تسلط به Vertex AI: استفاده از LLM ها با Text-Embeddings API
✅ سرفصل و جزئیات آموزش
آنچه یاد خواهید گرفت:
- تسلط به اصول Google Cloud Vertex AI: درک جامعی از Vertex AI، شامل معماری و ویژگیهای کلیدی آن کسب کنید.
- استفاده از مدلهای زبانی بزرگ (LLMs) در Vertex AI: یاد بگیرید چگونه از LLM های از پیش آموزشدیده برای تسک های پردازش زبان طبیعی مانند تولید متن استفاده کنید.
- بهینهسازی Text Embeddings برای تسک های خاص: کشف کنید چگونه با استفاده از Text-Embeddings API، تعبیه های متنی را برای تسک های مانند بازیابی اسناد ایجاد و بهینهسازی کنید.
- اعمال تکنیکهای AI در سناریوهای دنیای واقعی: مهارتهای ساخت راهحلهای پیشرفته AI، مانند سیستمهای Retrieval-Augmented Generation (RAG) را توسعه دهید.
پیش نیازهای دوره
- درک اولیه از یادگیری ماشین
- مبانی Python
توضیحات دوره
پتانسیل کامل Google Cloud Vertex AI را با دوره جامع «تسلط به Google Cloud Vertex AI: استفاده از LLM ها و Text-Embeddings API» شکوفا کنید. این دوره که برای علاقهمندان به AI، دانشمندان داده و توسعهدهندگان طراحی شده است، شما را به مهارتها و دانش لازم برای ساخت راهحلهای پیشرفته AI با استفاده از ابزارهای پیشرفتهای مانند مدلهای زبانی بزرگ (LLMs) و Text-Embeddings API مجهز میکند. چه به دنبال بهبود پروژههای AI موجود خود باشید یا شروع پروژههای نوآورانه جدید، این دوره هر آنچه برای موفقیت نیاز دارید را فراهم میکند.
آنچه خواهید آموخت:
- مقدمهای بر Google Cloud Vertex AI: درک عمیقی از Vertex AI، شامل معماری، ویژگیهای کلیدی و چگونگی ادغام آن با اکوسیستم گستردهتر Google Cloud به دست آورید.
- کار با مدلهای زبانی بزرگ (LLMs): یاد بگیرید چگونه از LLM های از پیش آموزشدیده در Vertex AI برای انجام طیف گستردهای از تسک های NLP، از تولید متن گرفته تا تحلیل احساسات، استفاده کنید.
- تسلط به Text-Embeddings API: کشف کنید چگونه از Text-Embeddings API برای ایجاد تعبیه های قدرتمند برای بازیابی اسناد، پاسخ به پرسش و موارد دیگر استفاده کنید. درک کنید چگونه تعبیه ها را برای موارد استفاده خاص بهینهسازی کنید تا عملکرد مدلهای AI خود را بهبود بخشید.
- ساخت راهحلهای پیشرفته AI: راهنمایی گام به گام در مورد ایجاد اپلیکیشن های AI پیچیده، از جمله سیستمهای Retrieval-Augmented Generation (RAG)، توصیههای شخصیسازیشده و موارد دیگر، که همگی توسط Vertex AI و Google Cloud پشتیبانی میشوند.
- مطالعات موردی دنیای واقعی: کاربردهای واقعی Vertex AI و Text-Embeddings API را در صنایع مختلف بررسی کنید و درک کنید چگونه این بینشها را در پروژههای خود به کار ببرید.
- پروژهها و تمرینهای عملی: مهارتهای خود را با پروژههای عملی که سناریوهای دنیای واقعی را شبیهسازی میکنند، به کار گیرید. راهحلهای AI بسازید و آزمایش کنید که میتوانند مستقیماً در کار یا کسبوکار شما به کار روند.
