دوره آموزشی
The Great Courses
دوبله زبان فارسی

آموزش NVIDIA GenAI و LLMs: یادگیری و قبولی در گواهینامه NCA-GENL

آموزش NVIDIA GenAI و LLMs: یادگیری و قبولی در گواهینامه NCA-GENL

✅ سرفصل و جزئیات آموزش

آنچه یاد خواهید گرفت:

  • اصول Generative AI و LLMها را شامل معماری مدل، آموزش و استقرار با استفاده از فناوری‌های NVIDIA درک کنید.
  • با تسلط به مفاهیم کلیدی، کاربردهای عملی و بهترین شیوه‌های صنعت در Generative AI، برای گواهینامه NCA-GENL آماده شوید.
  • دانش عملی از استک، فریم‌ورک‌ها و ابزارهای NVIDIA که مدل‌های زبانی بزرگ و اپلیکیشن های Generative AI را نیرو می‌دهند، به دست آورید.
  • مهارت‌های طراحی، پیاده‌سازی و بهینه‌سازی گردش کارهای GenAI را توسعه دهید و برای پروژه‌های واقعی هوش مصنوعی و یادگیری ماشین آماده شوید.

پیش‌نیازهای دوره

  • درک اولیه از Generative AI و مدل‌های زبانی بزرگ

توضیحات دوره

NVIDIA GenAI و LLMها: یادگیری و قبولی در گواهینامه NCA-GENL

Generative AI و مدل‌های زبانی بزرگ (LLM) در حال تغییر نحوه ساخت نرم‌افزار، نحوه عملکرد کسب‌وکارها و رشد مشاغل هستند. این یک دوره مبتدی تا متوسط است که برای کمک به شما در درک عمیق Generative AI و در عین حال آماده‌سازی با اطمینان برای آزمون NVIDIA Certified Associate – Generative AI and LLMs (NCA-GENL) طراحی شده است.

این دوره از راهنمای رسمی آزمون و برنامه درسی NVIDIA پیروی می‌کند و تضمین می‌کند که هر موضوعی که یاد می‌گیرید مستقیماً با اهداف گواهینامه همسو باشد - در عین حال مهارت‌های عملی و واقعی GenAI را فراتر از آماده‌سازی آزمون ایجاد می‌کند.

آنچه خواهید آموخت

  • اصول اصلی Generative AI و LLM، شامل ترانسفورمرها، شبکه‌های عصبی و گردش کارهای مولد
  • چگونگی کارکرد داده‌، پرامپت‌ها، مدل‌ها و محاسبات در کنار هم در سیستم‌های مدرن GenAI
  • مفاهیم کلیدی در مهندسی پرامپت، RAG، پیش‌پردازش داده، آموزش مدل و ارزیابی مدل
  • نقش NVIDIA در تسریع Generative AI ،LLMsو بارهای کاری هوش مصنوعی
  • دانش اساسی که از هوش مصنوعی عاملی، یادگیری ماشین و اپلیکیشن های پیشرفته هوش مصنوعی پشتیبانی می‌کند.

روش آموزش این دوره

  • قیاس‌های زندگی واقعی برای درک آسان مفاهیم پیچیده GenAI
  • توضیحات به سبک وایت‌برد برای شکستن واضح معماری‌ها و گردش کارها
  • نمودارهای ساده و گرافیک‌های آسان برای یادگیری بصری
  • جداول مقایسه برای تمایز واضح مدل‌ها، تکنیک‌ها و رویکردهای هوش مصنوعی
  • آموزش مفهوم‌محور تا دانش ماندگار شود و در کار واقعی اعمال شود.

مزایای گواهینامه و شغلی

  • آماده‌سازی کامل برای آزمون گواهینامه NCA-GENL انویدیا
  • همسو با راهنمای مطالعه رسمی آزمون انویدیا

ایده‌آل برای نقش‌هایی مانند:

  • مهندس یادگیری ماشین
  • دانشمند داده
  • متخصص Generative AI یا LLM
  • مهندس AI DevOps
  • مهندس نرم‌افزار یا معمار راه‌حل‌های ابری
  • همچنین برای مبتدیان و افرادی که قصد تغییر شغل دارند و به دنبال ورود به حوزه GenAI هستند عالی است.

چرا در این دوره شرکت کنید؟

چه می‌خواهید گواهینامه NCA-GENL را قبول شوید، یک پایه قوی در Generative AI و LLMها بسازید، یا برای نقش‌های آینده در هوش مصنوعی عاملی و یادگیری ماشین آماده شوید، این دوره به شما شفافیت، اعتماد به نفس و مهارت‌های لازم برای موفقیت در دنیای امروزی هوش مصنوعی محور را می‌دهد.

