آموزش چرخه حیات هوش مصنوعی با پلتفرم H2O.ai - آخرین آپدیت

دانلود The AI Lifecycle with the H2O.ai Platform

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: پلتفرم H2O.ai کل چرخه حیات هوش مصنوعی را در یک محیط هماهنگ تجمیع می‌کند: از داده‌های خام تا هوش مصنوعی عملیاتی، شامل هر دو حوزه یادگیری ماشین پیش‌بینانه (Predictive ML) و هوش مصنوعی مولد (Generative AI). در ۲۵ درس متمرکز، خواهید دید که تیم‌های سازمانی چگونه از این پلتفرم به‌صورت جامع (End-to-End) استفاده می‌کنند. شما با آماده‌سازی خودکار داده‌ها، مهندسی ویژگی‌ها و AutoML در H2O Driverless AI شروع می‌کنید، سپس به مبحث تفسیرپذیری با SHAP و LIME، تست عدالت با تحلیل اثرات متمایز (Disparate Impact Analysis) و مدیریت کامل چرخه حیات مدل در H2O MLOps — شامل استقرار، تست A/B، مقیاس‌پذیری خودکار و نظارت بلادرنگ بر رانش مدل (Drift Monitoring) می‌پردازید. در بخش هوش مصنوعی مولد، خواهید آموخت که چگونه Enterprise h2oGPTe قدرت‌بخش مهندسی پرامپت، RAG چندوجهی، نرده‌های حفاظتی LLM (Guardrails) و گردش‌کارهای عامل‌های خودمختار است. همچنین شخصی‌سازی مدل‌ها با LoRA و DPO را در H2O Enterprise LLM Studio بررسی کرده و خواهید دید که چگونه H2O Super Agent و Agent Builder با استفاده از CrewAI، LangGraph و SDK OpenAI، عامل‌های آماده برای محیط عملیاتی تولید می‌کنند. در پایان، درک خواهید کرد که چگونه یادگیری ماشین پیش‌بینانه و هوش مصنوعی مولد تحت یک مدل حاکمیتی، امنیتی و چرخه حیات واحد ترکیب می‌شوند و چگونه می‌توان هوش مصنوعی را به‌صورت مسئولانه در مقیاس سازمانی عملیاتی کرد.

سرفصل ها و درس ها

آشنایی با پلتفرم H2O.ai Introduction to the H2O.ai Platform

  • پلتفرم هوش مصنوعی برای علوم داده و یادگیری ماشین | دانشگاه H2O.ai AI Platform for Data Science & Machine Learning | H2O.ai University

داده‌ها، ویژگی‌ها و یادگیری ماشین خودکار Data, Features, and Automated Machine Learning

  • آماده‌سازی خودکار داده‌ها و داده‌های مصنوعی با H2O Driverless AI Automated Data Prep & Synthetic Data with H2O Driverless AI

  • حاکمیت چرخه حیات هوش مصنوعی: قابلیت ردیابی داده‌ها در H2O.ai Governing the AI Lifecycle: H2O.ai Data Traceability

  • مقیاس‌بندی یادگیری ماشین سازمانی با H2O Feature Store Scaling Enterprise ML with the H2O Feature Store

  • مهندسی ویژگی‌های خودکار در H2O Driverless AI Automated Feature Engineering in H2O Driverless AI

استقرار مدل، نظارت و MLOps Model Deployment, Monitoring, and MLOps

  • تفسیرپذیری خودکار ML و تست سوگیری در H2O.ai Automated ML Explainability & Bias Testing in H2O.ai

  • MLOps سازمانی: استقرار مدل با H2O.ai Enterprise MLOps: Model Deployment with H2O.ai

  • استقرار زمان اجرای ML مقیاس‌پذیر با H2O MLOps Scalable ML Runtime Deployment with H2O MLOps

  • رجیستری مدل‌های سازمانی H2O MLOps و یکپارچگی با Hugging Face H2O MLOps Enterprise Model Registry & Hugging Face Integration

  • مدیریت مصنوعات AI و ردیابی از طریق H2O MLOps AI Artifact Management & Traceability via H2O MLOps

  • ردیابی آزمایش‌های ML در H2O Driverless AI ML Experiment Tracking in H2O Driverless AI

  • تشخیص بلادرنگ رانش ML و نظارت از طریق H2O MLOps Real-Time ML Drift Detection & Monitoring via H2O MLOps

هوش مصنوعی مولد: پرامپت‌ها، تنظیم دقیق، نرده‌های حفاظتی و RAG Generative AI - Prompts, Fine-Tuning, Guardrails, and RAG

  • مهندسی پرامپت سازمانی و تست LLM از طریق h2oGPTe Enterprise Prompt Engineering & LLM Testing via h2oGPTe

  • تنظیم دستورالعمل‌های LLM و DPO از طریق H2O Enterprise LLM Studio LLM Instruction Tuning & DPO via H2O Enterprise LLM Studio

  • ایمن‌سازی LLMهای سازمانی با نرده‌های حفاظتی h2oGPTe Securing Enterprise LLMs with h2oGPTe Guardrails

  • RAG چندوجهی و گردش‌کارهای عامل‌محور از طریق Enterprise h2oGPTe Multimodal RAG & Agentic Workflows via Enterprise h2oGPTe

مقیاس‌پذیری، قابلیت گسترش و عامل‌های هوش مصنوعی Scalability, Extensibility, and AI Agents

  • بهینه‌سازی محاسبات ML و ارکستراسیون با H2O MLOps Optimizing ML Compute & Orchestration with H2O MLOps

  • گسترش گردش‌کارهای AI با APIهای H2O.ai و SDKهای پایتون Extending AI Workflows with H2O.ai APIs & Python SDKs

  • شتاب‌دهی به گردش‌کارهای علوم داده با عامل‌های AI در Enterprise h2oGPTe Accelerating Data Science Workflows with H2O AI Agents in Enterprise h2oGPTe

  • ارکستراسیون هوش مصنوعی چند-عاملی و MCP از طریق Enterprise h2oGPTe Multi-Agent AI Orchestration & MCP via Enterprise h2oGPTe

  • گردش‌کارهای ML گفتگومحور از طریق H2O AI Super Agent در Enterprise h2oGPTe Conversational ML Workflows via the H2O AI Super Agent in Enterprise h2oGPTe

حاکمیت، انطباق و ارزش تجاری Governance, Compliance, and Business Value

  • ساخت خط لوله‌های بصری ML به پایتون با H2O Driverless AI Building Visual ML Pipelines to Python with H2O Driverless AI

  • اجرای حاکمیت و انطباق هوش مصنوعی در پلتفرم H2O.ai Enforcing AI Governance & Compliance on the H2O.ai Platform

  • ردپای حسابرسی خودکار ML و AutoDoc در H2O Driverless AI Automated ML Audit Trails & AutoDoc in H2O Driverless AI

  • بهینه‌سازی مدل‌های ML برای نرخ بازگشت سرمایه (ROI) تجاری با H2O Driverless AI Optimizing ML Models for Business ROI with H2O Driverless AI

آزمون نهایی دوره Course Completion Quiz

نمایش نظرات

آموزش چرخه حیات هوش مصنوعی با پلتفرم H2O.ai
جزییات دوره
1h 2m
25
(آخرین آپدیت)
2
- 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