دوره NVIDIA: آزمایش LLM، استقرار و هوش مصنوعی اخلاقی
✅ سرفصل و جزئیات آموزش
آنچه یاد خواهید گرفت:
- آزمایش با LLMها با استفاده از تیونینگ هایپرپارامتر و تست A/B
- اعمال کنترل نسخه و بهینهسازی گردش کارهای هوش مصنوعی با استفاده از ابزارهای NVIDIA مانند BioNeMo ،Triton و TensorRT.
- درک اصول هوش مصنوعی اخلاقی، حریم خصوصی دادهها و روشهایی برای کاهش تعصب و افزایش اعتماد در هوش مصنوعی
توضیحات دوره
NVIDIA: آزمایش پیشرفته LLM، استقرار و هوش مصنوعی اخلاقی ششمین دوره در آمادهسازی آزمون (NCA-GENL): تخصصی LLMهای تولیدی تأیید شده NVIDIA است. این دوره به یادگیرندگان دانش پیشرفتهای در مورد آزمایش مدلهای زبان بزرگ (LLMها)، بهینهسازی آنها برای استقرار و درک ملاحظات اخلاقی در سیستمهای هوش مصنوعی ارائه میدهد.
این دوره موضوعات کلیدی مانند تیونینگ هایپرپارامتر، تست A/B، کنترل نسخه و ابزارهای NVIDIA مانند BioNeMo ،Triton و TensorRT را پوشش میدهد. یادگیرندگان همچنین در مورد بهینهسازی گردش کارهای هوش مصنوعی با استفاده از cuOpt، NGC و Merlin اطلاعات کسب خواهند کرد. اصول هوش مصنوعی اخلاقی، حریم خصوصی دادهها و کاهش تعصب برای اطمینان از قابل اعتماد بودن در سیستمهای هوش مصنوعی تأکید شده است.
ساختار دوره:
این دوره به سه ماژول تقسیم شده است، که هر کدام شامل درسها و ویدئوهای آموزشی هستند. یادگیرندگان با حدود 4:30-5:00 ساعت محتوای ویدئویی که شامل نظریه و تمرین عملی است، درگیر خواهند شد. هر ماژول با آزمونهایی همراه است تا درک را ارزیابی کند و یادگیری را تقویت کند.
ماژول 1: آزمایش و تیونینگ هایپرپارامتر
ماژول 2: خدمات هوش مصنوعی NVIDIA و بهینهسازی
ماژول 3: هوش مصنوعی اخلاقی و قابل اعتماد
در پایان این دوره، یادگیرندگان قادر خواهند بود:
- با استفاده از تیونینگ های هایپرپارامتر و آزمون A/B با LLMها آزمایش کنند.
- کنترل نسخه را به کار ببرند و گردش کارهای هوش مصنوعی را با ابزارهای NVIDIA مانند BioNeMo ،Triton و TensorRT بهینهسازی کنند.
- اصول هوش مصنوعی اخلاقی، حریم خصوصی دادهها و روشهایی برای کاهش تعصب و افزایش اعتماد در هوش مصنوعی را درک کنند.
این دوره برای پژوهشگران، توسعهدهندگان و فعالان هوش مصنوعی که به دنبال بهبود مهارتهای خود در آزمایش LLM، بهینهسازی و هوش مصنوعی اخلاقی هستند، ایدهآل است.
دوره NVIDIA: آزمایش LLM، استقرار و هوش مصنوعی اخلاقی
-
اصول طراحی آزمایشها با مدلهای زبان بزرگ (LLMها) 6:11
-
تیونینگ هایپرپارامترهای LLMها 3:52
-
تست A/B 4:18
-
اهمیت سیستمهای کنترل نسخه 3:45
-
درک خدمات LLM NVIDIA BioNeMo 3:51
-
سرویسهای هوش مصنوعی NVIDIA چه هستند؟ 2:39
-
استفاده از ترکیب متخصصان در معماری LLM 5:12
-
خوش آمدید به دوره None
-
مروری بر آزمایش و تیونینگ هایپرپارامتر None
-
معرفی NVIDIA Tensor-RT 4:11
-
درک NVIDIA Triton 4:19
-
گردش کارهای هوش مصنوعی NVIDIA 4:27
-
بهینهسازی لجستیک و مسیر - cuOpt 3:36
-
NVIDIA RIVA 4:11
-
سیستم توصیه گر - Merlin 3:44
-
درک NVIDIA NGC 4:14
-
نکات آزمون: آزمایش 1:07
-
مروری بر خدمات هوش مصنوعی NVIDIA و بهینهسازی None
-
اصول اخلاقی هوش مصنوعی قابل اعتماد 14:20
-
حریم خصوصی دادهها و اهمیت رضایت دادهها 4:17
-
نقش NVIDIA در بهبود اعتماد هوش مصنوعی 3:06
-
NVIDIA: مقابله با تعصب در پردازش سیستمهای هوش مصنوعی 3:19
-
فرایند ثبتنام و راهاندازی سیستم 4:30
-
اشتباهاتی که باید قبل از شرکت در آزمون اجتناب کرد 4:15
-
نتیجهگیری 2:22
-
مروری بر هوش مصنوعی اخلاقی و اعتماد به نفس None
-
نکات کلیدی دوره None
-
نتیجهگیری دوره None
مشخصات آموزش
دوره NVIDIA: آزمایش LLM، استقرار و هوش مصنوعی اخلاقی
- تاریخ به روز رسانی: 1404/06/14
- سطح دوره:متوسط
- تعداد درس:28
- مدت زمان :01:35:46
- حجم :468.0MB
- زبان:دوبله زبان فارسی
- دوره آموزشی:AI Academy