آموزش LLMOps Masterclass 2024 - Generative AI - MLOps - AIOps

LLMOps Masterclass 2024 - Generative AI - MLOps - AIOps

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره: قفل آینده را باز کنید: تسلط بر هوش مصنوعی مولد، MLOps، AIOps - LLMOps با هوش مصنوعی باز و مدل‌های صورت در آغوش گرفته برای تولید به کار می‌روند. مفاهیم اساسی مانند سطوح هوش مصنوعی، انواع، و تفاوت بین مدل‌های مولد و متمایز را بررسی کنید. در مورد مهندسی سریع، از جمله معماری، اجزا و تکنیک های آن برای تولید سریع بیاموزید. جزئیات فنی زبان مدل (LLM)، فرآیند آموزش و برنامه های کاربردی آن را درک کنید. با ساختن برنامه های LLM با استفاده از ChatGPT و Hugging Face Library، تجربه عملی را توسعه دهید. در هنر بسته‌بندی و استقرار برنامه‌های هوش مصنوعی با استفاده از فناوری‌هایی مانند FastAPI، Docker و Kubernetes مسلط شوید. با استفاده از GitHub Actions، خطوط لوله یکپارچه سازی و استقرار مداوم (CI/CD) را پیاده سازی کنید و از مدیریت کارآمد پروژه اطمینان حاصل کنید. کاوش تکنیک های نظارت برای مدل های LLM در تولید، اطمینان از قابلیت اطمینان و عملکرد آنها. اصول اساسی LLMOps، از جمله سیستم های کنترل نسخه، راه اندازی Git و نمایش های CICD را به دست آورید. برای استانداردهای صنعت و بهترین شیوه ها در توسعه و عملیات هوش مصنوعی آماده شوید و از آمادگی برای چالش های دنیای واقعی اطمینان حاصل کنید. پیش نیازها: درک اولیه هوش مصنوعی: آشنایی با مفاهیم بنیادی هوش مصنوعی از جمله یادگیری ماشینی و یادگیری عمیق، پایه ای قوی برای این دوره فراهم می کند. مهارت برنامه نویسی: تسلط بر حداقل یک زبان برنامه نویسی مانند پایتون به شدت توصیه می شود، زیرا بسیاری از تمرین ها و پروژه های عملی شامل کدنویسی می شوند. دانش رابط خط فرمان (CLI): درک اولیه کار با رابط خط فرمان برای اجرای دستورات و مدیریت برنامه ها در طول دوره مفید خواهد بود. آشنایی با Git: درک اصول اولیه سیستم های کنترل نسخه و عملیات Git برای مدیریت مخازن پروژه و همکاری با همتایان مفید خواهد بود. مبانی رایانش ابری: درک اولیه مفاهیم رایانش ابری، به ویژه با پلتفرم هایی مانند Google Cloud Platform (GCP)، برای استقرار برنامه ها و کار با Kubernetes مفید خواهد بود. اگرچه اجباری نیست، داشتن این پیش نیازها باعث افزایش تجربه یادگیری می شود و اطمینان حاصل می کند که دانش آموزان می توانند به طور کامل با مواد درسی و تمرین های عملی درگیر شوند. علاوه بر این، تمایل قوی برای یادگیری و کشف فناوری های جدید برای موفقیت در LLMOps Masterclass 2024 ضروری است.

قفل پتانسیل هوش مصنوعی مولد را با دوره جامع ما، "LLMOps - Generative AI - MLOps - AIOps Masterclass 2024" از درک اصول اولیه تا بکارگیری برنامه های کاربردی پیشرفته، این دوره شما را با دانش و مهارت هایی برای پیشرفت در عصر هوش مصنوعی.


سفر یادگیری شما چگونه به نظر می رسد (در بخش):


  • مقدمه دوره: با "مقدمه ای بر LLM Ops با مهندسی سریع" وارد دنیای LLM Ops شوید. در مورد مبانی عملیات LLM و اهمیت مهندسی سریع اطلاعاتی کسب کنید.

