آموزش مانیتورینگ مدل‌های زبانی بزرگ (LLM) در محیط عملیاتی: مشاهده‌پذیری، ردیابی و بهینه‌سازی هزینه‌ها [ویدیو] - آخرین آپدیت

دانلود Production LLM Monitoring: Observability, Tracing & Cost Optimization [Video]

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: سیستم‌های LLM در محیط عملیاتی (Production)، مصرف توکن‌های غیرقابل پیش‌بینی، ضرایب پنهان RAG و نقاط کور در دیباگینگ ایجاد می‌کنند که مانیتورینگ‌های سنتی قادر به حل آن‌ها نیستند. این دوره با ایجاد توجیه تجاری برای «مشاهده‌پذیری» (Observability) آغاز می‌شود و نشان می‌دهد که چگونه ردیابی (Tracing) و شفافیت هزینه‌ها مستقیماً بر نرخ بازگشت سرمایه (ROI) تأثیر می‌گذارد. شما بررسی خواهید کرد که هزینه‌های LLM چگونه انباشته می‌شوند، نشت بودجه در خط لوله‌ها (Pipelines) کجا رخ می‌دهد و چرا مدل‌های مشاهده‌پذیری سنتی برای بارهای کاری هوش مصنوعی مولد ناکارآمد هستند. سپس مسیر به سمت ارزیابی پلتفرم‌ها و پیاده‌سازی عملی پیش می‌رود. شما Langfuse را راه‌اندازی کرده، مدل داده‌ای آن را درک می‌کنید، Traceها را ایجاد کرده و جریان‌های کاری چندمرحله‌ای RAG را ابزارگذاری (Instrument) می‌کنید. ادغام با فریم‌ورک‌هایی مانند LangChain پوشش داده شده است تا نحوه ثبت Spanها، متادیتاها و مصرف توکن‌ها در سیستم‌های واقعی نمایش داده شود. هر مرحله، تئوری‌های انتزاعی مانیتورینگ را به الگوهای کد عملی و قابل استقرار تبدیل می‌کند. در بخش‌های نهایی، تمرکز بر بهینه‌سازی و تعالی عملیاتی است. شما تنظیم پرامپت (Prompt Tuning)، کشینگ معنایی (Semantic Caching)، مسیریابی هوشمند مدل‌ها، هشدارهای هزینه و داشبوردهای مانیتورینگ را پیاده‌سازی خواهید کرد. دوره با الگوهای امنیتی، استراتژی‌های حذف اطلاعات حساس (PII) و متدهای عملیاتی سطح سازمانی به پایان می‌رسد تا یک چارچوب کامل برای مشاهده‌پذیری و حاکمیت هزینه داشته باشید. آنچه در این دوره می‌آموزید: - پیاده‌سازی Langfuse Tracing برای اپلیکیشن‌های LLM در محیط عملیاتی - تحلیل مصرف توکن و هزینه‌های پنهان در خط لوله (Pipeline) - ابزارگذاری موثر جریان‌های کاری چندمرحله‌ای RAG - بهینه‌سازی پرامپت‌ها برای کاهش مصرف توکن - استقرار Semantic Caching برای کاهش هزینه‌ها - پیکربندی هشدارهای هزینه و داشبوردهای مانیتورینگ این دوره برای مهندسان ML، مهندسان AI، توسعه‌دهندگان Backend و لیدهای فنی که مسئول استقرار و نگهداری سیستم‌های مبتنی بر LLM هستند، طراحی شده است. این آموزش به‌ویژه برای متخصصانی که بودجه API، خط لوله‌های RAG یا جریان‌های کاری ایجنت‌های چندمرحله‌ای را مدیریت می‌کنند، ارزشمند است. توسعه‌دهندگان پایتون آشنا با OpenAI، Anthropic یا APIهای مشابه، از یادگیری نحوه معرفی ردیابی ساختاریافته، کنترل هزینه و الگوهای امنیتی در اپلیکیشن‌های فعلی خود بهره‌مند خواهند شد. ویژگی‌های برجسته: - چارچوب جامع مشاهده‌پذیری LLM با پیوند داده‌های ردیابی به تاثیرات ROI - مقایسه پلتفرم‌ها به صورت مستقل از Vendor برای تصمیم‌گیری آگاهانه تیم‌های AI - الگوهای عملی ابزارگذاری محیط Production بر اساس جریان‌های کاری واقعی سیستم‌های RAG

سرفصل ها و درس ها

مقدمه Introduction

  • مقدمه Introduction

توجیه تجاری: چرا مشاهده‌پذیری برابر است با سود مالی The Business Case Why Observability = Money

  • مدیریت هزینه و مشاهده‌پذیری – بررسی کلی Observability and Cost Management – Overview

