عملیاتی کردن LLMs در آژور
✅ سرفصل و جزئیات آموزش
آنچه یاد خواهید گرفت:
- کسب تسلط در استفاده از آژور برای استقرار و مدیریت مدلهای زبانی بزرگ (LLMs)
- توسعه مهارتهای پیشرفته در ایجاد کوئری با استفاده از Semantic Kernel برای بهینهسازی تعاملات با LLMs در محیط آژور
- بهدست آوردن تجربه عملی در پیادهسازی الگوها و استقرار اپلیکیشنها با استفاده از بازیابی نسل افزوده (RAG)
توضیحات دوره
این دوره برای افرادی با سطوح میانه و مبتدی طراحی شده، از جمله دانشمندان داده، علاقهمندان به هوش مصنوعی و حرفهایهایی که به دنبال استفاده از قدرت آژور برای مدلهای زبانی بزرگ (LLMs) هستند. این برنامه جامع برای افرادی با تجربه پایه در برنامهنویسی و آشنا با مبانی آژور تنظیم شده و در طول یک سفر چهار هفتهای شما را راهنمایی میکند. در هفته اول، با سرویسهای هوش مصنوعی آژور و پورتال آژور آشنا میشوید و بینشهایی درباره مدلهای زبانی بزرگ، قابلیتهای آنها و استراتژیهای کاهش ریسک کسب میکنید. هفتههای بعدی به کاربردهای عملی میپردازند که شامل استفاده از یادگیری ماشین آژور، مدیریت سهمیههای GPU، استقرار مدلها و استفاده از Azure OpenAI Service میشود.
با پیشرفت دوره، به بررسی دقیق ساخت کوئریها، پیادهسازی Semantic Kernel و استراتژیهای پیشرفته برای بهینهسازی تعاملات با LLMs در محیط آژور میپردازیم. هفته پایانی بر الگوهای معماری، استراتژیهای استقرار و ایجاد اپلیکیشن عملی با استفاده از RAG، سرویسهای آژور و گردش کارهای GitHub Actions تمرکز دارد. چه شما متخصص داده یا فرد علاقهمند به هوش مصنوعی باشید، این دوره شما را با مهارتهای لازم برای استقرار، بهینهسازی و ساخت اپلیکیشنهای قوی و بزرگ مقیاس با استفاده از آژور و مدلهای زبانی بزرگ مجهز میکند.
عملیاتی کردن LLMs در آژور
-
آشنایی با مدرس دوره - آلفردو دزا 1:34
-
درباره این دوره 2:54
-
مقدمه 0:57
-
آشنایی با با پورتال آژور 4:10
-
استفاده از Microsoft Learn 4:10
-
شناسایی راهحلهای هوش مصنوعی آژور 4:47
-
آشنایی با یادگیری ماشین آژور 6:42
-
آشنایی با Azure Open AI Service 7:28
-
خلاصه 0:50
-
مقدمه 0:54
-
LLM چیست و چگونه کار میکند؟ 5:19
-
مزایا و ریسکهای استفاده از LLMs 6:13
-
کاهش ریسکهای LLMs 6:28
-
آشنایی با LLMOps 5:16
-
خلاصه 0:56
-
مقدمه 0:44
-
کشف و ارزیابی LLMs در آژور 6:12
-
گزینههای استقرار برای استنتاج 5:40
-
ویژگی ایمنی محتوای هوش مصنوعی آژور چیست؟ 6:28
-
تفاوتهای یادگیری ماشین آژور و Azure Open AI Service 4:22
-
خلاصه 1:17
-
مقدمه 1:08
-
سهمیهها و دسترسپذیری GPU 4:18
-
ایجاد منبع رایانش 3:57
-
استقرار مدل 2:39
-
استفاده از API استنتاج 3:52
-
خلاصه 0:49
-
مقدمه 0:41
-
کسب دسترسی به Azure OpenAI Service 3:44
-
ایجاد منبع Azure OpenAI Service 4:51
-
استقرار مدل OpenAI 4:36
-
استفاده از زمین بازی 5:17
-
خلاصه 1:11
-
مقدمه 1:12
-
استفاده از کلیدها و اندپوینتها 5:11
-
ایجاد یک مثال ساده پایتون 5:17
-
بررسی استفاده و سهمیهها 2:10
-
پاکسازی منابع 3:39
-
خلاصه 0:56
-
مقدمه 1:00
-
Semantic Kernel چیست؟ 3:44
-
استفاده از Semantic Kernel با آژور 5:30
-
استفاده از پرامپت سیستم 2:36
-
پرامپتهای سیستم پیشرفته 3:16
-
خلاصه 1:19
-
مقدمه 1:08
-
بررسی توابع 3:46
-
تعریف توابع 5:42
-
استفاده از تابع با LLM 4:16
-
کار با خطاها 4:12
-
خلاصه 0:56
-
مقدمه 1:10
-
ایجاد یک تابع glue 6:19
-
Consume کردن آرگومانهای تابع 3:28
-
استفاده از یک تابع نیتیو 4:09
-
بررسی میکروسرویس برای توابع 2:58
-
استفاده از API میکروسرویس خارجی 4:00
-
خلاصه 1:22
-
مقدمه 1:11
-
بررسی کلی معماری 3:07
-
RAG چیست؟ 3:59
-
بررسی Azure AI Search 3:52
-
خودکارسازی و استقرار با گیتهاب 4:08
-
خلاصه 1:11
-
مقدمه 1:21
-
ایجاد منابع آژور 4:37
-
ایجاد تعبیهها 5:10
-
ایجاد و بارگذاری ایندکس 2:11
-
اعتبارسنجی تعبیهها 3:02
-
استفاده از RAG با Azure OpenAI 4:56
-
خلاصه 1:14
-
مقدمه 1:06
-
بررسی کلی برنامه 6:45
-
راهاندازی کامپوننتهای آژور 3:37
-
بررسی کلی معماری 4:14
-
استفاده از GitHub Actions با آژور 8:17
-
اعتبارسنجی و عیبیابی استقرارها 5:30
-
خلاصه 2:09
مشخصات آموزش
عملیاتی کردن LLMs در آژور
- تاریخ به روز رسانی: 1404/06/14
- سطح دوره:متوسط
- تعداد درس:78
- مدت زمان :04:31:17
- حجم :624.0MB
- زبان:دوبله زبان فارسی
- دوره آموزشی:AI Academy