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

  • اجزای چارچوب ارزیابی Evaluation Framework Components

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

آموزش طراحی راهکارهای اصلی هوش مصنوعی
جزییات دوره
11h 23m
14
(آخرین آپدیت)
-
- 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