  • هزینه‌های پنهان اپلیکیشن‌های LLM The Hidden Costs of LLM Applications

  • مشاهده‌پذیری سنتی در مقابل مشاهده‌پذیری LLM Traditional vs LLM Observability

  • سه ستون اصلی برای LLMها The Three Pillars for LLMs

  • ماشین حساب ROI – ایجاد توجیه تجاری ROI Calculator – Making the Business Case

درک هزینه‌های LLM – بودجه شما کجا هزینه می‌شود Understanding LLM Costs – Where Your Money Goes

  • درک هزینه‌های LLM Understanding LLM Costs

  • کجا هزینه‌ها پنهان می‌شوند – خط لوله RAG و Agent Where Costs Hide – RAG and Agent Pipeline

  • ضریب هزینه‌های پنهان The Hidden Cost Multiplier

انتخاب پلتفرم مشاهده‌پذیری – Langfuse و آموزش عملی Observability Platform Selection – Langfuse and Hands-on

  • انتخاب پلتفرم مشاهده‌پذیری Observability Platform Selection

  • راه‌اندازی Langfuse Setting Up Langfuse

  • راه‌اندازی Langfuse و ایجاد اولین Trace Setting up Langfuse and Creating First Trace

  • مدل داده‌ای Langfuse Langfuse Data Model

  • تمرین عملی: بررسی عمیق اولین Trace در LLM Hands-on: First LLM Trace – Deep Dive

  • سطوح API در Langfuse – نمایش کدها Langfuse API Levels – Code Demonstrations

ابزارگذاری اپلیکیشن LLM شما Instrumenting Your LLM Application

  • مورد کاربردی ابزارگذاری LLM در محیط عملیاتی – تمرین عملی Production Instrumented LLM Use Case – Hands-on

  • ابزارگذاری خط لوله RAG چندمرحله‌ای – مشاهده‌پذیری با Langfuse – تمرین کامل Instrumenting a Multi-Step RAG Pipeline – Langfuse Observability – Full Handson

  • ادغام با فریم‌ورک‌ها (LangChain) Framework Integration (LangChain)

استراتژی‌های کاربردی بهینه‌سازی هزینه Cost Optimization Strategies That Work

  • استراتژی‌های بهینه‌سازی هزینه – بررسی کلی Cost Optimization Strategies – Overview

  • بهینه‌سازی پرامپت – تمرین عملی Prompt Optimization – Handson

  • کشینگ معنایی (Semantic Caching) Semantic Caching

  • مسیریابی هوشمند مدل (Smart Model Routing) Smart Model Routing

  • خلاصه بهینه‌سازی هزینه‌ها Cost Optimization Summary

مانیتورینگ، هشداردهی و دیباگینگ Monitoring, Alerting & Debugging

  • راه‌اندازی هشدارهای حیاتی Setting up Alerts that Matter

الگوهای عملیاتی و امنیت Production Patterns & Security

  • الگوهای امنیت و انطباق (Compliance) Security and Compliance Patterns

  • پیاده‌سازی الگوهای عملیاتی در دنیای واقعی Production Patterns Implementations – Real-world

جمع‌بندی و گام‌های بعدی Wrap up and Next Steps

  • مرور دوره و گام‌های بعدی Course Recap and Next Steps

نمایش نظرات

آموزش مانیتورینگ مدل‌های زبانی بزرگ (LLM) در محیط عملیاتی: مشاهده‌پذیری، ردیابی و بهینه‌سازی هزینه‌ها [ویدیو]
جزییات دوره
2h 35m
27
Packtpub Packtpub
(آخرین آپدیت)
از 5
ندارد
دارد
دارد
Paulo Dichone
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Paulo Dichone Paulo Dichone

توسعه دهنده و معلم

سلام! من پائولو هستم. من مدرک علوم کامپیوتر از دانشگاه Whitworth دارم و یک متخصص برنامه نویسی هستم و به آن افتخار می کنم!

من تجربه گسترده ای در توسعه برنامه Android به ویژه در برنامه موبایل (اندروید و iOS) و توسعه وب دارم. من همچنین بنیانگذار Magadistudio هستم، یک شرکت توسعه برنامه تلفن همراه مستقر در شمال غربی داخلی زیبا (WA).

من علاقه زیادی به آموزش توسعه برنامه اندروید به مردم دارم. نشان دادن طناب‌های ساخت اپلیکیشن‌های اندرویدی شگفت‌انگیز، تجربه‌ای بسیار ارزشمند است! هدف من این است که شما را به سرعت راه اندازی کنم و برنامه های اندروید بسازید.

شما آزادی را که یک توسعه‌دهنده اندروید ارائه می‌دهد، باور نمی‌کنید.

من را در توییتر @buildappswithme دنبال کنید

برنامه نویس نرم افزار/برنامه - موبایل و وب

مدرس آنلاین: 2014 - حال

علوم کامپیوتر (BS)
دانشگاه ویتورث
سپتامبر 2006 - مه 2009