دوره آموزشی آزمایشگاه هوش مصنوعی خودت رو بساز
3 ساعت 18 دقیقهمتوسط2025-07-01
مدرسین

Pearson

Omar Santos
جزئیات دوره
تو این دوره، مدرس دوره Omar Santos بهت یاد میده چطوری یه محیط تحقیقاتی هوش مصنوعی قوی و امن بسازی. یاد میگیری چطوری هم تو خونه و هم تو فضای ابری (cloud) آزمایشگاه هوش مصنوعی راه بندازی، از تنظیم سختافزار و نرمافزار گرفته تا رعایت بهترین روشهای امنیتی، مدیریت هزینهها و امکان مقیاسپذیری.
دوره بهت نشون میده چطور میتونی از نقاط قوت هر دو محیط خونه و فضای ابری استفاده کنی تا محیط تحقیقاتی انعطافپذیر و قابل تنظیم برای نیازهای مختلف بسازی. Omar بهت یاد میده چطور مدلهای متنباز معروف مثل Llama 3، Phi 3، Mistral، Gemma و مدلهای دیگه که روی پلتفرم Hugging Face هستن رو اجرا کنی.
همچنین، یاد میگیری چطور با استفاده از ابزار Ollama این مدلها رو راحت از خونه اجرا کنی. این دوره برای دانشمندان داده، متخصصان AI و علاقهمندانی که میخوان بیشتر درباره ابزارهای پیشرفته هوش مصنوعی یاد بگیرن، عالیه.
در دوره با ابزارهای بهروز و قدرتمندی مثل Amazon Bedrock، Amazon SageMaker، Google Vertex AI و Microsoft Azure Cognitive Services هم آشنا میشی تا بتونی از بهترینها تو کارهات استفاده کنی.
اهداف یادگیری این دوره:
ایجاد و راهاندازی محیط تحقیقاتی هوش مصنوعی امن و قابل اعتماد در خانه و فضای ابری
شناخت سختافزار و نرمافزار لازم برای آزمایشگاه AI
یادگیری بهترین روشهای امنیتی برای محافظت از محیطهای AI
مدیریت هزینهها و بهینهسازی منابع در محیطهای AI
استفاده همزمان و بهینه از محیطهای خانگی و ابری
آشنایی و اجرای مدلهای متنباز Hugging Face مانند Llama 3 و Phi 3
استفاده از Ollama برای اجرای آسان مدلها در محیط خانگی
آشنایی با ابزارهای پیشرفته ابری مثل Amazon Bedrock، SageMaker، Google Vertex AI و Azure Cognitive Services
دوره بهت نشون میده چطور میتونی از نقاط قوت هر دو محیط خونه و فضای ابری استفاده کنی تا محیط تحقیقاتی انعطافپذیر و قابل تنظیم برای نیازهای مختلف بسازی. Omar بهت یاد میده چطور مدلهای متنباز معروف مثل Llama 3، Phi 3، Mistral، Gemma و مدلهای دیگه که روی پلتفرم Hugging Face هستن رو اجرا کنی.
همچنین، یاد میگیری چطور با استفاده از ابزار Ollama این مدلها رو راحت از خونه اجرا کنی. این دوره برای دانشمندان داده، متخصصان AI و علاقهمندانی که میخوان بیشتر درباره ابزارهای پیشرفته هوش مصنوعی یاد بگیرن، عالیه.
در دوره با ابزارهای بهروز و قدرتمندی مثل Amazon Bedrock، Amazon SageMaker، Google Vertex AI و Microsoft Azure Cognitive Services هم آشنا میشی تا بتونی از بهترینها تو کارهات استفاده کنی.
اهداف یادگیری این دوره:
ایجاد و راهاندازی محیط تحقیقاتی هوش مصنوعی امن و قابل اعتماد در خانه و فضای ابری
شناخت سختافزار و نرمافزار لازم برای آزمایشگاه AI
یادگیری بهترین روشهای امنیتی برای محافظت از محیطهای AI
مدیریت هزینهها و بهینهسازی منابع در محیطهای AI
استفاده همزمان و بهینه از محیطهای خانگی و ابری
آشنایی و اجرای مدلهای متنباز Hugging Face مانند Llama 3 و Phi 3
استفاده از Ollama برای اجرای آسان مدلها در محیط خانگی
آشنایی با ابزارهای پیشرفته ابری مثل Amazon Bedrock، SageMaker، Google Vertex AI و Azure Cognitive Services
مهارت ها
Vertex AIAmazon BedrockAmazon SageMakerAI Productivity ToolsAmazonArtificial Intelligence FoundationsGoogleArtificial Intelligence for BusinessArtificial Intelligence (AI)Business Software and ToolsOne-Off
سرفصل ها
۰. مقدمه
- 01 - مقدمه
۱. مقدمهای بر آزمایشگاهها و سندباکسهای هوش مصنوعی
- 02 - اهداف یادگیری
- 03 - آزمایشگاهها و محیطهای آزمایشی هوش مصنوعی خانگی در مقابل ابری
- 04 - انتخاب سختافزار مناسب (پردازندههای گرافیکی، پردازندههای مرکزی، حافظه و غیره)
- 05 - ساخت یا خرید سیستمهای از پیش ساخته شده
- 06 - انتخاب سیستم عامل - لینوکس، ویندوز یا macOS
- 07 - نرمافزارهای ضروری نقشهبرداری
- 08 - معرفی چهره در آغوش گیرنده
- 09 - معرفی اولاما
- 10- نصب اولاما
- 11 - ادغامهای اولاما
- 12- بررسی API REST در Ollama
- 13 - معرفی تولید افزوده بازیابی (RAG)
- 14 - استفاده از RAGFlow
۲. آزمایشگاهها و محیطهای آزمایشی هوش مصنوعی مبتنی بر ابر
- 15 - اهداف یادگیری
- 16 - مزایا و معایب آزمایشگاهها و محیطهای آزمایشی هوش مصنوعی مبتنی بر ابر
- 17- معرفی آمازون بدراک
- 18- نقشهبرداری با Amazon SageMaker
- 19- بررسی هوش مصنوعی گوگل ورتکس
- 20- استفاده از MicrosoftAzure AI Foundry
- 21- بحث در مورد مدیریت هزینه و امنیت
- 22 - استقرار Ollama در فضای ابری با Terraform
۳. ادغام و بهرهبرداری از محیطهای هوش مصنوعی
- 23 - اهداف یادگیری
- 24 - استفاده از آزمایشگاههای ترکیبی هوش مصنوعی برای ترکیب منابع خانگی و ابری
- 25 - همگامسازی دادهها و پروژهها
- 26 - بهرهگیری از نقاط قوت هر دو محیط
- 27 - اجرای مدلهای متنباز موجود در Hugging Face
- 28- معرفی LangChain
- 29- معرفی LlamaIndex
- 30- درک مدلهای تعبیه
- 31 - استفاده از پایگاههای داده برداری
۴. مباحث پیشرفته
- 32 - اهداف یادگیری
- 33 - استفاده از LangSmith و LangGraph
- 34 - استفاده از چارچوبهای تنظیم دقیق
- 35 - محاسبات با کارایی بالا و هوش مصنوعی لبهای
نتیجهگیری
- 36 - خلاصه