این دوره برای چه کسانی مناسب است؟

  • برای مهندسان AI DevOps، دانشمندان داده، مهندسان یادگیری ماشین، متخصصان یادگیری عمیق، مهندسان نرم‌افزار و معماران راه‌حل‌های ابری، محققان و مبتدیانی که مشتاق یادگیری Generative AI، ایجاد مهارت‌ها و آماده‌سازی برای گواهینامه NCA-GENL انویدیا هستند.

آموزش NVIDIA GenAI و LLMs: یادگیری و قبولی در گواهینامه NCA-GENL

  • چرا شرکت‌ها روی Generative AI سرمایه‌گذاری می‌کنند و چرا این برای شما مهم است؟ 02:23
  • آشنایی با مسیرهای گواهینامه 02:01
  • گواهینامه NCA-GENL 02:16
  • چه چیزهایی را پوشش خواهیم داد؟ 01:39
  • استک هوش مصنوعی و یادگیری ماشین 03:29
  • زیرساخت هوش مصنوعی 02:12
  • GPUها برای هوش مصنوعی و یادگیری ماشین 04:35
  • GPU در مقابل CPU 04:35
  • معماری GPU 02:19
  • تجمع حافظه 05:15
  • ابر در مقابل داخلی 02:33
  • زیرساخت شبکه 04:18
  • زیرساخت ذخیره‌سازی 03:51
  • ماژول 1 - خلاصه 01:43
  • هوش مصنوعی و یادگیری ماشین 07:08
  • یادگیری عمیق 09:11
  • یک مورد استفاده ساده 05:13
  • مدل چیست؟ 05:57
  • آموزش یک مدل 08:45
  • ماژول 2 - خلاصه 01:33
  • Generative AI چیست؟ 06:04
  • مدل اساسی 08:03
  • مدل زبانی بزرگ 06:06
  • راه‌ی به سوی Generative AI 05:48
  • ترانسفورمرها 06:16
  • ماژول 3 - خلاصه 01:44
  • ترانسفورمر - موتور پشت هوش مصنوعی مدرن 04:08
  • ترانسفورمرها چگونه کار می‌کنند؟ 04:32
  • توکن‌سازی 04:23
  • رمزگذاری 00:54
  • تعبیه کلمه 01:31
  • رمزگشایی 01:04
  • خروجی 00:55
  • رمزگذاری موقعیتی 01:46
  • توضیح‌دهنده ترانسفورمر 04:41
  • مکانیزم توجه 09:45
  • توجه چندسر 03:51
  • رمزگذار - رمزگشا 06:39
  • کدام یک را باید استفاده کرد؟ 03:02
  • استراتژی پیش‌بینی 05:46
  • ماژول 4 - خلاصه 02:28
  • چگونه مدل اساسی هوش مصنوعی مناسب را انتخاب کنیم؟ 06:29
  • فرآیند انتخاب مدل 06:55
  • SLM در مقابل LLM 02:25
  • ارزیابی مدل 06:07
  • معیارهای مهم 07:34
  • مقایسه معیارها 02:07
  • اعتبارسنجی متقاطع 07:11
  • آزمون A/B 04:14
  • انتخاب بهترین مدل 02:35
  • ماژول 5 - خلاصه 02:11
  • چرا یک مدل را سفارشی کنیم؟ 03:31
  • مهندسی پرامپت 08:22
  • پرامپت سیستم 05:11
  • تولید با بازیابی افزوده‌شده (RAG) 09:03
  • تکه‌بندی 05:20
  • یادگیری انتقالی 04:14
  • رویکردهای یادگیری انتقالی 02:30
  • موارد استفاده یادگیری انتقالی 08:25
  • تیونینگ دقیق 03:16
  • تقطیر دانش 03:51
  • دقت بر روی مجموعه اعتبارسنجی 02:55
  • ماژول 6 - خلاصه 04:58
  • قیاس آموزش مدل 10:56
  • آبجو یا شراب 03:47
  • ترتیب مراحل 03:04
  • جمع‌آوری داده 06:51
  • پردازش داده - RegEx 03:16
  • پردازش داده - تحلیل اکتشافی داده (EDA) 06:26
  • تکنیک‌های تحلیل اکتشافی داده (EDA) 05:29
  • آموزش مدل 02:27
  • مراحل آموزش مدل 05:31
  • ارزیابی مدل 03:09
  • استقرار مدل 02:52
  • گزینه‌های استقرار 04:32
  • فرمت ONNX 02:24
  • کوانتیزاسیون 04:35
  • پس از استقرار 02:21
  • ماژول 7 - خلاصه 04:50
  • اکوسیستم انویدیا 08:10
  • GPUهای انویدیا 06:01
  • CUDA 09:02
  • NVIDIA SMI 02:23
  • NVIDIA RAPIDS 05:32
  • RAPIDS چگونه کار می‌کند؟ 03:58
  • NVIDIA Tensor-RT 05:10
  • 83 - Tensor-RT در مقابل کوانتیزاسیون در مقابل ONNX 03:14
  • NVIDIA NeMo 06:34
  • NVIDIA Triton 06:20
  • دسته‌بندی پویا 05:52
  • کاتالوگ NGC 05:53
  • سایر یکپارچه‌سازی‌ها 05:17
  • ماژول 8 - خلاصه 05:39
  • هوش مصنوعی اخلاقی 03:00
  • ایجاد هوش مصنوعی قابل اعتماد 04:11
  • محاسبات محرمانه 03:32
  • NVIDIA NeMo Guardrails 03:46
  • طبقه‌بند مبتنی بر تعبیه 08:19
  • ردیابی نسب داده 01:47
  • تیم قرمز 01:52
  • افزایش داده 04:04
  • پاسخگویی 01:46
  • هوش مصنوعی قابل توضیح 01:35
  • ماژول 9 - خلاصه 04:35
  • انتشار پیش‌رو و پس‌رو 08:38
  • چالش‌های گرادیان‌های محو شونده 02:34
  • گرادیان‌های محو شونده 05:05
  • نورون 06:00
  • داخل یک نورون 06:00
  • آیا این یک گربه است؟ 10:16
  • ReLU در مقابل Sigmoid 06:02
  • نرمال‌سازی لایه 07:41
  • رابطه موجودیت نام‌دار 04:38
  • الگوریتم‌های انتشار 02:52
  • انتشار پیش‌رو و معکوس 04:52
  • انتشار پیش‌رو 04:44
  • انتشار معکوس 04:41
  • توسعه سریع اپلیکیشن (RAD) 03:19
  • ترانسفورمرهای HuggingFace 02:56
  • ماژول 10 - خلاصه 04:32
  • آماده‌سازی برای آزمون گواهینامه 04:22

