آشنایی با تست مدلهای هوش مصنوعی، مدلهای زبانی بزرگ و چتباتها
✅ سرفصل و جزئیات آموزش
آنچه یاد خواهید گرفت:
- درک کنید هوش مصنوعی چگونه کار میکند.
- درک تست اولیه نرمافزار
- درک کنید چگونه هوش مصنوعی در مقایسه با نرمافزارهای سنتی تست میشود.
- کسب دانش تست برای اخلاقیات
- درک کنید چگونه قابلیتهای استدلال هوش مصنوعی را تست کنید.
- درک تستهای کاربردی هوش مصنوعی
- یاد بگیرید چگونه پردازش زبان طبیعی را اعتبارسنجی کنید.
- چگونگی بنچمارک هوش مصنوعی در مقایسه با مدلهای HellaSWAG ،MMLU ،CODEXGLUE ،BLEU و Humaneval
- اهمیت داده تست و رانش مدل
- با مثالهای واقعی از چتجیپیتی ببینید چگونه میتوانید چتباتها را تست کنید.
پیشنیازهای دوره
- تجربه اولیه در تست نرمافزار
- تجربه اولیه کدنویسی (اما ضروری نیست)
- اختیاری - اشتراک مدل GPT-4 (اما ضروری نیست)
- تمایل به یادگیری داغترین مهارت بازار
- کنجکاوی و 5-6 ساعت زمان برای اتمام مطالب
توضیحات دوره
به این دوره خوش آمدید. این دوره راهنمای جامع شما برای درک اصول تست سیستمهای پیشرفته هوش مصنوعی است. چه توسعهدهنده، دانشمند داده و یا صرفاً علاقهمند به هوش مصنوعی باشید، این دوره شما را به دانش و مهارتهای لازم برای ارزیابی و بهبود قابلیت اطمینان، عملکرد و ایمنی فناوریهای هوش مصنوعی آشنا میکند.
آنچه یاد خواهید گرفت:
- آشنایی با تست هوش مصنوعی: درک اهمیت تست سیستمهای هوش مصنوعی، شامل ملاحظات اخلاقی و تأثیرات بالقوه شکستهای هوش مصنوعی
- مبانی تست: آشنایی با انواع مختلف متدولوژیهای تست مانند تست واحد، تست یکپارچگی و تست سیستم که در هوش مصنوعی بهکار میروند.
- تمرکز ویژه بر مدلهای بنیادی و مدلهای زبانی بزرگ: بررسی عمیق چالشها و تکنیکهای تست مدلهای زبانی بزرگ و سیستمهای بنیادی هوش مصنوعی که در حال تغییر شکل صنایع مختلف هستند.
- تست چتبات: جنبههای منحصر به فرد تست هوش مصنوعی مکالمهای را بررسی کنید، مطمئن شوید بهطور دقیق و مناسب در سناریوهای مختلف پاسخ میدهند.
- ارزیابیهای سیستم هوش مصنوعی: یاد بگیرید چگونه رویههای تست مؤثر را برای سیستمهای مختلف مبتنی بر هوش مصنوعی با ابزارهای دستی و خودکار طراحی و پیادهسازی کنید.
- مطالعات موردی: بینشهایی از سناریوهای واقعی کسب کنید که تلههای رایج و بهترین شیوهها در تست هوش مصنوعی را نشان میدهند.
- هوش مصنوعی اخلاقی: ریسکها در هوش مصنوعی و اخلاقیات پشت هوش مصنوعی و اینکه چگونه باید برای این موضوع تست کنید را درک کنید.
- بنچمارکینگ: درک کنید چگونه هوش مصنوعی را در مقایسه با برخی مدلهای بنچمارکینگ معمولی مانند BLUE ،HellaSWAG ،MMLU ،CODEXGLUE و HumanEval تست کنید.
- تست چتجیپیتی و چتباتها با کمک API و یکپارچهسازی آن در زنجیره MLOPS
این دوره برای چه کسانی است؟
این دوره برای هر کسی که به دنبال کسب پایه محکم در تکنیکها و شیوههای اساسی برای تست سیستمهای هوش مصنوعی است، ایدهآل است. چه شما بهدنبال شروع یک شغل در هوش مصنوعی باشید، چه بخواهید مهارتهای حرفهای خود را بهبود ببخشید یا به مکانیزمهای پشت قابلیت اطمینان سیستمهای هوش مصنوعی علاقمند باشید، این دوره برای شما بینشهای ارزشمندی دارد.
ویژگیهای دوره:
- درسهای ویدئویی جذاب
- تکالیف کاربردی و پروژههای عملی
- آزمونهایی برای سنجش دانش شما
امروز در این دوره شرکت کنید تا مهارت حیاتی تست سیستمهای هوش مصنوعی را بدست آورید و مطمئن شوید که برای مشارکت در توسعه فناوریهای هوش مصنوعی ایمن و قابل اطمینان آمادهاید!
