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 مانیتورینگ و ردیابی LLM: مشاهدهپذیری هوش مصنوعی با Datadog
- آخرین آپدیت
دانلود LLM Monitoring & Tracing: AI Observability with Datadog
نکته:
ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره:
در این دوره بیاموزید چگونه مشاهدهپذیری (Observability) مدلهای زبانی بزرگ (LLM) را با استفاده از Datadog بهینه کنید. این دوره جامع شامل آموزش راهاندازی Datadog، ابزارگذاری گردشهای کاری AI، عیبیابی سیستمهای چند-عاملی (Multi-agent)، و نظارت بر عملکرد، امنیت و هزینهها در محیطهای سازمانی است. شما تجربه عملی در تضمین کیفیت اپلیکیشنهای AI در سطح تولید (Production-grade) کسب خواهید کرد.
این دوره نگاهی عمیق به مشاهدهپذیری LLM با Datadog دارد و شما را با مهارتهای ضروری برای مانیتورینگ و ردیابی اپلیکیشنهای هوش مصنوعی آشنا میکند. آموزش با تنظیمات Datadog، درک انواع Spanها، یکپارچهسازی SDKها و فرآیند ردیابی فراخوانیهای LLM در محیطهای محلی آغاز میشود. در ادامه، به ابزارگذاری گردشهای کاری چندمرحلهای AI، استفاده از حاشیهنویسیها (Annotations) و تگها برای ردیابی عملکرد و عیبیابی سیستمهای پیچیده Agentic AI خواهید پرداخت.
همچنین، یکپارچهسازی با LangChain، ابزارگذاری خط لولههای RAG و استفاده از Datadog برای مشاهدهپذیری کامل را بررسی خواهید کرد. این دوره با تمرکز بر ارزیابیها، مانیتورینگ کیفیت و تست A/B برای بهینهسازی عملکرد LLM پیش میرود. شما یاد میگیرید چگونه ارزیابیهای سفارشی ایجاد کرده و آنها را برای مانیتورینگ خودکار با کد خود ادغام کنید.
علاوه بر عملکرد و عیبیابی، به بهینهسازی هزینهها خواهید پرداخت تا اطمینان حاصل کنید که اپلیکیشنهای LLM شما به صورت بهینه و مقرونبهصرفه اجرا میشوند. همچنین دانش لازم در زمینه امنیت و استانداردهای انطباق، مانند حذف اطلاعات حساس (PII Redaction) و بهترین روشهای استقرار را کسب خواهید کرد. در پایان دوره، درک جامعی از استقرار و نگهداری مشاهدهپذیری در اپلیکیشنهای LLM سطح تولید خواهید داشت تا امنیت، کارایی و مقرونبهصرفه بودن آنها تضمین شود.
این دوره برای مهندسان AI، متخصصان DevOps، دانشمندان داده و هر کسی که با سیستمهای هوش مصنوعی، بهویژه اپلیکیشنهای LLM کار میکند، طراحی شده است. این آموزش برای کسانی که بر مشاهدهپذیری، مانیتورینگ و بهینهسازی AI در محیطهای عملیاتی تمرکز دارند، ایدهآل است. داشتن درک پایه از سیستمهای مبتنی بر ابر و توسعه نرمافزار توصیه میشود. آشنایی با Datadog یا فناوریهای LLM مفید است اما الزامی نیست.
این دوره با رویکردی عملی ارائه شده و تمرینات کاربردی برای راهاندازی ابزارهای مشاهدهپذیری، عیبیابی گردشهای کاری پیچیده AI و بهینهسازی عملکرد ارائه میدهد. شرکتکنندگان از طریق جلسات تعاملی و سناریوهای دنیای واقعی، مهارتهای ارزشمندی را برای استقرار و مانیتورینگ موثر اپلیکیشنهای LLM در محیط تولید کسب میکنند.
این دوره بر اساس محتوای «LLM Monitoring & Tracing: AI Observability with Datadog» اثر Paulo Dichone تهیه شده است.
این دوره توسط Packt لایسنس و توزیع شده است. تمامی حقوق محفوظ است.
کمپانی Packt یکی از پرکارترین ناشران محتوای فنی پیشرو در جهان است. برای بیش از دو دهه، ماموریت ما گردآوری و انتشار دانش برترین متخصصان فنی بوده است.
ما بر دورههای کاربردی تمرکز داریم که به مشتریان ما در انجام پروژههای واقعی کمک میکند و طیف گستردهای از موضوعات فنی تثبیت شده و پیشرو را پوشش میدهد. اگر فرد یا سازمانی هستید که یادگیری از طریق انجام دادن (Learning by doing) را میپسندید، Packt انتخابی ایدهآل برای شماست.
سرفصل ها و درس ها
مقدمه و ارزش سازمانی
Introduction & Enterprise Value
آنچه خواهید آموخت
What You'll Learn
چرا مشاهدهپذیری LLM برای سازمانها اهمیت دارد
Why LLM Observability Matters for Enterprises
مشاهدهپذیری LLM در Datadog – قابلیتهای اصلی و دموی داشبورد
Datadog LLM Observability – Core Capabilities and Dashboard Demo
راهاندازی مشاهدهپذیری LLM
Setting up LLM Observability
راهاندازی و تست حساب Datadog – عملی
Datadog Account Setup and Testing – Hands-on
مروری بر انواع Spanها و یکپارچهسازیهای SDK
Span Types and SDK Integrations Overview
اولین ردیابی فراخوانی LLM در محیط محلی – عملی
First Traced LLM Call in a Local Environment – Hands-on
نمایش نظرات