکز هستیم که به مشتریان ما کمک می‌کند کارهایشان را به بهترین شکل انجام دهند و پوششی گسترده از موضوعات فنی تثبیت‌شده و پیشرو را ارائه می‌دهیم. اگر فرد یا سازمانی هستید که یادگیری از طریق عمل را می‌پذیرید، Packt انتخابی ایده‌آل برای شماست.

سرفصل ها و درس ها

خوش‌آمدگویی Welcome

  • مقدمه Introduction

چرا هوش مصنوعی مولد برای شرکت‌ها و شما اهمیت دارد؟ Why Generative AI Matters for Companies and You?

  • چرا شرکت‌ها روی هوش مصنوعی مولد سرمایه‌گذاری می‌کنند و چرا برای شما مهم است Why Companies Invest in Generative AI—and Why It Matters to You

جزئیات گواهینامه NVIDIA NVIDIA Certification Details

  • آشنایی با مسیرهای گواهینامه Know about Certification Tracks

  • گواهینامه NCA GENL NCA-GENL Certification

ماژول ۱: زیرساخت هوش مصنوعی Module 1 - AI Infrastructure

  • چه مباحثی را پوشش خواهیم داد؟ What we will cover?

  • پشته (Stack) AI و ML AII and ML Stack

  • زیرساخت هوش مصنوعی AI Infrastructure

  • پردازنده‌های گرافیکی (GPUs) برای AI و ML GPUs for AI and ML

  • مقایسه GPU در مقابل CPU GPU vs. CPU

  • معماری GPU GPU Architecture

  • تجمیع حافظه (Memory Pooling) Memory Pooling

  • ابر در مقابل On-Prem Cloud vs. On-Prem

  • زیرساخت شبکه Network Infrastructure

  • زیرساخت ذخیره‌سازی Storage Infrastructure

  • خلاصه ماژول ۱ Module 1 - Summary

ماژول ۲: مبانی AI و ML Module 2 - AI and ML Fundamentals

  • هوش مصنوعی و یادگیری ماشین AI and ML

  • یادگیری عمیق Deep Learning

  • یک مورد کاربردی ساده A Simple Use Case

  • مدل چیست؟ What is a Model?

  • آموزش یک مدل Training a Model

  • خلاصه ماژول ۲ Module 2 - Summary

ماژول ۳: هوش مصنوعی مولد و LLM Module 3 - Generative AI & LLM

  • هوش مصنوعی مولد چیست؟ What is Generative AI?

  • مدل پایه (Foundation Model) Foundation Model

  • مدل زبانی بزرگ (LLM) Large Language Model

  • مسیر رسیدن به هوش مصنوعی مولد Road to Generative AI

  • ترنسفورمرها Transformers

  • خلاصه ماژول ۳ Module 3 - Summary

ماژول ۴: معماری ترنسفورمر Module 4 - Transformer Architecture

  • ترنسفورمر: موتور محرک AI مدرن Transformer - The engine behind Modern AI

  • ترنسفورمرها چگونه کار می‌کنند؟ How Transformers work?

  • توکن‌سازی (Tokenization) Tokenization

  • کدگذاری (Encoding) Encoding

  • جای‌گذاری کلمات (Word Embedding) Word Embedding

  • رمزگشایی (Decoding) Decoding

  • خروجی Output

  • کدگذاری موقعیتی (Positional Encoding) Positional Encoding

  • توضیح‌دهنده ترنسفورمر Transformer Explainer

  • مکانیسم توجه (Attention Mechanism) Attention Mechanism

  • توجه چندسره (Multi-Head Attention) Multi Head Attention

  • رمزگذار-رمزگشا (Encoder-Decoder) Encoder Decoder

  • از کدام یک استفاده کنیم؟ Which one to use?

  • استراتژی پیش‌بینی Prediction Strategy

  • خلاصه ماژول ۴ Module 4 - Summary

ماژول ۵: انتخاب مدل Module 5 - Model Selection

  • چگونه مدل پایه AI مناسب را انتخاب کنیم؟ How to Pick the Right AI Foundation Model?

  • فرآیند انتخاب مدل Model Selection Process

  • مقایسه SLM در مقابل LLM SLM vs. LLM

  • ارزیابی مدل Model Evaluation

  • معیارهای مهم Metrics that Matters

  • مقایسه معیارها Metrics Comparison

  • اعتبارسنجی متقاطع (Cross Validation) Cross Validation

  • تست A/B A/B Testing

  • انتخاب بهترین مدل Selecting Best Model

  • خلاصه ماژول ۵ Module 5 - Summary

ماژول ۶: سفارشی‌سازی مدل Module 6 - Model Customization

  • چرا یک مدل را سفارشی‌سازی کنیم؟ Why Customize a Model?

