دوره آموزشی ارزیابی و اشکال زدایی هوش مصنوعی مولد
1 ساعت 12 دقیقهمتوسط2024-07-25
مدرسین

Kesha Williams
Software Engineering Manager, Speaker, Tech Blogger
جزئیات دوره
هوش مصنوعی مولد و مدلهای زبان بزرگ (LLM) نحوه ساخت راهحلهای مبتنی بر هوش مصنوعی را تغییر میدهند. در این دوره، ابزارهای مورد نیاز برای ارزیابی و اشکال زدایی مدل های هوش مصنوعی مولد و در عین حال افزایش بهره وری را بیاموزید. مربی کشا ویلیامز ابزارهایی را که به شما در آموزش، ارزیابی، اشکالزدایی، ردیابی و نظارت بر مدلهای هوش مصنوعی مولد کمک میکنند، توضیح میدهد. یاد بگیرید LLM هایی را که از طریق API به آنها دسترسی دارید ارزیابی و اشکال زدایی کنید، خودتان را دقیق تنظیم کنید یا از ابتدا آموزش دهید. در پایان این دوره، درک کاملی از ارزیابی و اشکال زدایی مدل ها خواهید داشت.
اهداف آموزشی
فرآیند ارزیابی، اشکالزدایی و نظارت بر مدلهای LLM که از طریق یک API مانند ChatGPT قابل دسترسی هستند را درک کنید.
مراحل ارزیابی، اشکال زدایی و نظارت بر یک LLM را در طول فرآیند تنظیم دقیق بررسی کنید.
یک مدل هوش مصنوعی مولد را که از ابتدا آموزش می دهید، ارزیابی، اشکال زدایی و نظارت کنید.
از ابزارهایی استفاده کنید که به مدیریت چرخه عمر مدلهای هوش مصنوعی مولد کمک میکنند.
تفاوت بین عملیات یادگیری ماشین (MLOps) و عملیات مدل زبان بزرگ (LLMOps) را درک کنید.
یک محیط توسعه محلی راه اندازی کنید و به ابزارهای مورد نیاز برای ارزیابی، اشکال زدایی و نظارت دسترسی پیدا کنید.
اهداف آموزشی
فرآیند ارزیابی، اشکالزدایی و نظارت بر مدلهای LLM که از طریق یک API مانند ChatGPT قابل دسترسی هستند را درک کنید.
مراحل ارزیابی، اشکال زدایی و نظارت بر یک LLM را در طول فرآیند تنظیم دقیق بررسی کنید.
یک مدل هوش مصنوعی مولد را که از ابتدا آموزش می دهید، ارزیابی، اشکال زدایی و نظارت کنید.
از ابزارهایی استفاده کنید که به مدیریت چرخه عمر مدلهای هوش مصنوعی مولد کمک میکنند.
تفاوت بین عملیات یادگیری ماشین (MLOps) و عملیات مدل زبان بزرگ (LLMOps) را درک کنید.
یک محیط توسعه محلی راه اندازی کنید و به ابزارهای مورد نیاز برای ارزیابی، اشکال زدایی و نظارت دسترسی پیدا کنید.
مهارت ها
Programming FoundationsGenerative AISoftware Development ToolsArtificial Intelligence (AI)Software DevelopmentOne-Off
سرفصل ها
0. مقدمه
- 01 - مقدمه ای بر ارزیابی و اشکال زدایی GenAI
1. بررسی مدلهای هوش مصنوعی
- 02 - مدلهای هوش مصنوعی مولد را کاوش کنید
- 03 - تجزیهوتحلیل معماری ترانسفورماتور
2. ارزیابی مدلهای هوش مصنوعی مولد
- 04 - معیارهای ارزیابی را درک کنید
- 05 - از تکنیکهای تحلیل مدل استفاده کنید
- 06 - کاربردهای متریک را بررسی کنید
- 07 - چالش - کیفیت تصویر را ارزیابی کنید
- 08 - راه حل - کیفیت تصویر را ارزیابی کنید
- 09 - چالش - خروجی متن را تجزیهوتحلیل کنید
- 10 - راه حل - خروجی متن را تحلیل کنید
3. اشکال زدایی و عیب یابی مدلهای هوش مصنوعی مولد
- 11 - مسائل رایج مدل را شناسایی کنید
- 12 - تکنیکهای عیب یابی را اجرا کنید
- 13 - موارد عیب یابی را بررسی کنید
- 14 - چالش - فروپاشی حالت درمان
- 15 - راه حل - فروپاشی حالت درمان
- 16 - چالش - شیبهای ناپدید را درست کنید
- 17 - راه حل - شیب ناپدید شونده را درست کنید
4. بحث در مورد اخلاق و تضمین انصاف
- 18 - در مورد مفاهیم اخلاقی بحث کنید
- 19 - راهبردهای کاهش تعصب را توسعه دهید
- 20 - رهنمودهای اخلاقی را پیشنهاد دهید
- 21 - چالش - تعدیل تعصب را اجرا کنید
- 22 - راه حل - پیادهسازی تعصب
نتیجه
- 23 - مقیاس پذیری و استقرار استراتژیک
- 24 - سفر GenAI در حال ارزیابی و اشکال زدایی شما
دوره های مرتبط
- دوره آموزشی ساخت عوامل هوش مصنوعی با API پاسخهای OpenAI
- دوره آموزشی پروتکل زمینه مدل (MCP) برای مبتدیان
- دوره آموزشی ساخت عوامل هوش مصنوعی برای مبتدیان
- دوره آموزشی فراتر از کدنویسی با Vibe با Google Gemini: تبدیل شدن به یک توسعهدهنده هدفمند
- دوره آموزشی ساخت عوامل MCP قطعی
- دوره آموزشی اپلیکیشنهای مبتنی بر LLM با Streamlit
- دوره آموزشی ساخت MVP یک سرویس ابری (SaaS) در یک روز
- دوره آموزشی هوش مصنوعی عملی: ساخت اولین اپلیکیشن خود با قدرت LLM