دوره NVIDIA: استقرار مدل‌های زبانی بزرگ و هوش مصنوعی مولد

آنچه یاد خواهید گرفت:

• درک مفاهیم بنیادی مدل‌های زبانی بزرگ (LLMs) از جمله پردازش زبان طبیعی (NLP) و داده‌های آموزشی
• کشف تکنیک‌های بهینه‌سازی مدل مانند توابع ضرر، هم‌ترازی و PEFT
• اجرای استراتژی‌های استقرار برای LLMs و نظارت بر عملکرد با استفاده از ONNX

توضیحات دوره

دوره NVIDIA: مدل‌های زبان بزرگ و استقرار هوش مصنوعی تولیدی، چهارمین دوره از برنامه آمادگی امتحان (NCA-GENL): NVIDIA-Certified Generative AI LLMs - Associate Specialization است. این دوره درک جامعی از مدل‌های زبانی بزرگ (LLMs) و استقرار هوش مصنوعی مولد ارائه می‌دهد و بینش‌های نظری را با مهارت‌های عملی ترکیب می‌کند.

یادگیرندگان اجزای کلیدی هوش مصنوعی مولد، نیازهای داده و تکنیک‌های پاک‌سازی برای LLMها را بررسی خواهند کرد. این دوره شامل آموزش مدل، بهینه‌سازی و متدهای ارزیابی، از جمله Few-shot ،Zero-shot و Instruction Tuning است. علاوه بر این، این دوره به توابع ضرر، تکنیک‌های هم‌ترازی و معیارهای ارزیابی از جمله Perplexity پرداخته و بر استفاده از GPUها برای آموزش، متدهای تیونینگ دقیق مانند prompt tuning و Parameter Efficient Fine Tuning (PEFT) تأکید می‌کند. یادگیرندگان تخصص لازم در استراتژی‌های استقرار LLM و نظارت با ONNX را به دست خواهند آورد.

این دوره به 3 ماژول تقسیم می‌شود که هرکدام شامل درس‌ها و ویدیوهای آموزشی است. یادگیرندگان با 4:30-5:00 ساعت محتوای ویدیویی درگیر خواهند شد که مفاهیم نظری و تمرینات عملی را پوشش می‌دهد. هر ماژول با آزمون‌هایی مجهز است تا یادگیری را تقویت کرده و درک را ارزیابی کند.

ماژول 1: اصول مدل‌های زبانی بزرگ
ماژول 2: آموزش، بهینه‌سازی و ارزیابی LLMها
ماژول 3: استراتژی‌های استقرار و نظارت بر LLMها

در پایان این دوره، یک یادگیرنده قادر خواهد بود:

- مفاهیم بنیادی LLMها از جمله NLP و داده‌های آموزشی را درک کند.
- تکنیک‌های بهینه‌سازی مدل مانند توابع ضرر، هم‌ترازی و PEFT را کشف کند.
- استراتژی‌های استقرار برای LLMها را اجرا کرده و عملکرد را با استفاده از ONNX نظارت کند.

این دوره برای حرفه‌ای‌هایی طراحی شده است که به دنبال تعمیق دانش خود در زمینه استقرار و بهینه‌سازی LLMها برای برنامه‌های هوش مصنوعی تولیدی هستند.