آموزش توسعه هوش مصنوعی سازمانی با مدل‌های GitHub و Azure

سرفصل ها و درس ها

مقدمه Introduction

• هوش مصنوعی با مدل های GitHub AI with GitHub Models

1. مقدمه LLM 1. LLM Introduction

• محدودیت های مدل های GitHub Limits of GitHub Models

• مدال های مختلف تعامل هوش مصنوعی Different AI interaction modals

• LLM چیست؟ What is an LLM?

• اندازه های مدل Model sizes

• فیلترهای محتوا Content filters

• توکن سازی Tokenization

• درخواست LLM Prompting an LLM

2. کاوش در بازار GitHub 2. Exploring the GitHub Marketplace

• جزئیات مدل Model details

• برچسب ها Tags

• مروری بر بازار Overview of the marketplace

• بررسی مدل های موجود در بازار Exploring models on the marketplace

• زبان های پشتیبانی شده و SDK Supported languages and SDK's

3. استفاده از زمین بازی 3. Using the Playground

• GitHub Codespace چیست؟ What is a GitHub Codespace?

• شروع به کار در یک کد فضای GitHub Getting started inside a GitHub Codespace

• کاوش در زمین بازی Exploring the playground

• اجرای نمونه ها به صورت محلی Running the examples locally

4. با پیاده سازی شروع کنید 4. Get Started with Implementation

• تکمیل، پخش جریانی و چند نوبتی Completions, streaming, and multi-turn

• تبدیل استخراج داده ها Data extraction transformation

• تعبیه ها و توابع Embeddings and functions

• نسل افزایش یافته بازیابی Retrieval-augmented generation

• کاوش نمونه های نوت بوک Jupyter Exploring the Jupyter Notebook examples

5. استقرار به Azure 5. Deploying to Azure

• نمای کلی معماری Architectural overview

• گسترش منابع Azure Rolling out Azure resources

• اعتبار سنجی راه حل با منابع Azure Validating the solution with the Azure resources

6. تولید 6. Production

• نظارت بر راه حل خود در تولید Monitoring your solution in production

• تنظیم محدودیت نرخ Setting up rate limits

نتیجه گیری Conclusion

• هوش مصنوعی مسئول Responsible AI