ساخت و استقرار مدل‌های هوش مصنوعی با Hugging Face - آموزش عملی [ویدیو] - آخرین آپدیت

دانلود Build & Deploy AI with Hugging Face - Hands-On [Video]

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: این دوره یک راهنمای جامع برای تسلط بر اکوسیستم Hugging Face است که با بررسی عمیق مدل‌ها، مجموعه‌داده‌ها (Datasets) و فضای Spaces آغاز می‌شود. این دوره به یادگیرندگان کمک می‌کند تا نحوه تعامل این اجزا را کشف کرده و بتوانند برنامه‌های قدرتمند هوش مصنوعی خلق کنند. شما درک عملی از مدل‌های پیش‌آموزش‌دیده در Hugging Face Hub به دست خواهید آورد و از آن‌ها برای طیف وسیعی از وظایف AI مانند طبقه‌بندی متن یا پردازش زبان طبیعی (NLP) استفاده خواهید کرد. با پیشروی در دوره، به مبحث Fine-tuning یا تنظیم دقیق مدل‌ها با کتابخانه Transformers خواهید پرداخت و در بهینه‌سازی عملکرد مدل‌ها تخصص پیدا خواهید کرد. همچنین هنر آماده‌سازی و توکنایز کردن مجموعه‌داده‌ها با استفاده از کتابخانه Datasets را می‌آموزید و تکنیک‌های ضروری برای مدیریت بهینه داده‌ها را فرا خواهید گرفت. سپس، ارزیابی مدل، ثبت وقایع (Logging) و نحوه بهبود برنامه‌های هوش مصنوعی از طریق گردش‌کارهای پیشرفته را بررسی می‌کنید. این دوره با استقرار مدل‌های هوش مصنوعی به عنوان برنامه‌های تعاملی با استفاده از Hugging Face Spaces به پایان می‌رسد. شما یاد می‌گیرید چگونه از پلتفرم‌هایی مانند Gradio و Streamlit برای استقرار مدل‌های خود استفاده کنید تا آن‌ها را برای کاربردهای واقعی در دسترس قرار دهید. در پایان این مسیر، مهارت و اعتماد به نفس لازم برای ایجاد راهکارهای هوش مصنوعی آماده تولید، از آموزش و تنظیم دقیق تا مقیاس‌پذیری و استقرار را خواهید داشت. ویژگی‌های دوره: - کاوش در اکوسیستم Hugging Face برای ساخت مدل‌های هوش مصنوعی - استفاده از مدل‌های پیش‌آموزش‌دیده Hugging Face Hub برای وظایف مختلف - کار با کتابخانه Transformers برای تنظیم دقیق (Fine-tuning) مدل - آماده‌سازی و توکنایز کردن مجموعه‌داده‌ها برای مدل‌های یادگیری ماشین - بهینه‌سازی مدل‌های AI روی مجموعه‌داده‌های سفارشی - استقرار مدل‌های AI به عنوان برنامه‌های تعاملی با Spaces مخاطبان دوره: این دوره برای توسعه‌دهندگان، مهندسان یادگیری ماشین، دانشمندان داده و علاقه‌مندان به هوش مصنوعی که مشتاق ساخت برنامه‌های AI با Hugging Face هستند، طراحی شده است. این آموزش برای متخصصانی که درک اولیه‌ای از پایتون و مفاهیم یادگیری ماشین دارند و همچنین هر کسی که علاقه‌مند به یادگیری ابزارهای مدرن AI است، ایده‌آل است. با تمرکز بر پروژه‌های عملی و کاربردهای واقعی، یادگیرندگان مهارت‌های کاربردی مورد نیاز برای استقرار راهکارهای مقیاس‌پذیر AI را کسب خواهند کرد. آنچه در این دوره می‌آموزید: * یکپارچه‌سازی اکوسیستم Hugging Face با مدل‌ها، مجموعه‌داده‌ها و Spaces * دموهای جامع و عملی در زمینه تنظیم دقیق و بهینه‌سازی * پروژه‌های واقعی در مورد استقرار مدل‌های AI به عنوان برنامه‌های تعاملی

سرفصل ها و درس ها

مقدمه دوره Course Introduction

  • مقدمه Introduction

شروع کار با Hugging Face Getting Started with Hugging Face

  • مرور کلی بخش Section Overview

  • Hugging Face چیست؟ What is Hugging Face

  • اجزای کلیدی Hugging Face Key Components of Hugging Face

  • درک کارت‌های مدل، مجموعه‌داده و فضای Space Understanding Model, Dataset, and Space Cards

  • دمو: درک رابط کاربری Hugging Face Demonstration - Understanding Hugging Face UI

  • دمو: آماده‌سازی محیط Demonstration - Environment Setup

کاوش در مدل‌ها Exploring Models

  • مرور کلی بخش Section Overview

  • درک کارت‌های مدل و متادیتا Understanding Model Cards and Metadata

  • دمو: دانلود و استفاده از مدل‌های Hub Demonstration - Downloading and Using Models from the Hub

  • معرفی Hugging Face Hub Python SDK Introduction of the Hugging Face Hub Python SDK

