مشکل زیرساخت شبکه و افت سرعت کاملاً برطرف شده است. در حال حاضر فعالسازی و آمادهسازی دورهها در حال انجام است. از صبر و شکیبایی شما سپاسگزاریم.
لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش طراحی راهکارهای اصلی هوش مصنوعی
- آخرین آپدیت
دانلود Core AI Solution Design
نکته:
ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره:
اجزای معماری اصلی راهکارهای تولیدی Azure AI را طراحی کنید. این دوره چهار حوزه کلیدی در معماری هوش مصنوعی سازمانی را بررسی میکند: ملاحظات ارزیابی و استقرار مدل، تولید تقویتشده با بازیابی (RAG)، طراحی و ارزیابی پرامپت، و استراتژیهای سفارشیسازی مدل.
از طریق سناریوهای سازمانی، شما چارچوبهای تصمیمگیری ساختاریافته را برای ارزیابی گزینههای استقرار Azure OpenAI در محیطهای با کاربرد چندگانه، ارزیابی معماریهای RAG با استفاده از Azure AI Search و Foundry IQ، توسعه استراتژیهای موثر پرامپت با استفاده از چارچوبهای ارزیابی برای کیفیت، ایمنی و استواری (Groundedness)، و مقایسه رویکردهای Fine-tuning و RAG برای اتخاذ تصمیمات معماری به کار خواهید گرفت. همچنین یک ماژول سواد GenAI برای کمک به شما در استفاده از ابزارهای هوش مصنوعی مولد در پروژههای معماری خود گنجانده شده است.
سرفصل ها و درس ها
Azure OpenAI: معماری، انواع استقرار و رابطه با Foundry
Azure OpenAI: Architecture, Deployment Types & Foundry Relationship
زمانی که از ساخت هوش مصنوعی به سمت معماری آن حرکت میکنید
When You Move From Building AI to Architecting It
معماری Azure OpenAI: استقرار، سهمیه و Foundry
Azure OpenAI Architecture: Deployments, Quota, and Foundry
Azure OpenAI: انتخاب مدل و طراحی پیکربندی استقرار
Azure OpenAI: Model Selection & Deployment Configuration Design
چرا انتخاب مدل یک تصمیم معماری است
Why Model Selection Is an Architectural Decision
راهکارهای RAG: طراحی معماری بازیابی Azure AI Search
RAG Solutions: Design the Azure AI Search Retrieval Architecture
زیرساخت مفقوده برای RAG
The Missing Infrastructure for RAG
معماری بازیابی RAG
RAG Retrieval Architecture
راهکارهای RAG: طراحی معماری Foundry IQ Grounding برای Agentic RAG
RAG Solutions: Architect Foundry IQ Grounding for Agentic RAG
چرا زمینهسازی (Grounding) در Agentic RAG به چیزی فراتر از یک ایندکس جستجو نیاز دارد
Why Agentic RAG Grounding Requires More Than a Search Index
مهندسی پرامپت: طراحی معماری سیستم پرامپت برای هوش مصنوعی سازمانی
Prompt Engineering: Design System Prompt Architectures for Enterprise AI
چرا معماری سیستم پرامپت اهمیت دارد
Why System Prompt Architecture Matters
اجزای معماری سیستم پرامپت
System Prompt Architecture Components
مهندسی پرامپت: طراحی چارچوب ارزیابی برای راهکارهای هوش مصنوعی مولد
Prompt Engineering: Design an Evaluation Framework for Generative AI Solutions
چرا طراحی چارچوب ارزیابی یک مسئولیت معماری است
Why Evaluation Framework Design Is an Architectural Responsibility
مانیتورینگ عاملها: طراحی استراتژی مشاهدهپذیری و تفسیر دادههای تلمتری
Agent Monitoring: Design an Observability Strategy & Interpret Telemetry Data
هزینه استراتژیک Fine-Tuning مدل
The Strategic Cost of Model Fine-Tuning
مقایسه Fine-Tuning در مقابل RAG و مهندسی پرامپت
Fine-Tuning vs. RAG vs. Prompt Engineering
معماری Fine-Tuning: طراحی خط لوله، ارزیابی و مسیریاب مدل
Fine-Tuning Architecture: Design the Pipeline, Evaluation & Model Router
خط لوله Fine-Tuning شما یک سیستم عملیاتی است
Your Fine-Tuning Pipeline Is a Production System
معماری خط لوله Fine-Tuning: طراحی مجموعه داده، آموزش، ارزیابی و مسیریاب مدل
Fine-Tuning Pipeline Architecture: Dataset, Training, Evaluation & Model Router Design
ماژول GenAI: تسریع کار معماری هوش مصنوعی با استفاده از هوش مصنوعی مولد
GenAI Module: Accelerate AI Architecture Work with Generative AI
ماژول پروژه: طراحی معماری راهکار اصلی هوش مصنوعی
Project Module: Core AI Solution Architecture Design
نمایش نظرات