آموزش بوت‌کمپ NCA-GENL - متخصص هوش مصنوعی مولد و مدل‌های زبانی بزرگ (GenAI & LLMs Associate) - آخرین آپدیت

دانلود NCA-GENL - Bootcamp – GenAI & LLMs Associate

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: هوش مصنوعی مولد (Generative AI) و مدل‌های زبانی بزرگ (LLMs) را با محتوای عملی و همسو با اهداف گواهینامه‌های صنعتی (سطح Associate) بیاموزید. مبانی هوش مصنوعی مولد و LLMها، از جمله معماری مدل، آموزش و استقرار را درک کنید. با تسلط بر مفاهیم کلیدی، کاربردهای عملی و بهترین روش‌های صنعتی در GenAI، برای دریافت گواهینامه NCA-GENL آماده شوید. دانش عملی در مورد استک‌ها، فریم‌ورک‌ها و ابزارهایی که مدل‌های زبانی بزرگ و برنامه‌های هوش مصنوعی مولد را قدرت می‌بخشند، کسب کنید. مهارت‌های لازم برای طراحی، پیاده‌سازی و بهینه‌سازی جریان‌های کاری GenAI را توسعه دهید تا برای پروژه‌های واقعی هوش مصنوعی و یادگیری ماشین آماده شوید. پیش‌نیازها: درک ابتدایی از هوش مصنوعی مولد و مدل‌های زبانی بزرگ

GenAI & LLMs: یادگیری و موفقیت در آزمون گواهینامه NCA-GENL

هوش مصنوعی مولد و مدل‌های زبانی بزرگ (LLMs) در حال تغییر نحوه ساخت نرم‌افزارها، عملیات کسب‌وکارها و مسیر رشد شغلی هستند. این دوره در سطح مبتدی تا متوسط طراحی شده است تا به شما کمک کند درک عمیقی از هوش مصنوعی مولدپیدا کنید و همزمان با اعتماد به نفس کامل برای آزمون Certified Associate –Generative AI and LLMs (NCA-GENL)آماده شوید.

این دوره از راهنمای رسمی آزمون و سرفصل‌های استانداردپیروی می‌کند تا اطمینان حاصل شود هر موضوعی که می‌آموزید مستقیماً با اهداف گواهینامه همسو است؛ در حالی که مهارت‌های عملی و واقعی GenAI را فراتر از آمادگی برای آزمون می‌سازید.

آنچه خواهید آموخت:

  • مبانی اصلی هوش مصنوعی مولد و LLM، شامل ترنسفورمرها، شبکه‌های عصبی و جریان‌های کاری مولد

  • نحوه تعامل داده‌ها، پرامپت‌ها، مدل‌ها و توان پردازشیدر سیستم‌های مدرن GenAI

  • مفاهیم کلیدی در مهندسی پرامپت، RAG، پیش‌پردازش داده‌ها، آموزش مدل و ارزیابی مدل

  • نقش GPU در شتاب‌دهی به هوش مصنوعی مولد، LLMها و بارهای کاری AI

  • دانش بنیادی که پشتیبان هوش مصنوعی عامل‌محور (Agentic AI)، یادگیری ماشین و برنامه‌های پیشرفته AIاست

روش تدریس این دوره:

  • استفاده از مثال‌های واقعیبرای ساده‌سازی مفاهیم پیچیده GenAI

  • توضیحات به سبک تخته سفید (Whiteboarding)برای کالبدشکافی دقیق معماری‌ها و جریان‌های کاری

  • نمودارهای ساده و گرافیک‌های قابل فهمبرای یادگیری بصری

  • جداول مقایسه‌ایبرای تفکیک دقیق مدل‌ها، تکنیک‌ها و رویکردهای هوش مصنوعی

  • تدریس مفهوم‌محور برای تثبیت دانش و کاربردپذیری در محیط کار

مزایای گواهینامه و شغلی:

  • آماده‌سازی کامل برای آزمون گواهینامه NCA-GENL

  • همسویی کامل با راهنمای مطالعه رسمی آزمون

  • ایده‌آل برای نقش‌های شغلی:

    • مهندس یادگیری ماشین (ML Engineer)

    • دانشمند داده (Data Scientist)

    • متخصص هوش مصنوعی مولد یا LLM

    • مهندس AI DevOps

    • مهندس نرم‌افزار یا معمار ابری/راهکارها

  • همچنین عالی برای مبتدیان و کسانی که قصد تغییر مسیر شغلیبه حوزه GenAI را دارند

چرا ثبت‌نام کنید؟

چه بخواهید در آزمون NCA-GENL قبول شوید، چه بخواهید پایه‌ای قوی در هوش مصنوعی مولد و LLMهابسازید و یا برای نقش‌های آینده در هوش مصنوعی عامل‌محور و یادگیری ماشینآماده شوید، این دوره شفافیت، اعتماد به نفس و مهارت‌های لازم برای موفقیت در دنیای امروزِ مبتنی بر AI را به شما می‌دهد.