  • پیمایش در سونامی هوش مصنوعی مولد: تأثیر عمیق هوش مصنوعی مولد بر زندگی روزمره را کاوش کنید. از درک اصول هوش مصنوعی گرفته تا کاوش در کاربردهای متنوع آن، از طریق ماژول‌هایی مانند «تأثیر هوش مصنوعی مولد در زندگی روزمره» و «کاربردهای واقعی هوش مصنوعی در دنیای واقعی»، خود را به دانش ضروری مجهز کنید.

  • شروع به کار با هوش مصنوعی مولد: با ماژول‌هایی که موضوعاتی مانند «مدل‌های مولد در مقابل تبعیض» و «کاربردهای هوش مصنوعی در دنیای واقعی» را پوشش می‌دهند، عمیق‌تر به مفاهیم هوش مصنوعی مولد بپردازید. تجربه عملی داشته باشید و پتانسیل این فناوری متحول کننده را باز کنید.

  • مهندسی سریع: رازهای پشت مهندسی سریع را کشف کنید و توجه گسترده آن را در جهان درک کنید. از طریق ماژول های جامعی که برای اجرای عملی طراحی شده اند، درباره معماری، اجزا، استراتژی ها و تکنیک های Prompt Generation بیاموزید.

  • جزئیات فنی LLM: درک عمیقی از LLM و اصول اساسی آن به دست آورید. موضوعاتی مانند آموزش LLM، برنامه های کاربردی سازمانی و ایده پشت LLM را از طریق ماژول های دقیق طراحی شده برای افزایش تخصص فنی خود کاوش کنید.

  • پروژه 1 - ساختن برنامه LLM با استفاده از ChatGPT: دانش خود را با شروع پروژه ای برای ساختن یک برنامه LLM با استفاده از ChatGPT عملی کنید. از پیش نیازها تا استقرار، این پروژه شما را در هر مرحله از فرآیند راهنمایی می کند و از یادگیری عملی اطمینان می دهد.

  • بسته‌بندی برنامه AI/LLM: با ماژول‌هایی که FastAPI، Docker و موارد دیگر را پوشش می‌دهند، برنامه‌های AI را به طور مؤثر بسته‌بندی و استقرار دهید. بر هنر کانتینری‌سازی مسلط شوید و فرآیند استقرار خود را با روش‌های استاندارد صنعتی ساده کنید.

  • استقرار برنامه Container با Kubernetes: قدرت Kubernetes را در استقرار و سازماندهی برنامه های کاربردی کانتینری کشف کنید. از نصب تا مقیاس‌بندی، نکات و نکات استقرار Kubernetes را بیاموزید و مهارت خود را در مدیریت کانتینر افزایش دهید.

  • Github Actions: قابلیت‌های GitHub Actions در خودکارسازی گردش‌های کاری و افزایش همکاری را بررسی کنید. از مقدمه تا اجرا، بر هنر پیکربندی گردش کار متناسب با موارد استفاده خاص خود مسلط شوید.

  • راه‌اندازی Kubernetes در Google Cloud: پتانسیل پلتفرم Google Cloud را برای استقرار Kubernetes باز کنید. از راه‌اندازی حسابتان تا آزمایش فایل‌های استقرار، بینش‌های عملی در مورد اجرای برنامه‌ها در خوشه‌های GKE به دست آورید.

  • اجرای CI/CD با Github Actions - GKE: خط لوله توسعه خود را با یکپارچه سازی مداوم و استقرار مداوم بهینه کنید. یاد بگیرید که GitHub Secrets را پیکربندی کنید، به استانداردهای صنعتی پایبند باشید و فرآیند استقرار خود را برای مدیریت یکپارچه پروژه ساده کنید.

