ساخت و استقرار هوش مصنوعی با Hugging Face - عملی

آنچه یاد خواهید گرفت:

• اکوسیستم Hugging Face و کامپوننت های اصلی آن را درک کنید.
• از مدل‌های از پیش آموزش‌دیده با کتابخانه Transformers استفاده کنید.
• با tokenizers، پیکربندی‌ها و پایپ لاین های استنتاج کار کنید.
• مجموعه داده را با استفاده از کتابخانه Datasets آماده و مدیریت کنید.
• مدل خود را با پیکربندی سفارشی بسازید.
• مدل‌ها را روی مجموعه داده سفارشی فاین تیونینگ کنید.
• عملکرد مدل و معیارها را ارزیابی کنید.
• آموزش را با Accelerate و Optimum بهینه‌سازی و مقیاس‌پذیر کنید.
• دارایی‌ها را در Hugging Face Hub مدیریت و به اشتراک بگذارید.
• مدل‌ها را با استفاده از Hugging Face Spaces مستقر کنید.

پیش‌نیازهای دوره

• درک اولیه از پایتون
• آشنایی با اصول یادگیری ماشین و Generative AI

توضیحات دوره

هوش مصنوعی با سرعت زیادی در حال پیشرفت است و این پیشرفت، حاصل نوآوری متن‌باز و مدل‌های بنیادین در مقیاس بزرگ است. Hugging Face به عنوان پلتفرم پیشرو برای کشف، آموزش و استقرار مدل‌های پیشرفته هوش مصنوعی شناخته می‌شود و به توسعه‌دهندگان و سازمان‌ها کمک می‌کند تا راهکارهای قدرتمند هوش مصنوعی را به صورت کارآمد بسازند.

این دوره برای توسعه‌دهندگان، مهندسان یادگیری ماشین، دانشمندان داده و علاقه‌مندان هوش مصنوعی طراحی شده است که می‌خواهند به اکوسیستم Hugging Face - از درک مدل‌ها، transformers و مجموعه داده گرفته تا تیونینگ دقیق، بهینه‌سازی و استقرار اپلیکیشن های واقعی هوش مصنوعی با استفاده از ابزارهای متن‌باز مسلط شوند.

شما یاد خواهید گرفت چگونه از Hugging Face Hub، Transformers ،Datasets ،Accelerate و Spaces برای ساخت راهکارهای هوش مصنوعی مقیاس‌پذیر، کارآمد و آماده تولید استفاده کنید. تا پایان این دوره، می‌توانید با اطمینان با مدل‌های زبانی بزرگ (LLM) متن‌باز مدرن کار کنید و اپلیکیشن های تعاملی هوش مصنوعی را مستقر کنید.

محتوای این دوره

دوره با معرفی Hugging Face و اکوسیستم آن آغاز می‌شود تا درک کنید مدل‌ها، مجموعه داده و فضاها چگونه با هم کار می‌کنند. سپس وارد توسعه عملی با استفاده از کتابخانه‌ها و گردش‌کارهای اصلی Hugging Face می‌شوید.

در طول دوره، از طریق دموها و پروژه‌ها تجربه عملی به دست می‌آورید که شامل موارد زیر است:

• درک مدل‌ها، مجموعه داده و کارت‌های فضای Hugging Face
• بررسی و استفاده از مدل‌های از پیش آموزش‌دیده در Hugging Face Hub
• کار با کتابخانه Transformers برای استنتاج و سفارشی‌سازی
• آماده‌سازی و توکن‌سازی مجموعه داده با استفاده از کتابخانه Datasets
• تیونینگ دقیق مدل‌ها روی مجموعه داده سفارشی
• ارزیابی عملکرد مدل و مدیریت گردش‌کارهای آموزش
• بهینه‌سازی آموزش با استفاده از کتابخانه‌های Accelerate و Optimum
• استقرار مدل‌ها به صورت اپلیکیشن های تعاملی با استفاده از Hugging Face Spaces
• ساخت اپلیکیشن های هوش مصنوعی ابتدا تا انتها با مدل‌های متن‌باز

تا پایان این دوره، مهارت و اعتماد به نفس لازم را برای طراحی، آموزش، بهینه‌سازی و استقرار راهکارهای هوش مصنوعی با استفاده از اکوسیستم Hugging Face به دست خواهید آورد.

نکته ویژه

این دوره تمرکز زیادی بر یادگیری عملی دارد. ماژول‌ها شامل دموهای زنده و گردش‌کارهای کاربردی هستند تا مطمئن شوید به جای صرفاً دانش نظری، تجربه واقعی کار با ابزارهای Hugging Face را به دست می‌آورید.

ساختار دوره

• درس‌ها
• دموهای زنده
• آزمایشگاه‌های عملی

سرفصل‌های دوره

• مقدمه‌ای بر Hugging Face
• اکوسیستم و Hub در Hugging Face
• بررسی مدل‌ها و کارت‌های مدل 
• بررسی عمیق کتابخانه Transformers
• کار با مجموعه داده
• تیونینگ دقیق و آموزش مدل‌ها
• ارزیابی و بهینه‌سازی مدل
• مقیاس‌پذیری و بهینه‌سازی عملکرد
• استقرار مدل با Hugging Face Spaces

تمام بخش‌های این دوره به صورت زنده نمایش داده می‌شوند تا کاربرانی که شرکت کرده اند تشویق شوند محیط خود را راه‌اندازی کنند، تمرین‌ها را انجام دهند و از طریق تجربه عملی یاد بگیرند!

این دوره برای چه کسانی مناسب است؟

• توسعه‌دهندگانی که با هوش مصنوعی و Generative AI کار می‌کنند.
• مهندسان یادگیری ماشین و پردازش زبان طبیعی (NLP)
• دانشمندان داده که در حال بررسی مدل‌های زبانی بزرگ (LLM) متن‌باز هستند.
• دانشجویان و متخصصانی که گردش‌کارهای مدرن هوش مصنوعی را یاد می‌گیرند.
• پژوهشگران و علاقه‌مندان هوش مصنوعی که به Hugging Face علاقه دارند.
• تیم‌هایی که با استفاده از مدل‌های متن‌باز، اپلیکیشن های مجهز به هوش مصنوعی می‌سازند و مستقر می‌کنند.