سرفصل ها و درس ها

خوش‌آمدگویی Welcome

  • مقدمه Introduction

چرا هوش مصنوعی مولد برای شرکت‌ها و شما اهمیت دارد؟ Why Generative AI Matters for Companies and You?

  • چرا شرکت‌ها روی هوش مصنوعی مولد سرمایه‌گذاری می‌کنند و چرا برای شما مهم است Why Companies Invest in Generative AI—and Why It Matters to You

جزئیات گواهینامه Certification Details

  • آشنایی با مسیرهای گواهینامه Know about Certification Tracks

  • گواهینامه NCA GENL NCA-GENL Certification

ماژول ۱: زیرساخت‌های هوش مصنوعی Module 1 - AI Infrastructure

  • چه مباحثی را پوشش خواهیم داد؟ What we will cover?

  • استک AI و ML AII and ML Stack

  • زیرساخت هوش مصنوعی AI Infrastructure

  • GPUها برای AI و ML GPUs for AI and ML

  • مقایسه GPU در مقابل CPU GPU vs. CPU

  • معماری GPU GPU Architecture

  • تجمیع حافظه (Memory Pooling) Memory Pooling

  • مقایسه ابری در مقابل محلی (On Prem) Cloud vs. On-Prem

  • زیرساخت شبکه Network Infrastructure

  • زیرساخت ذخیره‌سازی Storage Infrastructure

  • خلاصه ماژول ۱ Module 1 - Summary

ماژول ۲: مبانی هوش مصنوعی و یادگیری ماشین Module 2 - AI and ML Fundamentals

  • هوش مصنوعی و یادگیری ماشین AI and ML

  • یادگیری عمیق Deep Learning

  • یک مورد کاربردی ساده A Simple Use Case

  • مدل چیست؟ What is a Model?

  • آموزش یک مدل Training a Model

  • خلاصه ماژول ۲ Module 2 - Summary

ماژول ۳: هوش مصنوعی مولد و LLM Module 3 - Generative AI & LLM

  • هوش مصنوعی مولد چیست؟ What is Generative AI?

  • مدل پایه (Foundation Model) Foundation Model

  • مدل زبانی بزرگ (LLM) Large Language Model

  • مسیر رسیدن به هوش مصنوعی مولد Road to Generative AI

  • ترنسفورمرها Transformers

  • خلاصه ماژول ۳ Module 3 - Summary

ماژول ۴: معماری ترنسفورمر Module 4 - Transformer Architecture

  • ترنسفورمر: موتور محرک هوش مصنوعی مدرن Transformer - The engine behind Modern AI

  • ترنسفورمرها چگونه کار می‌کنند؟ How Transformers work?

  • توکن‌سازی (Tokenization) Tokenization

  • کدگذاری (Encoding) Encoding

  • جاسازی کلمات (Word Embedding) Word Embedding

  • رمزگشایی (Decoding) Decoding

  • خروجی Output

  • کدگذاری موقعیتی (Positional Encoding) Positional Encoding

  • توضیحات جامع ترنسفورمر Transformer Explainer

  • مکانیزم توجه (Attention Mechanism) Attention Mechanism

  • توجه چندسره (Multi Head Attention) Multi Head Attention

  • رمزگذار-رمزگشا (Encoder Decoder) Encoder Decoder

  • کدام یک را انتخاب کنیم؟ Which one to use?

  • استراتژی پیش‌بینی Prediction Strategy

  • خلاصه ماژول ۴ Module 4 - Summary

ماژول ۵: انتخاب مدل Module 5 - Model Selection

  • چگونه مدل پایه AI مناسب را انتخاب کنیم؟ How to Pick the Right AI Foundation Model?

  • فرآیند انتخاب مدل Model Selection Process

  • مقایسه SLM در مقابل LLM SLM vs. LLM

  • ارزیابی مدل Model Evaluation

  • معیارهای حیاتی Metrics that Matters

  • مقایسه معیارها Metrics Comparision

  • اعتبارسنجی متقاطع (Cross Validation) Cross Validation

  • تست A/B A/B Testing

  • انتخاب بهترین مدل Selecting Best Model

  • خلاصه ماژول ۵ Module 5 - Summary

ماژول ۶: شخصی‌سازی مدل Module 6 - Model Customization

  • چرا یک مدل را شخصی‌سازی کنیم؟ Why Customize a Model?