  • معرفی Hugging Face Library: تطبیق پذیری کتابخانه Hugging Face را در ساخت برنامه های هوش مصنوعی کشف کنید. از طبقه‌بندی متن تا مدل‌های تنظیم دقیق، امکانات گسترده ارائه‌شده توسط این جعبه ابزار قدرتمند را بررسی کنید.

  • پروژه 2 - ساخت برنامه هوش مصنوعی مولد با استفاده از Hugging Face: مهارت های Hugging Face خود را با پروژه ای متمرکز بر ساخت یک برنامه کاربردی هوش مصنوعی مولد آزمایش کنید. از درک خطوط لوله تولید متن گرفته تا راه اندازی خطوط لوله CI/CD، تخصص خود را در توسعه هوش مصنوعی ارتقا دهید.

  • نظارت بر مدل‌های LLM در تولید: از قابلیت اطمینان و عملکرد مدل‌های LLM در تولید با تکنیک‌های نظارت اطمینان حاصل کنید. پلتفرم هایی مانند WhyLabs و Langkit را کاوش کنید تا در مورد نظارت و بهینه سازی برنامه های LLM اطلاعاتی کسب کنید.

  • مبانی LLMOps: با ماژول‌هایی که سیستم‌های کنترل نسخه، راه‌اندازی Git و نمایش‌های CICD را پوشش می‌دهند، به اصول اولیه LLM Ops مسلط شوید. پایه خود را در LLM Ops تقویت کنید و خود را برای مفاهیم پیشرفته آماده کنید.

سفر خود را برای تسلط بر LLM Ops آغاز کنید و در چشم انداز همیشه در حال تکامل هوش مصنوعی پیشرو باشید. امروز به ما بپیوندید و دنیایی از امکانات بی پایان را باز کنید.


سرفصل ها و درس ها

مقدمه دوره Introduction to Course

  • مقدمه ای بر LLM Ops با مهندسی سریع Introduction to LLM Ops with Prompt Engineering

  • کد منبع و دسترسی به اسلایدها Source Code and Slides Access

  • با مربی ارتباط برقرار کنید Connect with Instructor

پیمایش سونامی هوش مصنوعی مولد Navigating the Generative AI Tsunami

  • تاثیر هوش مصنوعی مولد در زندگی روزمره Impact of Generative AI in Day to Day Life

  • مسابقه - تأثیر هوش مصنوعی مولد در زندگی روزمره Quiz - Impact of Generative AI in Day to Day Life

  • چگونه برای افزایش فروش برای یک شرکت تجارت الکترونیک پیشنهاد می کنید؟ How do you Propose to Increase the Sales for an E-Commerce Company ?

  • هوش مصنوعی چیست؟ What is AI ?

  • آزمون - هوش مصنوعی چیست؟ Quiz - What is AI ?

  • مرد در مقابل ماشین ها Man Vs Machines

  • سطوح هوش مصنوعی Levels of AI

  • سطوح هوش مصنوعی - آزمون Levels of AI - Quiz

  • انواع هوش مصنوعی Types of AI

  • مثال استفاده - محصول برای هر نوع سیستم هوش مصنوعی Example Use Case - Product for Each Type of AI System

  • بررسی دانش Knowledge Check

شروع کار با هوش مصنوعی Generative Getting Started with Generative AI

  • هوش مصنوعی Generative چیست What is Generative AI

  • هوش مصنوعی مولد چیست؟ What is Generative AI ?

  • مدل های مولد در مقابل تبعیض Generative vs Discriminative Models

  • مدل های مولد در مقابل تبعیض Generative vs Discriminative Models

  • کاربردهای دنیای واقعی هوش مصنوعی مولد Real World Applications of Generative AI

  • مسابقه - کاربردهای دنیای واقعی هوش مصنوعی Quiz - Real World Applications of Generative AI

مهندسی سریع Prompt Engineering

  • چرا جهان مورد توجه گسترده قرار گرفته است؟ Why World has the widespread attention ?