چرا این دوره را بگذرانید؟
در پایان این دوره، شما در استفاده از Google Cloud Vertex AI و ابزارهای پیشرفته آن برای ساخت راهحلهای AI قدرتمند و بسیار کارآمد، ماهر خواهید شد. چه یک متخصص AI باشید که به دنبال بهبود مجموعه مهارتهای خود است یا یک توسعهدهنده که میخواهد جدیدترین فناوری AI را کاوش کند، این دوره شما را توانمند میسازد تا پروژههای AI خود را به سطح بالاتری ببرید.
همین امروز به این دوره بپیوندید و در Google Cloud Vertex AI متخصص شوید!
این دوره برای چه کسانی مناسب است؟
- دانشمندان داده و فعالان حوزه AI: متخصصانی که به دنبال گسترش مجموعه مهارتهای خود با ابزارهای پیشرفتهای مانند Google Cloud Vertex AI و مدلهای زبانی بزرگ (LLMs) هستند، تا بتوانند راهحلهای AI قدرتمندتر و کارآمدتری بسازند.
- توسعهدهندگان و مهندسان: توسعهدهندگان نرمافزار و مهندسانی که علاقهمند به ادغام AI در پروژههای خود یا بررسی در قابلیتهای text embeddings و راهحلهای هوش مصنوعی محور در اکوسیستم Google Cloud هستند.
- علاقهمندان و فراگیران AI: افرادی با اشتیاق به هوش مصنوعی که میخواهند درک خود را از فناوریهای پیشرفته AI و چگونگی بهکارگیری آنها در سناریوهای دنیای واقعی عمیقتر کنند.
- تحلیلگران کسبوکار و رهبران فناوری: متخصصانی که مسئول تصمیمگیریهای داده محور هستند و میخواهند پتانسیل AI را برای حل چالشهای کسبوکار و هدایت نوآوری در سازمانهای خود بررسی کنند.
تسلط به Vertex AI: استفاده از LLM ها با Text-Embeddings API
-
مقدمه و درباره دوره - پیشنیازها 02:29
-
ساختار دوره 00:44
-
راهاندازی محیط توسعه و هزینههای API - بررسی 02:19
-
راهاندازی Google Cloud 03:41
-
تمرین عملی: تست Vertex AI - تولید یک Sentence Embedding 03:14
-
مقدمهای بر Vertex AI و قابلیتهای آن - نمای کلی 03:28
-
اختیاری: دوره فشرده Embeddings 04:19
-
نحوه استفاده از Embeddings در GenAI و LLM ها و موارد کاربرد 06:17
-
Embeddings API - مقایسه Text Embeddings و Multimodal Embeddings - نمای کلی 03:10
-
انواع تسک و مزایا 04:09
-
دیاگرام Multimodal Embeddings 01:59
-
تمرین عملی: طول Embeddings - ابعاد 02:28
-
تمرین عملی: اجرای جستجوی Cosine Similarity روی جملات مختلف 05:50
-
تمرین عملی: مصورسازی Embeddings 08:34
-
جمعبندی 01:45
-
TextGenerationModel - تولید متن با استفاده از مدل bison 03:16
-
تمرین عملی: تولید متن - مورد کاربرد طبقهبندی 04:26
-
تمرین عملی: استخراج اطلاعات در فرمتهای جدول و JSON 02:31
-
تمرین عملی: کنترل پارامتر Temperature برای مدل 03:31
-
تمرین عملی: پارامترهای TopK و TopP 05:15
-
تمرین عملی: خلاصهسازی و استخراج متن 04:31
-
مصورسازی خوشهای پرسش و پاسخهای StackOverflow به صورت 2D 13:15
-
ساخت سیستم RAG با دادههای StackOverflow 13:44
-
مقیاسپذیری با جستجوی تقریبی نزدیکترین همسایه: HNSW در مقابل Cosine Similarity 04:23
-
جمعبندی دوره و گامهای بعدی 02:04
مشخصات آموزش
تسلط به Vertex AI: استفاده از LLM ها با Text-Embeddings API
- تاریخ به روز رسانی: 1404/09/07
- سطح دوره:همه سطوح
- تعداد درس:25
- مدت زمان :01:53:21
- حجم :1.31GB
- زبان:دوبله زبان فارسی
- دوره آموزشی:AI Academy