دوره فشرده Google Vertex AI - بررسی Gen AI ،Gemini ،AI/ML و ایجنتها
✅ سرفصل و جزئیات آموزش
آنچه یاد خواهید گرفت:
- همه موارد را که باید درباره Vertex AI بدانید، همراه با مثال عملی یاد بگیرید.
- با استفاده از Google ADK و Agent Engine و ایجنتهای هوش مصنوعی را طراحی، ساخته و مستقر کنید.
- اکوسیستم مدلهای هوش مصنوعی گوگل را درک کنید (Gemini و Imagen و Veo و موارد دیگر)
- از Vertex AI Model Garden و Vertex AI Studio به صورت مؤثر استفاده کنید.
- با استفاده از کلید API، سرویس اکانت و ADC احراز هویت کرده و به مدلهای گوگل دسترسی پیدا کنید.
- یاد بگیرید چگونه از یک Gemini Model در کد پایتون استفاده کنید.
- با Vertex AI notebooks و Colab Enterprise و Jupyterlab Workbench کار کنید.
- گزینههای آموزش در Vertex AI را از جمله AutoML و آموزش سفارشی درک کنید.
- مدلهای یادگیری ماشین را در Vertex AI بسازید، مستقر و تست کنید.
- برای جستجوی سمانتیک، تعبیهها و ایندکسهای برداری ایجاد کنید.
- با استفاده از RAG Engine و Vertex AI Search، پایپلاینهای RAG را پیادهسازی کنید.
- ایجنتها را به صورت محلی اجرا کرده و روی Google Cloud مستقر کنید.
پیشنیازهای دوره
- آشنایی بسیار ابتدایی با پایتون
- مبانی GCP
توضیحات دوره
یک راهنمای سریع و عملی برای توسعهدهندگان جهت ساخت Generative AI، پایپلاینهای RAG و ایجنتهای هوش مصنوعی با استفاده از Google Vertex AI
Google Vertex AI به ستون اصلی ساخت اپلیکیشنهای Generative AI در سطح تولید با استفاده از مدلهای Gemini، جستجوی برداری، RAG engines و گردشکارهای عاملی تبدیل شده است.
این دوره فشرده طوری طراحی شده که شما را از پایه تا ساخت سیستمهای واقعی GenAI روی Vertex AI همراهی کند.
در حدود 6 ساعت، شما دانش عملی و قابل استفاده در زمینههای زیر به دست خواهید آورد:
- Gemini و اکوسیستم مدلهای گوگل
- Google GenAI SDK با کد پایتون
- Vertex AI Studio و Model Garden
- Notebookها و محیطهای توسعه
- مفاهیم اصلی ML در Vertex AI
- بازیابی نسل افزوده (RAG)
- ایجنتهای هوش مصنوعی با استفاده از Google ADK و Agent Engine
- سیستم چند ایجنتی با ADK
- Colab Enterprise
- Jupyterlab Workbench
- آموزش با AutoML
- آموزش سفارشی
- استقرار با اندپوینتهای Vertex AI
- Model Registry
آنچه در پایان دوره قادر خواهید بود:
- اکوسیستم مدلهای هوش مصنوعی گوگل را درک کنید (Gemini و Imagen و Veo و موارد دیگر)
- از Vertex AI Model Garden و Vertex AI Studio به صورت مؤثر استفاده کنید.
- با استفاده از کلید API، سرویس اکانت و ADC احراز هویت کرده و به مدلها دسترسی پیدا کنید.
- با Vertex AI notebooks و Colab Enterprise و Workbench کار کنید.
- گزینههای آموزش Vertex AI از جمله AutoML و آموزش سفارشی را درک کنید.
- مدلهای ML را در Vertex AI بسازید، مستقر و تست کنید.
- برای جستجوی سمانتیک، تعبیه و ایندکسهای برداری ایجاد کنید.
- پایپلاینهای RAG را با استفاده از RAG Engine و Vertex AI Search پیادهسازی کنید.
- ایجنتهای هوش مصنوعی را با استفاده از Google ADK و Agent Engine طراحی، ساخته و مستقر کنید.
- ایجنتها را بهصورت محلی اجرا کرده و روی Google Cloud مستقر کنید.
این دوره برای چه کسانی مناسب است؟
- کسی که میخواهد Vertex AI را یاد بگیرد.