  • مقدمه ای بر مهندسی سریع Introduction to Prompt Engineering

  • مسابقه - مهندسی سریع Quiz - Prompt Engineering

  • معماری و مولفه یک اعلان Architecture and Component of a Prompt

  • استراتژی ها و تکنیک های تولید سریع Strategies and Techniques of Prompt Generation

جزئیات فنی LLM Technical Details of LLM

  • LLM چیست و ایده LLM چیست؟ What is LLM , and what is the idea of LLM ?

  • LLM چگونه آموزش داده می شود؟ How LLM is Trained ?

  • نحوه استفاده از LLM در Enterprise How LLM is used in Enterprise

پروژه 1 - ساخت برنامه LLM با استفاده از ChatGPT Project 1 - Building LLM Application using ChatGPT

  • کد منبع Source code

  • پیش نیازها Pre-Requisites

  • معرفی سریع پلتفرم هوش مصنوعی را باز کنید Open AI Platform Quick Intro

  • با استفاده از Assistants API - Platform، Open AI Assistant ایجاد کنید Create Open AI Assistant using Assistants API - Platform

  • ایجاد دستیار هوش مصنوعی با پایتون Create AI Assistant with Python

بسته بندی برنامه AI/LLM Packaging the AI/ LLM Application

  • مقدمه ای بر FastAPI Introduction to FastAPI

  • بسته بندی برنامه هوش مصنوعی Packaging the AI Application

  • تست با پستچی Test with Postman

  • Requirements.txt را ایجاد کنید Create Requirements.txt

  • مقدمه ای بر داکر Introduction to Docker

  • نصب داکر Docker Installation

  • Docker Quick Start Docker Quickstart

  • ساخت تصویر داکر برای پروژه 1 Build Docker Image for Project 1

استقرار برنامه Container با Kubernetes Deploying the Container Application with Kubernetes

  • معرفی Kubernetes Introducing Kubernetes

  • معماری Kubernetes Architecture of Kubernetes

  • نصب Kubernetes Installing Kubernetes

  • اجرای برنامه در Kubernetes Running the Application on Kubernetes

  • تعریف سرویس برای Kubernetes ایجاد کنید Create Service Definition for Kubernetes

  • کنترل کننده استقرار و استقرار Kubernetes Kubernetes Deployment and Deployment Controller

  • مقیاس بندی برنامه Scaling the Application

  • انجام به روز رسانی چرخشی Performing the Rolling Update

  • پیکربندی نقشه ها Config Maps

  • Hands On - Config Maps Hands On - Config Maps

  • اسرار Kubernetes Kubernetes Secrets

  • خلاصه ای از یادگیری Kubernetes Summary of Kubernetes Learning

  • اجرای ارکستراسیون Kubernetes برای کانتینرهای ما Implementing the Kubernetes Orchestration for our containers

اقدامات Github Github Actions

  • مقدمه ای بر GitHub Actions Introduction to GitHub Actions

  • نسخه ی نمایشی سریع در فایل YAML اقدامات github Quick Demo on github actions YAML file

  • درک github Actions فایل YAML Understanding github Actions YAML file

  • اقدامات github را از ابتدا ایجاد کنید Create github Actions from Scratch

  • پیکربندی گردش کار بر اساس موارد استفاده Configure Workflow based on use case

راه اندازی Kubernetes در Google Cloud Setting Up Kubernetes on Google Cloud

  • حساب Google Cloud ایجاد کنید Create Google Cloud Account

  • راه اندازی Google CLI Setting up the Google CLI

  • خوشه Kubernetes را با GKE ایجاد کنید Create Kubernetes cluster with GKE

  • آزمایش فایل Deployment با فایل پیکربندی Kubernetes در GKE Cluster Testing the Deployment file with Kubernetes Config file on GKE Cluster