  • دمو: کاوش در Hugging Face Hub Python SDK Demonstration - Exploring Hugging Face Hub Python SDK

  • دمو: احراز هویت و استفاده از توکن‌های دسترسی Demonstration - Authentication and Using Access Tokens

درک کتابخانه Transformers Understanding Transformers Library

  • مرور کلی بخش Section Overview

  • مقدمه‌ای بر کتابخانه Transformers Introduction to the Transformers Library

  • مرور معماری کتابخانه Transformers Architecture Overview - Transformers Library

  • دمو: کار با پیکربندی‌های مدل (Model Configurations) Demonstration - Working with Model Configurations

  • درک AutoModel، AutoTokenizer و AutoConfig Understanding AutoModel, AutoTokenizer, and AutoConfig

  • دمو: سفارشی‌سازی خط لوله‌های استنتاج (Inference Pipelines) Demonstration - Customizing Inference Pipelines

کاوش در کتابخانه Datasets Exploring the Datasets Library

  • مرور کلی بخش Section Overview

  • دمو: کاوش در مجموعه‌داده‌های عمومی در Hub Demonstration - Exploring Public Datasets on the Hub

  • دمو: کار با تقسیم‌بندی‌ها و ویژگی‌های Dataset Demonstration - Working with Dataset Splits and Features

  • دمو: توکنایز کردن داده‌ها برای آموزش مدل Demonstration - Tokenizing Data for Model Training

  • دمو: کشینگ داده‌ها و بهینه‌سازی حافظه Demonstration - Dataset Caching and Memory Efficiency

  • دمو: ایجاد و آپلود مجموعه‌داده‌های سفارشی Demonstration - Creating and Uploading Custom Datasets

تنظیم دقیق و آموزش با Hugging Face Fine-Tuning and Training with Hugging Face

  • مرور کلی بخش Section Overview

  • تنظیم دقیق (Fine Tuning) چیست؟ What is Fine-Tuning?

  • دمو: آموزش مدل روی یک مجموعه‌داده نمونه Demonstration - Training Model on a Sample Dataset

  • دمو: ثبت وقایع، ارزیابی و توقف زودهنگام (Early Stopping) Demonstration - Logging, Evaluation, and Early Stopping

  • دمو: استفاده از کتابخانه Evaluate برای معیارهای ارزیابی Demonstration - Using Evaluate Library for Metrics

  • دمو: ذخیره و آپلود مدل‌های تنظیم‌شده Demonstration - Saving and Uploading Fine-Tuned Models

بهینه‌سازی و مقیاس‌پذیری با Hugging Face Optimization and Scaling with Hugging Face

  • مرور کلی بخش Section Overview

  • مقدمه‌ای بر کتابخانه Accelerate Introduction to the Accelerate Library

  • آموزش بهینه از نظر حافظه با Gradient Checkpointing Memory-Efficient Training with Gradient Checkpointing

  • کتابخانه Optimum برای بهینه‌سازی سخت‌افزاری Optimum Library for Hardware Optimization

استقرار مدل با استفاده از Hugging Face Spaces Model Deployment Using Hugging Face Spaces

  • مرور کلی بخش Section Overview

  • مروری بر رابط‌های Gradio و Streamlit Overview of Gradio and Streamlit Interfaces

  • دمو: استقرار مدل سفارشی با استفاده از Hugging Face Space Demonstration: Deploy Custom Model Using Hugging Face Space

جمع‌بندی Conclusion

  • جمع‌بندی Conclusion

نمایش نظرات

ساخت و استقرار مدل‌های هوش مصنوعی با Hugging Face - آموزش عملی [ویدیو]
جزییات دوره
3h 1m
39
Packtpub Packtpub
(آخرین آپدیت)
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

Yogesh Raheja, Thinknyx Technologies Yogesh Raheja, Thinknyx Technologies

Thinknyx® Technologies یک برند شناخته شده است که خدمات مشاوره و پیاده سازی فناوری اطلاعات را ارائه می دهد، آموزش های جامع فناوری اطلاعات و مهارت های نرم ارائه می دهد و راه حل های استعدادیابی (استخدام) را برای سازمان های مختلف در سراسر جهان ارائه می دهد. با بیش از یک دهه تجربه اصلی در صنعت، آنها با موفقیت به مشتریان خود در برنامه ریزی استراتژیک و اجرای بی عیب و نقص راه حل های پیرامون ابتکارات فناوری اطلاعات و غیر IT کمک کرده اند. یوگش راهجا بنیانگذار و یک معمار ارشد راه حل در Thinknyx Technologies و مدرس دوره های ویدیویی است. یوگش مشاور قابل اعتماد سازمان‌های متعددی بوده است و با تخصص خود آنها را در سفر DevOps، زیرساخت‌های کد، کانتینری‌سازی، محاسبات ابری، راه‌حل‌های اتوماسیون و هوش مصنوعی/ML/هوش مصنوعی مولد راهنمایی می‌کند. او همچنین چندین کتاب منتشر شده در سطح جهانی (مانند "DevOps موثر با AWS"، "Automation with SaltStack"، "Automation with Puppet 5" و "Automation with Ansible") منتشر شده توسط Packt، Wiley و OrangeAVA را تالیف کرده است.