- تمام مهندسان GCP - گام طبیعی بعدی
دوره فشرده Google Vertex AI - بررسی Gen AI ،Gemini ،AI/ML و ایجنتها
-
آشنایی با Vertex AI 05:28
-
مرور کنسول Vertex AI 04:53
-
دستهبندیهای دوره 01:39
-
تغییرات در Vertex AI 01:30
-
خانواده مدلهای گوگل - Gemini و Imagen و Veo و موارد دیگر 07:30
-
Vertex AI Model Garden 04:45
-
Vertex AI Studio - آشنایی 08:56
-
Vertex AI Studio - مرور گامبهگام 05:31
-
Vertex AI Studio - اپلیکیشنهای هوش مصنوعی 04:21
-
Vertex AI Studio - کلید API 03:32
-
دسترسی به یک مدل از برنامه پایتون 08:28
-
دسترسی به یک مدل با سرویس اکانت 09:41
-
دسترسی به یک مدل با لاگین پیشفرض اپلیکیشن 07:01
-
گزینههای Notebook - انتخابها 02:03
-
Colab Enterprise - مقدمه 05:16
-
Colab Enterprise - ران تایم و قالبها 05:59
-
Workbench - ایجاد نمونه 06:06
-
Workbench - گزینهها 07:49
-
Workbench - جزئیات بیشتر 01:51
-
سرویسهای GCP برای یادگیری ماشین 06:17
-
مقایسه محصولات GCP برای یادگیری ماشین 06:50
-
گزینههای آموزش در Vertex AI 01:38
-
مجموعه داده - مقدمه 03:06
-
AutoML - درک داده ورودی 01:09
-
AutoML - ایمپورت داده به مجموعه داده Vertex AI 04:15
-
AutoML - آموزش مدل خود 06:19
-
AutoML - استقرار مدل خود 08:33
-
AutoML - تست مدل خود 06:06
-
آموزش سفارشی - مقدمه 05:28
-
آموزش سفارشی - مجموعه داده 02:19
-
آموزش سفارشی - درک ساختار پروژه 08:48
-
آموزش سفارشی - آموزش مدل خود 04:14
-
آموزش سفارشی - ایمپورت مدل خود 05:03
-
آموزش سفارشی - استقرار مدل خود 02:24
-
آموزش سفارشی - تست مدل خود 03:04
-
آشنایی با فضای برداری و تعبیه 09:25
-
تفاوتهای جستجوی برداری، RAG Engine و Vertex AI Search 05:22
-
ایجاد تعبیهها 06:37
-
ایجاد ایندکس، اندپوینت ایندکس و استقرار 04:26
-
جستوجوی برداری خود را پرسوجو کنید 05:18
-
آشنایی با RAG Engine 02:52
-
ایجاد Corpus و پیکربندی RAG Engine 04:36
-
کوئری RAG Engine با قدرت LLM 06:06
-
آشنایی با Vertex AI Search 02:52
-
ایجاد دیتااستور خود 05:23
-
پیادهسازی جستجوی سفارشی با استفاده از Vertex AI Search 08:04
-
پیادهسازی Agentspace و Gemini Enterprise با استفاده از Vertex AI Search 08:27
-
آشنایی با ایجنتهای هوش مصنوعی 08:04
-
آشنایی با Google ADK 05:11
-
گزینههای GCP Console برای ایجنت در ADK 03:06
-
راهاندازی پروژه ایجنت 08:26
-
گزینه احراز هویت - ایجاد کلید Gemini API 04:48
-
اجرای محلی ایجنت با گزینههای مختلف 06:00
-
گزینه احراز هویت - Vertex AI 05:49
-
استقرار ایجنت خود روی Agent Engine 07:50
-
تست ایجنت خود 08:23
-
طراح ایجنت 05:15
-
Agent Garden 05:07
-
استفاده از ابزارها با ایجنت در ADK 07:00
-
درک سیستم چند ایجنتی 06:38
-
سیستم چند ایجنتی - دمو 14:40
-
موضوع بعدش چیست؟ 02:29
مشخصات آموزش
دوره فشرده Google Vertex AI - بررسی Gen AI ،Gemini ،AI/ML و ایجنتها
- تاریخ به روز رسانی: 1405/04/12
- سطح دوره:Alls
- تعداد درس:62
- مدت زمان :05:46:06
- حجم :4.01GB
- زبان:دوبله زبان فارسی
- دوره آموزشی:AI Academy