راهحلهای LLMOps متنباز
✅ سرفصل و جزئیات آموزش
آنچه یاد خواهید گرفت:
- اجرای مدلهای زبانی بزرگ محلی
- تیونینگ دقیق LLMs
- استفاده از generative AI متنباز
توضیحات دوره
شما با اصول مدلهای زبانی بزرگ (LLMs) آشنا میشوید و با استقرار راهحلهای مبتنی بر مدلهای متنباز، این مفاهیم را بهکار میبرید. در پایان دوره قادر خواهید بود از LLMs متنباز بروز استفاده کنید و اپلیکیشنهای هوش مصنوعی را با رویکرد code-first ایجاد کنید.
شما با درک عمیقتری از نحوه کار LLMs شروع خواهید کرد که شامل معماریهای مدل مانند ترنسفرمرها و پیشرفتهایی همچون مدلهای کارشناس پراکنده است. لابراتوارهای عملی شما را در راهاندازی نمونههای GPU در ابر و اجرای مدلهای از پیشآموزشدیده مانند Code Llama و Mistral و استیبل دیفیوژن همراهی خواهند کرد.
نکته برجسته دوره، یک پروژه هدایت شده است که در آن شما یک مدل مانند LLaMA یا Mistral را روی یک مجموعه داده انتخابی تیونینگ دقیق خواهید کرد. برای آسان سازی مقیاسبندی آموزش مدل روی نمونههای اقتصادی Spot در بین ارائهدهندگان ابری، از SkyPilot استفاده خواهید کرد. در نهایت، مدل خود را برای استقرار کارآمد با استفاده از سرورهای مدل مانند LoRAX و vLLM کانتینری میکنید.
در پایان دوره، تجربه دست اول از استفاده از LLMs متنباز برای ساخت راهحلهای هوش مصنوعی خواهید داشت. مهارتهایی که کسب میکنید به شما امکان میدهد که به پیشبرد آینده خود در حوزه هوش مصنوعی ادامه دهید.
راهحلهای LLMOps متنباز
-
آشنایی با مدرس دوره - آلفردو دزا 1:48
-
مقدمه 1:19
-
مدلهای متنباز در پلتفرم Hugging Face 4:43
-
آشنایی با Hugging Face 4:57
-
کتابخانهها و ابزارها برای مدلهای متنباز 8:18
-
مدلهای زبانی بزرگ در Hugging Face 4:47
-
مدلهای زبانی کوچک چه هستند؟ 3:27
-
مدلهای زبانی بزرگ در آژور 2:57
-
خلاصه 1:28
-
مقدمه 0:51
-
تقویت مجموعه دادههای مصنوعی چیست؟ 3:25
-
بررسی یک اپلیکیشن برای تقویت 5:09
-
تست یک LLM محلی برای تقویت 5:22
-
تقویت و اعتبارسنجی یک مجموعه داده تقویت شده 5:54
-
خلاصه 1:01
-
مقدمه 0:52
-
در نظر گرفتن Rust به جای پایتون 8:37
-
استفاده از Rust Candle 6:19
-
استفاده از Rust Bert 5:52
-
خلاصه 1:15
-
آشنایی با مدرس - نوح گیفت None
-
با مدرسین خود ارتباط برقرار کنید None
-
ساختار و آداب دوره None
-
واژههای کلیدی None
-
لابراتوار خارجی - ایجاد حساب رایگان در Hugging Face None
-
لابراتوار خارجی - ترنسفرمرها با پایتون None
-
واژههای کلیدی None
-
لابراتوار خارجی - اتصال به یک LLM محلی None
-
واژههای کلیدی None
-
لابراتوار خارجی - استفاده از Rust-Bert None
-
بررسی Llamafile توسط Mozilla 5:23
-
استفاده از Llamafile API 2:45
-
ساخت یک Llamafile 5:06
-
ساخت باینریهای قابل حمل با Cosmopolitan 4:29
-
شروع کار با Llamafile 3:40
-
متریکهای سیستم محلی Llamafile 3:04
-
استفاده از Whisper برای بلوکهای سازنده GenAI 2:53
-
ترنسکرایب کردن با Whisper.cpp 2:56
-
واژههای کلیدی None
-
Llamafile چیست؟ None
-
Cosmopolitan None
-
بازتاب درس None
-
واژههای کلیدی None
-
LLM چیست؟ None
-
بازتاب درس None
-
واژههای کلیدی None
-
Whisper.cpp چیست؟ None
-
اتوماسیون Bash با Whisper.cpp None
-
بازخورد درس None
-
مقدمه 1:01
-
Transformers.js چیست؟ 3:33
-
ONNX چیست؟ 8:50
-
اکسپورت مدلها به ONNX 3:58
-
استفاده از Transformers.js در مرورگر 3:46
-
خلاصه 1:16
-
ساخت ژنراتور عبارت با Cosmopolitan 3:34
-
واژههای کلیدی None
-
لابراتوار خارجی - اکسپورت مدلها به ONNX None
-
واژههای کلیدی None
-
ژنراتور عبارت Bash None
-
بازتاب درس None
-
لابراتوار خارجی - چت با LLMs محلی None
-
لابراتوار خارجی - بازیابی نسل افزوده با استفاده از LLMs محلی None
-
لابراتوار خارجی - ایجاد یک مجموعه داده مصنوعی None
-
لابراتوار خارجی - MLOps با طعم GPU با GitHub Codespaces None
-
لابراتوار خارجی - دموهای Rust Hugging Face Candle None
-
بازتاب دوره None
-
گامهای بعدی None
مشخصات آموزش
راهحلهای LLMOps متنباز
- تاریخ به روز رسانی: 1404/06/14
- سطح دوره:مقدماتی
- تعداد درس:68
- مدت زمان :02:14:35
- حجم :537.0MB
- زبان:دوبله زبان فارسی
- دوره آموزشی:AI Academy