  • Quick Word در حال اجرا در MacOS Quick Word on Running in MacOS

پیاده سازی CI CD با Github Actions - GKE Implement CI CD with Github Actions - GKE

  • راه اندازی راز Github Setting Up the Github Secrets

  • با پیروی از استانداردهای صنعت، برنامه را تنظیم کنید Adjust the Application by following the Industry Standards

  • استقرار Kubernetes را متعهد و آزمایش کنید Commit and Test the Kubernetes Deployment

  • پاکسازی پروژه Project Cleanup

معرفی کتابخانه صورت در آغوش گرفتن Introducing Hugging Face Library

  • دستور کار بخش Agenda of the Section

  • مقدمه ای بر کتابخانه چهره در آغوش گرفتن Introduction to Hugging Face Library

  • کار با خط لوله کتابخانه Hugging Face Working with Hugging Face Library Pipeline

  • طبقه بندی متن با ترانسفورماتور HuggingFace - بارگذاری داده ها Text Classification with HuggingFace Transformers - Data Loading

  • توکن سازی با استفاده از HuggingFace Tokenization using HuggingFace

  • توکن سازی در مجموعه داده Tokenization on Dataset

  • طبقه بندی متن با استخراج ویژگی Text Classification with Feature Extraction

  • تنظیم دقیق ترانسفورماتورها Finetuning on Transformers

  • سفر به جلو با مدل های ژنراتور Journey Forward with Generator Models

پروژه 2 - ساخت برنامه هوش مصنوعی مولد با استفاده از Hugging Face Project 2 - Building Generative AI App using Hugging Face

  • درک خط لوله تولید متن Understanding Text Generation Pipeline

  • کد برنامه برای دستیار GPT Hagging Face Application Code for Hugging Face GPT Assistant

  • راه اندازی سی دی CI برای پروژه 2 CI CD Setup for Project 2

  • تست خط لوله CI CD برای پروژه 2 Test of CI CD Pipeline for Project 2

  • برنامه را به روز کنید و جریان را آزمایش کنید Update Application and Test the Flow

نظارت بر مدل های LLM در تولید Monitoring of LLM Models in Production

  • مقدمه ای بر WhyLabs & LLM Monitoring Introduction to WhyLabs & LLM Monitoring

  • برنامه های LLM و Gen AI LLM and Gen AI Applications

  • مقدمه ای بر پلتفرم Langkit و WhyLabs Introduction to Langkit and WhyLabs Platform

  • دست در دست - نظارت بر LLM در تولید Hands On - Monitoring LLM in Production

Hands On اضافی - اقدامات Github با نمونه های AWS EC2 Additional Hands On - Github actions with AWS EC2 Instances

  • دستور کار بخش Agenda of the Section

  • کاوش فایل های CI CD Python Exploring the files of CI CD Python

  • راه اندازی پیش نیاز خط لوله ci cd Pre-requisite setup for ci cd pipeline

  • سی دی CI را با AWS تست کنید Test the CI CD with AWS

مبانی LLMOps - بخش خلاصه LLMOps Basics - Summary Section

  • دستور کار بخش Agenda of the Section

  • معرفی سیستم کنترل نسخه - Git Introducing Version Control System - Git

  • نصب Git Installing the Git

  • راه اندازی اولیه git initial setup of git

  • کار با Git Repository Working with Git Repository

  • نسخه ی نمایشی CICD CICD Demo

  • خلاصه ژنرال هوش مصنوعی Gen AI Summary

نمایش نظرات

آموزش LLMOps Masterclass 2024 - Generative AI - MLOps - AIOps
جزییات دوره
14.5 hours
86
Udemy (یودمی) Udemy (یودمی)
(آخرین آپدیت)
397
4.3 از 5
ندارد
دارد
دارد
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Manifold AI Learning ® Manifold AI Learning ®

آینده را بیاموزید - علم داده، یادگیری ماشین و هوش مصنوعی