5,576,400 1,394,100 تومان

مشخصات آموزش

آموزش NVIDIA GenAI و LLMs: یادگیری و قبولی در گواهینامه NCA-GENL

  • تاریخ به روز رسانی: 1404/12/10
  • سطح دوره:متوسط
  • تعداد درس:122
  • مدت زمان :09:21:24
  • حجم :6.91GB
  • زبان:دوبله زبان فارسی
  • دوره آموزشی:AI Academy

آموزش های مرتبط

  • سطح دوره:
  • زبان: دوبله فارسی
The Great Courses
1,833,000 366,600 تومان
  • زمان: 02:27:39
  • تعداد درس: 24
  • سطح دوره:
  • زبان: دوبله فارسی
The Great Courses
6,100,500 1,220,100 تومان
  • زمان: 08:11:21
  • تعداد درس: 28
  • سطح دوره:
  • زبان: دوبله فارسی
The Great Courses
5,679,500 1,135,900 تومان
  • زمان: 07:37:25
  • تعداد درس: 47
  • سطح دوره:
  • زبان: دوبله فارسی
The Great Courses
1,272,500 254,500 تومان
  • زمان: 01:42:31
  • تعداد درس: 11
  • سطح دوره:
  • زبان: دوبله فارسی
The Great Courses
2,260,000 452,000 تومان
  • زمان: 03:02:02
  • تعداد درس: 14
  • سطح دوره:
  • زبان: دوبله فارسی
The Great Courses
795,000 159,000 تومان
  • زمان: 58:00
  • تعداد درس: 12
  • سطح دوره:
  • زبان: دوبله فارسی
The Great Courses
19,403,000 3,880,600 تومان
  • زمان: 26:02:40
  • تعداد درس: 175
  • سطح دوره:
  • زبان: دوبله فارسی
The Great Courses
8,508,000 1,701,600 تومان
  • زمان: 11:25:13
  • تعداد درس: 94
  • سطح دوره:
  • زبان: دوبله فارسی

آیا سوالی دارید؟

ما به شما کمک خواهیم کرد تا شغل و رشد خود را افزایش دهید.
امروز با ما تماس بگیرید