  • مهندسی پرامپت Prompt Engineering

  • پرامپت سیستمی System Prompt

  • تولید تقویت‌شده با بازیابی (RAG) Retrieval Augmented Generation (RAG)

  • قطعه‌بندی (Chunking) Chunking

  • یادگیری انتقالی (Transfer Learning) Transfer Learning

  • رویکردهای یادگیری انتقالی Transfer Learning Approaches

  • موارد کاربرد یادگیری انتقالی Transfer Learning Use Cases

  • تنظیم دقیق (Fine-Tuning) Fine-Tuning

  • تقطیر دانش (Knowledge Distillation) Knowledge Distillation

  • دقت روی مجموعه اعتبارسنجی Accuracy on a Validation Set

  • خلاصه ماژول ۶ Module 6 - Summary

ماژول ۷: آموزش مدل Module 7 - Model Training

  • آنالوگ آموزش مدل Model Training Analogy

  • آبجو یا شراب Beer or Wine

  • ترتیب مراحل Order of Steps

  • جمع‌آوری داده‌ها Data Collection

  • پردازش داده‌ها: RegEx Data Processing - RegEx

  • پردازش داده‌ها: EDA Data Processing - EDA

  • تکنیک‌های EDA EDA Techniques

  • آموزش مدل Model Training

  • مراحل آموزش مدل Model Training Phases

  • ارزیابی مدل Model Evaluation

  • استقرار مدل Model Deployment

  • گزینه‌های استقرار Options for Deployment

  • فرمت ONNX ONNX Format

  • کوانتیزاسیون (Quantization) Quantization

  • پس از استقرار Post Deployment

  • خلاصه ماژول ۷ Module 7 - Summary

ماژول ۸: اکوسیستم NVIDIA Module 8 - NVIDIA Eco-system

  • اکوسیستم NVIDIA NVIDIA Eco-system

  • پردازنده‌های گرافیکی NVIDIA NVIDIA GPUs

  • کودا (CUDA) CUDA

  • NVIDIA SMI NVIDIA SMI

  • NVIDIA RAPIDS NVIDIA RAPIDS

  • RAPIDS چگونه کار می‌کند؟ How RAPIDS work?

  • NVIDIA Tensor RT NVIDIA Tensor-RT

  • مقایسه Tensor RT، کوانتیزاسیون و ONNX Tensor-RT vs Quantization vs ONNX

  • NVIDIA NeMo NVIDIA NeMo

  • NVIDIA Triton NVIDIA Triton

  • دسته‌بندی پویا (Dynamic Batching) Dynamic Batching

  • کاتالوگ NGC NGC Catalog

  • سایر ادغام‌ها Other Integration

  • خلاصه ماژول ۸ Module 8 - Summary

ماژول ۹: اخلاق در هوش مصنوعی Module 9 - Ethical AI

  • هوش مصنوعی اخلاقی Ethical AI

  • ساخت AI قابل اعتماد Building Trustworthy AI

  • محاسبات محرمانه Confidential Computing

  • نرده‌های حفاظتی NVIDIA NeMo NVIDIA NeMo Guardrails

  • طبقه‌بندی امبدینگ Embedding Classifier

  • ردیابی تبار داده‌ها (Data Lineage Tracking) Data Lineage Tracking

  • تیم قرمز (Red Teaming) Red Teaming

  • افزایش داده‌ها (Data Augmentation) Data Augmentation

  • پاسخگویی و مسئولیت‌پذیری Accountability

  • هوش مصنوعی توضیح‌پذیر (Explainable AI) Explainable AI

  • خلاصه ماژول ۹ Module 9 - Summary

ماژول ۱۰: مباحث تکمیلی Module 10 - Additional Topics

  • انتشار پیش‌رو و پس‌رو (Forward and Back Propagation) Forward and Back Propagation

  • گرادیان‌های ناپدید شونده Vanishing Gradients

  • چالش‌های گرادیان‌های ناپدید شونده Challenges of Vanishing Gradients

  • نورون Neuron

  • داخل یک نورون Inside a Neuron

  • آیا این یک گربه است؟ Is it a Cat?

  • مقایسه ReLU در مقابل Sigmoid ReLU vs Sigmoid

  • نرمال‌سازی لایه Layer Normalization

  • رابطه موجودیت‌های نام‌گذاری شده Named Entity Relationship

  • الگوریتم‌های دیفیوژن (Diffusion) Diffusion Algorithms

  • دیفیوژن پیش‌رو و معکوس Forward and Reverse Diffusion

  • دیفیوژن پیش‌رو Forward Diffusion

  • دیفیوژن معکوس Reverse Diffusion

  • توسعه سریع اپلیکیشن (RAD) Rapid Application Development (RAD)

  • ترنسفورمرهای HuggingFace HuggingFace Transformers

  • خلاصه ماژول ۱۰ Module 10 - Summary

نکاتی برای آزمون گواهینامه Tips for Certification Exam

  • آماده‌سازی برای آزمون گواهینامه Prepare for Certification Exam

نمایش نظرات

هوش مصنوعی مولد و مدل‌های زبانی بزرگ NVIDIA: آموزش و دریافت گواهینامه NCA-GENL
جزییات دوره
13h 7m
122
(آخرین آپدیت)
65
- 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