توضیحات
آموزش استقرار و توسعه سیستمهای هوش مصنوعی از سری Coursera
نام دوره : Managing AI Systems: Development, Deployment, and Governance Specialization
پیشنیازها
سطح میانی و آشنایی مقدماتی با مفاهیم هوش مصنوعی و توسعه نرمافزار: درک اولیه از نحوه کار مدلهای زبانی بزرگ (LLMs)، فراخوانی APIها و ساختار اپلیکیشنهای مدرن.
آشنایی پایه با زبان پایتون (Python): توانایی درک و اجرای کدهای مرتبط با پایپلاینهای هوش مصنوعی، ابزارهای ارزیابی و رابطهای کاربری سبک نظیر Streamlit.
رایانه شخصی متصل به اینترنت: مناسب برای پیادهسازی پروژههای عملی با ابزارهایی همچون LangChain، ChromaDB، Weights & Biases، Arize Phoenix و Giskard.
رویکرد مدیریتی و مهندسی محصول: علاقهمندی به حل چالشهای انتقال سیستمهای AI از مرحله نمونه اولیه (PoC) به محیط عملیاتی واقعی (Production).
توضیحات:
چرا بسیاری از پروژههای هوش مصنوعی سازمانی در مرحله اثبات مفهوم (Proof of Concept) متوقف میشوند و هرگز به محیط عملیاتی پایدار و ایمن راه پیدا نمیکنند؟
گذار از نرمافزارهای قطعی سنتی (Deterministic Software) به سیستمهای احتمالی هوش مصنوعی (Probabilistic AI Systems)، مدیران محصول، رهبران فنی و مهندسان را با موازنههای پیچیدهای میان دقت مدل، هزینه استنتاج (Inference Cost)، تاخیر (Latency) و ریسکهای امنیتی مواجه میسازد.
این تخصص ۳ دورهای که توسط Board Infinity تدوین شده است، فراتر از تئوریهای سطح بالا حرکت کرده و واقعیتهای اجرایی مدیریت پشته فناوری مدرن AI را پوشش میدهد. در طول این مسیر ۵۱ ساعته، شما یک پروژه عملی بههمپیوسته را در سه فاز تکمیل میکنید: ابتدا یک چتبات مبتنی بر RAG با استفاده از LangChain، ChromaDB و Streamlit میسازید؛ سپس در فاز LLMOps آن را به ابزارهای ردیابی و ارزیابی Weights & Biases و Arize Phoenix مجهز میکنید تا گلوگاههای هزینه و تاخیر را شناسایی نمایید؛ و در نهایت با اجرای تستهای نفوذ (Red Teaming) توسط Giskard و نصب سپرهای دفاعی با Guardrails AI و GLiNER، یک گزارش ممیزی قبل و بعد از ایمنسازی برای استقرار در مقیاس سازمانی تولید خواهید کرد.
سرفصلهای تخصصی و مهارتهای کسبشده (در قالب ۳ دوره منسجم)
دوره ۱ — طراحی سیستمهای هوش مصنوعی: پایپلاینهای RAG و معماری LLM (۱۷ ساعت):
معماری راهکارهای هوش مصنوعی برای تبدیل ایده اولیه به محصول اولیه قابل عرضه (MVP).
بارگذاری اسناد، تولید امبدینگ و ذخیرهسازی در پایگاه داده برداری ChromaDB.
ساخت یک چتبات کاربردی مبتنی بر RAG با فریمورک ارکستراسیون LangChain و رابط کاربری Streamlit.
دوره ۲ — MLOps و LLMOps: استقرار و مقیاسدهی هوش مصنوعی در پروداکشن (۱۷ ساعت):
عملیاتیسازی گردشکارهای هوش مصنوعی و پیادهسازی استانداردهای LLMOps و نسخهبندی پرامپت (Prompt Versioning).
طراحی متریکهای ارزیابی خودکار از جمله الگوی LLM-as-a-Judge برای سنجش کیفیت پاسخها.
مشاهدهپذیری (Observability)، ردیابی درخواستها (Tracing) و پایش انحراف مدل (Drift Monitoring) با داشبوردهای Weights & Biases (W&B) و Arize Phoenix.
دوره ۳ — ریسک و انطباق هوش مصنوعی: مبانی ممیزی و حاکمیت (AI Governance – ۱۷ ساعت):
اجرای تستهای تهاجمی و کشف آسیبپذیریهای مدل (Red Teaming) با ابزار Giskard و تولید گزارشهای آسیبپذیری.
پیادهسازی گاردریلهای امنیتی (Guardrails AI) و شناسایی دادههای حساس (PII) با GLiNER برای مسدودسازی حملات خصمانه.
تسلط بر تکنیکهای توضیحپذیری مدل (Explainability)، مدیریت ریسک و انطباق با قوانین و مقررات سازمانی.
چرا باید در دوره آموزش استقرار و توسعه سیستمهای هوش مصنوعی از سری Coursera شرکت کنید؟
پوشش جامع چرخه حیات کامل سیستمهای AI در سازمان: تلفیق بینقص معماری فنی (RAG)، عملیات استقرار (LLMOps) و حاکمیت و امنیت (AI Governance) در یک برنامه.
پروژه عملی پیوسته با ابزارهای تراز اول صنعت: کار عملی با LangChain، ChromaDB، W&B، Arize Phoenix، Giskard و Guardrails AI در سناریوهای واقعی سازمانی.
پر کردن شکاف حیاتی میان توسعه فنی و مدیریت ریسک: آموزش دقیق نحوه موازنه میان کیفیت خروجی، هزینههای عملیاتی و الزامات قانونی و امنیتی.
کسب گواهینامه تخصصی معتبر از Board Infinity در Coursera: مدرکی قابل استناد در پروفایل لینکدین و رزومه برای نقشهای کلیدی مدیریت محصول و مهندسی سیستمهای AI.
دوره آموزش استقرار و توسعه سیستمهای هوش مصنوعی از سری Coursera برای چه کسانی مناسب است؟
مدیران محصول هوش مصنوعی (AI Product Managers) و مدیران برنامههای فنی (TPMs): متخصصانی که مسئولیت هدایت پروژههای AI از مرحله پروتوتایپ تا استقرار تجاری را بر عهده دارند.
معماران راهکارهای هوش مصنوعی و مهندسان LLMOps: افرادی که قصد دارند پایپلاینهای RAG را با مانیتورینگ دقیق، ارزیابی خودکار و بهینهسازی هزینه در پروداکشن مستقر کنند.
افسران حاکمیت داده، مدیران ریسک و متخصصان امنیت و انطباق (Compliance Officers): کارشناسانی که نیازمند پیادهسازی Red Teaming، گاردریلها و ممیزی سیستمهای هوش مصنوعی هستند.
رهبران نوآوری و مدیران فناوری (CTOs / Innovation Leads): تصمیمگیرندگانی که میخواهند زیرساختی ایمن، توضیحپذیر و مقیاسپذیر برای استفاده سازمان از مدلهای زبانی بنا نهند.








یودمی ایران –
دوره درخواستی خود را از راه های ارتباطی درخواست کنید