دوره آموزشی استقرار و مدیریت هوش مصنوعی خصوصی در زیرساخت اختصاصی

اجرای هوش مصنوعی روی زیرساخت اختصاصی سازمان به شما امکان می‌دهد کنترل بیشتری بر داده‌ها، هزینه‌ها و حریم خصوصی داشته باشید. در این دوره، Sander van Vugt با تکیه بر تجربه چندین‌ساله خود در حوزه متن‌باز (Open Source)، نحوه استقرار و مدیریت مدل‌های هوش مصنوعی مولد (Generative AI) را در محیط‌های محلی و زیرساخت‌های تحت کنترل سازمان بررسی می‌کند. با اجزای اصلی هوش مصنوعی مولد و کاربردهای آن در گردش‌کارهای خصوصی آشنا می‌شوید و یاد می‌گیرید چگونه با انتخاب زیرساخت مناسب، راهکارهای هوش مصنوعی را متناسب با نیازهای سازمان خود پیاده‌سازی کنید.

در ادامه، روش میزبانی و اجرای سیستم‌های هوش مصنوعی روی پلتفرم‌هایی مانند Linux و Kubernetes را بررسی می‌کنید و با توجه به نیازهای عملیاتی سازمان، محیط مناسب را انتخاب خواهید کرد. همچنین با معماری مدل‌های زبانی بزرگ (Large Language Models یا LLMs) آشنا می‌شوید و یاد می‌گیرید چگونه آن‌ها را بدون نیاز به منابع پرهزینه، برای کاربردهای مشخص تنظیم دقیق (Fine-Tuning) کنید. در بخش دیگری از دوره، نحوه افزودن داده‌های خصوصی به گردش‌کارهای هوش مصنوعی با استفاده از تولید تقویت‌شده با بازیابی (Retrieval-Augmented Generation یا RAG) و آداپترها (Adapters) بررسی می‌شود. در پایان، روش‌های مقیاس‌دهی مدل‌های هوش مصنوعی در محیط‌هایی با اتصال محدود به اینترنت را می‌آموزید؛ به‌گونه‌ای که پردازش داده‌ها در محیطی امن و تحت کنترل باقی بماند. این دوره برای افرادی مناسب است که می‌خواهند مدل‌های هوش مصنوعی را به‌جای اتکا به سرویس‌های ابری عمومی، روی زیرساخت اختصاصی خود اجرا و مدیریت کنند.

اهداف یادگیری
استقرار مدل‌های هوش مصنوعی مولد (Generative AI) در زیرساخت محلی برای افزایش کنترل بر داده‌ها و حفظ حریم خصوصی
شناسایی اجزای اصلی سیستم‌های هوش مصنوعی مولد و کاربردهای آن‌ها در گردش‌کارهای خصوصی
راه‌اندازی و میزبانی سیستم‌های هوش مصنوعی روی Linux متناسب با نیازهای سازمان
استفاده از Kubernetes برای استقرار و مدیریت سیستم‌های هوش مصنوعی در زیرساخت‌های مناسب
بررسی معماری مدل‌های زبانی بزرگ (LLMs) و درک اجزای مؤثر بر عملکرد آن‌ها
تنظیم دقیق مدل‌های زبانی بزرگ برای کاربردهای اختصاصی بدون نیاز به منابع محاسباتی پرهزینه
افزودن داده‌های خصوصی به گردش‌کارهای هوش مصنوعی با استفاده از RAG و آداپترها
انتخاب زیرساخت مناسب برای اجرای مدل‌های هوش مصنوعی بر اساس نیازهای فنی و سازمانی
مقیاس‌دهی مدل‌های هوش مصنوعی در محیط‌هایی با اتصال محدود به اینترنت
حفظ امنیت پردازش داده‌ها و کنترل اطلاعات در زمان استقرار و مدیریت مدل‌های هوش مصنوعی