ساخت، استقرار و مقیاس‌سازی اپلیکیشن های مجهز به LLM

آنچه یاد خواهید گرفت:

• شما یاد خواهید گرفت که یک اپلیکیشن نرم‌افزاری مقیاس‌پذیر کامل بسازید که توسط یک مدل زبانی بزرگ (LLM) قدرت گرفته و آن را در مقیاس بزرگ بر روی Amazon Web Services مستقر کنید.
• شما یاد خواهید گرفت که بک‌اند مجهز به LLM اپلیکیشن خود را با فرانت‌اند رابط کاربری Streamlit ادغام کنید.
• شما ابتدا یاد خواهید گرفت که اپلیکیشن خود را به‌صورت محلی تست کنید، سپس آن را با استفاده از Docker بسته‌بندی کنید و در نهایت بهترین شیوه‌ها برای استفاده از Streamlit درون Docker را بیاموزید.
• شما یک الگو و بهترین شیوه‌ها برای تزریق کلیدهای API سرویس OpenAI خود به اپلیکیشن کانتینری شده‌تان در زمان اجرا خواهید آموخت.
• شما یاد خواهید گرفت که آسیب‌پذیری‌ها در اپلیکیشن کانتینری شده خود را شناسایی کرده و بهترین شیوه‌ها برای رفع آن‌ها را به کار ببرید.
• شما یاد خواهید گرفت که معماری سیستم خود را بر اساس اجزا و انتخاب‌های طراحی در اپلیکیشن خود طراحی کنید.
• شما تفاوت‌های بین مقیاس‌گذاری افقی و مقیاس‌گذاری عمودی را یاد خواهید گرفت.
• شما به‌عمق یاد خواهید گرفت که استقرار بدون سرور را پیاده‌سازی کنید و چگونگی اعمال Load Balancers و Auto Scaling را در اپلیکیشن خود بیاموزید.
• شما قادر خواهید بود تا آموخته‌های خود را برای ساخت، استقرار و مقیاس‌سازی سایر اپلیکیشن‌های مجهز به LLM و Langchain به کار ببرید.

توضیحات دوره

آیا آماده‌اید که به بررسی عمیق دنیای مهندسی یادگیری ماشین شیرجه بزنید و اپلیکیشن‌های نرم‌افزاری قدرتمند بسازید؟ این دوره مهندسی یادگیری ماشین طراحی شده است تا شما را با مهارت‌ها و دانش لازم برای استفاده کامل از پتانسیل Langchain، ادغام OpenAI API، استقرار اپلیکیشن‌ها بر روی AWS Elastic Container Service، و مدیریت کارآمد مقیاس‌گذاری با استفاده از Load Balancers و Auto Scaling Groups مجهز کند.

در این دوره عملی، شما یاد خواهید گرفت که چگونه اپلیکیشن‌های ML قوی را از ابتدا ایجاد کنید. مدرس با تسلط به Langchain، یک مدل زبانی پیشرفته، شروع می‌کند و نشان می‌دهد که چگونه می‌توان کلید OpenAI API خود را به‌طور یکپارچه در زمان اجرا به پایپ لاین پیش‌بینی تزریق کرد. شما در طراحی و توسعه اپلیکیشن‌های ML که می‌توانند متن‌های انسان‌مانند را درک، پردازش و تولید کنند، مهارت پیدا خواهید کرد.

همزمان با پیشرفت شما، مفاهیم اساسی مقیاس‌گذاری افقی و مقیاس‌گذاری عمودی بررسی خواهد شد و درک روشنی از زمان و چگونگی پیاده‌سازی هر استراتژی ارائه می‌شود. سپس کشف خواهید کرد که چگونه می‌توان اپلیکیشن ML خود را به‌آسانی با استقرار Application Load Balancers و Auto Scaling Groups بر روی AWS مقیاس‌گذاری کرد و از دسترس‌پذیری بالا و تحمل خطااطمینان حاصل نمود.

تا پایان این دوره، شما در ساخت اپلیکیشن‌های نرم‌افزاری ML محور، استقرار آن‌ها به روی AWS و مقیاس‌گذاری آن‌ها به‌منظور برآورده کردن تقاضای کاربران، کاملاً مسلط خواهید شد. به این سفر هیجان‌انگیز به دنیای مهندسی یادگیری ماشین بپیوندید و به یک متخصص ماهر در این حوزه پرشتاب تبدیل شوید.

این دوره برای چه کسانی مناسب است؟

• تمرکز این دوره معرفی شما به مهندسی یادگیری ماشین است. این دوره به یادگیرندگان امکان می‌دهد تا یک اپلیکیشن نرم‌افزاری کامل را بسازند، مستقر کنند و مقیاس‌بندی نمایند که در بک‌اند توسط یک مدل زبانی بزرگ (LLM) برای تولید نتایج بر اساس ورودی کاربر، قدرت گرفته است. هدف اصلی این دوره آموزش چارچوبی است که کاربران بتوانند آن را تکرار کرده و برای ساخت سایر اپلیکیشن‌های نرم‌افزاری که از LLMهای OpenAI استفاده می‌کنند، به کار ببرند، کلیدهای API را در زمان اجرا تزریق کنند تا از نشت کلید جلوگیری شود و اپلیکیشن‌های خود را در مقیاس بزرگ بر روی Amazon Web Services مستقر کنند.
• این یک دوره سطح متوسط است و برای توسعه‌دهندگانی که به توسعه، استقرار و مقیاس‌سازی اپلیکیشن‌های مجهز به LLM علاقه‌مند هستند، در نظر گرفته شده است. مخاطبان هدف این دوره عبارتند از: مهندسان نرم‌افزار، دانشمندان داده، مهندسان ML و مهندسان AI. با این حال، این‌ها قطعاً الزامات سفت و سختی نیستند و کسانی که می‌خواهند ساخت، تست و استقرار اپلیکیشن‌های نرم‌افزاری در مقیاس بزرگ را یاد بگیرند نیز به همان اندازه مورد استقبال قرار می‌گیرند.