ساخت و استقرار مدل‌های Generative AI

آنچه یاد خواهید گرفت:

• ساخت و ارزیابی LLMs مبتنی بر ترنسفرمر از ابتدا با استفاده از PyTorch و متریک‌های صنعت مانند ROUGE و BLEU
• مهندسی پایپ‌لاین‌های بازیابی نسل افزوده (RAG) با استفاده از LangChain برای یکپارچه‌سازی دانش فعلی و خاص دامنه در مدل‌ها
• استقرار ایجنت‌های هوش مصنوعی خودمختار در محیط‌های تولید روی پلتفرم گوگل کلود (Vertex AI) با استفاده از گردش‌کارهای حرفه‌ای

توضیحات دوره

در این دوره عملی که بخش پایانی تخصص در «اصول Generative AI» است، از مفاهیم نظری به مهندس آماده تولید گذر می‌کنید. این دوره برای یادگیرندگانی طراحی شده که آماده عبور از تئوری هستند و تمرکز آن کاملاً روی ساخت‌ است. شما نه تنها درباره مدل های زبانی بزرگ (LLM) یاد می گیرید، بلکه آنها را می‌سازید، بهبود داده و مستقر می‌کنید.

ما از سطح پایه شروع می کنیم و انواع مختلف معماری‌های ترنسفرمر را از ابتدا با استفاده از PyTorch کدنویسی می‌کنیم. از طریق آموزش با کارایی بالا با Automatic Mixed Precision و ارزیابی ROUGE/BLEU، تکنیک‌هایی را برای مقیاس‌بندی کامپوننت‌های سفارشی به سیستم‌های بهینه‌سازی شده یاد خواهید گرفت. با استفاده از مدل‌های از پیش آموزش دیده و سنجش مبادلات عملکردی، بینش لازم برای انتخاب کارآمدترین مسیر برای استقرار در مقیاس بزرگ را به دست خواهید آورد.

با حرکت به سمت معماری کاربردی، به تسلط به بازیانی نسل افزوده (RAG) با استفاده از LangChain می‌رسید و ارزیابی پایپ‌لاین‌ها و اعمال تکنیک‌های پیشرفته مانند استراتژی‌های مختلف قطعه‌بندی، رنکینگ مجدد و فشرده‌سازی و تبدیل کوئری را یاد خواهید گرفت. همچنین انتخاب مدل و همچنین مبادلات حیاتی بین RAG و فاین تیونینگ را بررسی خواهید کرد.

در نهایت، با توسعه ایجنت‌های خودمختار قدم به آینده هوش مصنوعی خواهید گذاشت. شما با راه‌اندازی یک گردش‌کار حرفه‌ای با Poetry و استقرار یک ایجنت هوش مصنوعی خلاصه‌ساز، به طور مستقیم در پلتفرم گوگل کلود (Vertex AI)، شکاف بین توسعه و تولید را پر خواهید کرد.

در پایان دوره، شما یک پورتفولیوی ملموس از کد و یک استقرار لایو خواهید داشت که توانایی شما را در مهندسی راه‌حل‌های قوی Generative AI ثابت می‌کند.