دوره آموزشی ذخیرهسازی و پردازش داده مقیاسپذیر برای بارهای کاری هوش مصنوعی
1 ساعت 30 دقیقهمتوسط2025-03-17
مدرسین
Janani Ravi
Certified Google Cloud Architect and Data Engineer
جزئیات دوره
راهحلهای ذخیرهسازی و پردازش دادهها خیلی مهم هستند، اما چطور میتونید اونها رو به طور موثر در مقیاس بزرگ مدیریت کنید؟ در این دوره، جانانی راوی اصول طراحی و پیادهسازی سیستمهای ذخیرهسازی داده رو توضیح میده که میتونن به طور کارآمد نیازهای مقیاس بزرگ برنامههای مبتنی بر هوش مصنوعی رو مدیریت کنن. با تکنیکهایی برای مدیریت، پردازش و بهینهسازی جریان دادهها در محیطهای توزیعشده آشنا میشید تا از اجرای پرکارآیی مدلهای هوش مصنوعی مطمئن بشید. این دوره برای حرفهایهای فناوری که با هوش مصنوعی، زیرساخت دادهها و عملیات یادگیری ماشین کار میکنن طراحی شده و شما رو با مهارتهایی تجهیز میکنه که به شما کمک میکنه نه تنها دادهها رو مدیریت کنید، بلکه بارهای کاری هوش مصنوعی خودتون رو بهینه کنید.
اهداف یادگیری:
آشنایی با اصول طراحی سیستمهای ذخیرهسازی داده: یاد میگیرید که چطور سیستمهای ذخیرهسازی دادهها رو طوری طراحی کنید که بتونند به طور موثر نیازهای مقیاس بزرگ برنامههای هوش مصنوعی رو پوشش بدن.
مدیریت دادهها در محیطهای توزیعشده: با روشها و تکنیکهایی برای مدیریت و پردازش دادهها در محیطهای توزیعشده آشنا میشید.
بهینهسازی جریان دادهها: یاد میگیرید که چطور جریان دادهها رو برای اطمینان از عملکرد بالا در اجرای مدلهای هوش مصنوعی بهینه کنید.
پیشرفت در مدیریت بارهای کاری هوش مصنوعی: مهارتهای لازم برای بهینهسازی و مدیریت کارآمد بارهای کاری هوش مصنوعی و یادگیری ماشین رو بدست میآرید.
افزایش کارایی در اجرای مدلهای هوش مصنوعی: تکنیکهایی برای بهینهسازی عملکرد مدلهای هوش مصنوعی و پردازش دادهها در مقیاس بزرگ یاد میگیرید.
توانمندسازی در کار با زیرساختهای داده: یاد میگیرید که چگونه با زیرساختهای داده کار کنید و اونها رو برای پردازش کارآمد مدلهای هوش مصنوعی تنظیم کنید.
اهداف یادگیری:
آشنایی با اصول طراحی سیستمهای ذخیرهسازی داده: یاد میگیرید که چطور سیستمهای ذخیرهسازی دادهها رو طوری طراحی کنید که بتونند به طور موثر نیازهای مقیاس بزرگ برنامههای هوش مصنوعی رو پوشش بدن.
مدیریت دادهها در محیطهای توزیعشده: با روشها و تکنیکهایی برای مدیریت و پردازش دادهها در محیطهای توزیعشده آشنا میشید.
بهینهسازی جریان دادهها: یاد میگیرید که چطور جریان دادهها رو برای اطمینان از عملکرد بالا در اجرای مدلهای هوش مصنوعی بهینه کنید.
پیشرفت در مدیریت بارهای کاری هوش مصنوعی: مهارتهای لازم برای بهینهسازی و مدیریت کارآمد بارهای کاری هوش مصنوعی و یادگیری ماشین رو بدست میآرید.
افزایش کارایی در اجرای مدلهای هوش مصنوعی: تکنیکهایی برای بهینهسازی عملکرد مدلهای هوش مصنوعی و پردازش دادهها در مقیاس بزرگ یاد میگیرید.
توانمندسازی در کار با زیرساختهای داده: یاد میگیرید که چگونه با زیرساختهای داده کار کنید و اونها رو برای پردازش کارآمد مدلهای هوش مصنوعی تنظیم کنید.
مهارت ها
Cloud StorageArtificial Intelligence FoundationsData EngineeringArtificial Intelligence (AI)Cloud ComputingData ScienceOne-Off
سرفصل ها
مقدمه
- راه حلهای مقیاس پذیر برای ذخیرهسازی و پردازش
- پیش نیازها
انواع دادهها و الزامات ذخیره سازی
- انواع دادهها - ساختاریافته، نیمه ساختار یافته و بدون ساختار
- درک دادههای ساخت یافته
- درک دادههای نیمه ساختار یافته
- درک دادههای بدون ساختار
ذخیرهسازی دادهها در خط لوله هوش مصنوعی
- الزامات ذخیرهسازی در خط لوله هوش مصنوعی
- ذخیرهسازی دادهها در گردش کار هوش مصنوعی
- ملاحظات ذخیرهسازی هوش مصنوعی
- بهترین شیوههای ذخیرهسازی هوش مصنوعی
- فضای ذخیرهسازی ابری در Google Cloud
- ذخیرهسازی اشیاء با آمازون S3
- ذخیرهسازی Blob در Azure
پایگاههای داده برداری و RAG ها
- نسل افزوده بازیابی
- پایگاه دادههای برداری و جاسازی ها
- جستجوی معنایی با Pinecone
حجم کاری و پردازش هوش مصنوعی
- انواع بار کاری هوش مصنوعی
- بهترین شیوهها برای بهینهسازی حجم کاری هوش مصنوعی
- بارهای کاری هوش مصنوعی روی ابر
نتیجه گیری
- خلاصه و مراحل بعدی