این دوره برای چه کسانی مناسب است؟
- شهروند توسعهدهنده
- تسترهای نرمافزار
- مهندسان کیفیت
آشنایی با تست مدلهای هوش مصنوعی، مدلهای زبانی بزرگ و چتباتها
-
آشنایی با مطالب 04:04
-
آشنایی با Generative AI 01:55
-
دموی قابلیتهای هوش مصنوعی 04:23
-
تاریخچه هوش مصنوعی از 1950 تا 2024 07:12
-
نصب ویژوال استودیو کد 02:40
-
نصب پایتون 02:18
-
نصب وابستگیهای پایتون - PIP 02:07
-
نصب نود جی اس و NPM 02:47
-
آشنایی با بنچمارکینگ برای مدلهای زبانی بزرگ 04:11
-
7 مدل بنچمارک 04:18
-
TruthfulQA - صداقت 04:10
-
پایتون - دمو - بنچمارکینگ Open AI چتجیپیتی - TruthfulQA 08:02
-
پایتون - دمو - بنچمارکینگ Open AI چتجیپیتی - MMLU 04:20
-
پایتون - دمو - بنچمارکینگ Open AI چتجیپیتی - HumanEval 05:04
-
اجزای تشکیلدهنده هوش مصنوعی 03:45
-
مدلهای زبانی بزرگ چه ربطی به هوش مصنوعی دارند؟ 01:48
-
پردازش زبان طبیعی 04:52
-
انواع یادگیری ماشین 04:03
-
اهمیت داده آموزش 04:05
-
یادگیری ماشین - یادگیری تحت نظارت 03:57
-
یادگیری ماشین - یادگیری بدون نظارت 04:59
-
یادگیری ماشین - یادگیری تقویتی 03:16
-
شبکههای عصبی و یادگیری عمیق 05:18
-
مدل زبانی بزرگ چیست؟ - LLM 03:53
-
انواع تست در نرمافزار 02:51
-
انواع تست برای مدلهای زبانی بزرگ - مدلهای بنیادی 03:50
-
رویکرد کلی تست برای مدلهای زبانی بزرگ 03:54
-
تست تولید محتوای اولیه برای مدلهای زبانی بزرگ 06:05
-
تست دمای مدلهای زبانی بزرگ 04:36
-
تمامیت عملکردی 03:53
-
درستی عملکردی 05:36
-
تست دقت 09:40
-
تست تکرارپذیری 12:24
-
تست چندوجهی 02:34
-
اعتبارسنجیهای کارایی و سادگی 04:00
-
قابلیت یادگیری - چتجیپیتی و Google Vertex AI 07:40
-
درستی آماری 05:50
-
تست هوش مصنوعی مدل زبانی بزرگ - تست رانش بلندمدت 06:06
-
[دمو] - قابلیت یادگیری Vertex AI - آموزش مدل - دستی 03:22
-
[دمو] - قابلیت یادگیری Vertex AI - آموزش مدل - Json 01:51
-
تواناییهای منطقی خلاق - یک کمی سرگرمی 03:29
-
استدلال - استدلال علی 03:43
-
توانایی استدلال، استدلال قیاسی، استدلال ربایشی و منطق استقرایی 05:25
-
استدلال معکوس 05:19
-
استدلال خلاف واقع 06:03
-
استدلال انتزاعی 03:41
-
استدلال مولد 09:03
-
قابلیت متنی - شناسایی موجودیت نامگذاری شده (NER) 03:23
-
قابلیت متنی - انتقالدهنده سبک 05:45
-
قابلیت متنی - تشخیص طعنه و شوخی 02:48
-
قابلیت متنی - انسجام گفتمان 02:16
-
درک چتباتها بر اساس مدل زبانی بزرگ 05:41
-
تست عملکردی برای چتباتها 06:03
-
تست زمینه و حافظه 04:42
-
تست Blabber - تحمیل زمینه 09:51
-
دریافت کلید OpenAI API 01:00
-
مقررات اتحادیه اروپا در مورد سیستمهای هوش مصنوعی 03:48
-
هوش مصنوعی و سوگیریها 05:12
-
GenAI و حریم خصوصی 04:05
-
GenAI و مالکیت فکری 04:13
-
توهمات 04:29
-
GenAI و اطلاعات نادرست یا غلط 04:50
-
سرویس تعدیل گوگل 04:16
-
سرویس تعدیل Open AI چتجیپیتی 05:38
-
GenAI و Deep Fake 06:29
مشخصات آموزش
آشنایی با تست مدلهای هوش مصنوعی، مدلهای زبانی بزرگ و چتباتها
- تاریخ به روز رسانی: 1404/06/21
- سطح دوره:مقدماتی
- تعداد درس:65
- مدت زمان :06:24:58
- حجم :2.77GB
- زبان:دوبله زبان فارسی
- دوره آموزشی:AI Academy