  • مهندسی پرامپت Prompt Engineering

  • پرامپت سیستمی System Prompt

  • تولید تقویت شده با بازیابی (RAG) Retrieval Augmented Generation (RAG)

  • قطعه‌بندی (Chunking) Chunking

  • یادگیری انتقالی (Transfer Learning) Transfer Learning

  • رویکردهای یادگیری انتقالی Transfer Learning Approaches

  • موارد کاربرد یادگیری انتقالی Transfer Learning Use Cases

  • تنظیم دقیق (Fine Tuning) Fine-Tuning

  • تقطیر دانش (Knowledge Distillation) Knowledge Distillation

  • دقت در مجموعه اعتبارسنجی Accuracy on a Validation Set

  • خلاصه ماژول ۶ Module 6 - Summary

ماژول ۷: آموزش مدل Module 7 - Model Training

  • مثالی برای درک آموزش مدل Model Training Analogy

  • آبجو یا شراب (مثال آموزشی) Beer or Wine

  • ترتیب مراحل Order of Steps

  • جمع‌آوری داده‌ها Data Collection

  • پردازش داده‌ها: RegEx Data Processing - RegEx

  • پردازش داده‌ها: EDA Data Processing - EDA

  • تکنیک‌های EDA EDA Techniques

  • آموزش مدل Model Training

  • مراحل آموزش مدل Model Training Phases

  • ارزیابی مدل Model Evaluation

  • استقرار مدل (Deployment) Model Deployment

  • گزینه‌های استقرار Options for Deployment

  • فرمت ONNX ONNX Format

  • کوانتایزیشن (Quantization) Quantization

  • پس از استقرار Post Deployment

  • خلاصه ماژول ۷ Module 7 - Summary

ماژول ۸: اکوسیستم Module 8 - The Eco-system

  • اکوسیستم Eco-system

  • GPUها GPUs

  • CUDA CUDA

  • ابزار GPU CLI GPU CLI Utility

  • RAPIDS RAPIDS

  • RAPIDS چگونه کار می‌کند؟ How RAPIDS work?

  • Tensor RT Tensor-RT

  • مقایسه Tensor RT در مقابل کوانتایزیشن و ONNX 83 - Tensor-RT vs Quantization vs. ONNX

  • NeMo NeMo

  • Triton Triton

  • دسته‌بندی پویا (Dynamic Batching) Dynamic Batching

  • کاتالوگ NGC NGC Catalog

  • سایر یکپارچه‌سازی‌ها Other Integration

  • خلاصه ماژول ۸ Module 8 - Summary

ماژول ۹: هوش مصنوعی اخلاق‌مدار Module 9 - Ethical AI

  • هوش مصنوعی اخلاق‌مدار Ethical AI

  • ساخت AI قابل اعتماد Building Trustworthy AI

  • محاسبات محرمانه (Confidential Computing) Confidential Computing

  • نرده‌های حفاظتی NeMo NeMo Guardrails

  • طبقه‌بندی جاسازی (Embedding Classifier) Embedding Classifier

  • ردیابی происج داده‌ها (Data Lineage) Data Lineage Tracking

  • تیم قرمز (Red Teaming) Red Teaming

  • افزایش داده‌ها (Data Augmentation) Data Augmentation

  • پاسخگویی و مسئولیت‌پذیری Accountability

  • هوش مصنوعی قابل توضیح (Explainable AI) Explainable AI

  • خلاصه ماژول ۹ Module 9 - Summary

ماژول ۱۰: موضوعات تکمیلی Module 10 - Additional Topics

  • انتشار پیشرو و پس‌رو (Forward & Back Propagation) Forward and Back Propagation

  • گرادیان‌های ناپدید شونده Vanishing Gradients

  • چالش‌های گرادیان‌های ناپدید شونده Challenges of Vanishing Gradients

  • نورون (عصب) Neuron

  • داخل یک نورون Inside a Neuron

  • آیا این یک گربه است؟ Is it a Cat?

  • مقایسه ReLU در مقابل Sigmoid ReLU vs Sigmoid

  • نرمال‌سازی لایه (Layer Normalization) Layer Normalization

  • رابطه موجودیت‌های نام‌گذاری شده Named Entity Relationship

  • الگوریتم‌های دیفیوژن (Diffusion) Diffusion Algorithms

  • دیفیوژن پیشرو و معکوس Forward and Reverse Diffusion

  • دیفیوژن پیشرو Forward Diffusion

  • دیفیوژن معکوس Reverse Diffusion

  • توسعه سریع اپلیکیشن (RAD) Rapid Application Development (RAD)

  • ترنسفورمرهای HuggingFace HuggingFace Transformers

  • خلاصه ماژول ۱۰ Module 10 - Summary

نکاتی برای آزمون گواهینامه Tips for Certification Exam

  • آماده‌سازی برای آزمون گواهینامه Prepare for Certification Exam

نمایش نظرات

آموزش بوت‌کمپ NCA-GENL - متخصص هوش مصنوعی مولد و مدل‌های زبانی بزرگ (GenAI & LLMs Associate)
جزییات دوره
9.5 hours
122
Udemy (یودمی) Udemy (یودمی)
(آخرین آپدیت)
3,637
4.7 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

Ashish Prajapati Ashish Prajapati

آموزش آسان و جذاب مهارت‌های ابری AWS