توضیحات

آموزش پیاده سازی برنامه های هوش مصنوعی مولد

نام دوره : LLMOps Masterclass 2025 – Generative AI – MLOps – AIOps

پیش‌نیازها

• آشنایی پایه با هوش مصنوعی: آشنایی با مفاهیم اولیه هوش مصنوعی، از جمله یادگیری ماشین و یادگیری عمیق، پایه مناسبی برای درک مطالب دوره فراهم می‌کند.

• مهارت برنامه‌نویسی: تسلط به حداقل یک زبان برنامه‌نویسی مانند Python به‌شدت توصیه می‌شود، زیرا بخش زیادی از تمرین‌ها و پروژه‌ها شامل کدنویسی هستند.

• آشنایی با خط فرمان (CLI): دانش پایه کار با محیط خط فرمان برای اجرای دستورات و مدیریت اپلیکیشن‌ها مفید خواهد بود.

• آشنایی با Git: درک مفاهیم کنترل نسخه و عملیات پایه Git برای مدیریت ریپازیتوری‌ها و همکاری تیمی کاربردی است.

• مبانی رایانش ابری: آشنایی مقدماتی با مفاهیم Cloud، به‌ویژه پلتفرم Google Cloud Platform (GCP)، برای استقرار اپلیکیشن‌ها و کار با Kubernetes مفید است.

این پیش‌نیازها الزامی نیستند، اما داشتن آن‌ها تجربه یادگیری شما را عمیق‌تر و کاربردی‌تر می‌کند. همچنین علاقه و انگیزه قوی برای یادگیری فناوری‌های جدید، عامل کلیدی موفقیت در این مسترکلاس است.

توضیحات

دوره جامع LLMOps – Generative AI – MLOps – AIOps Masterclass 2025 شما را از مفاهیم پایه تا پیاده‌سازی و استقرار پیشرفته اپلیکیشن‌های هوش مصنوعی مولد همراهی می‌کند.

در این دوره، مهارت‌ها و دانشی را کسب می‌کنید که برای فعالیت حرفه‌ای در عصر هوش مصنوعی ضروری هستند.

مسیر یادگیری دوره (بخش‌بندی شده)

• مقدمه دوره: آشنایی با LLM Ops و نقش Prompt Engineering در عملیات مدل‌های زبانی بزرگ.

• موج تحول Generative AI: بررسی تأثیر عمیق هوش مصنوعی مولد در زندگی روزمره و کاربردهای واقعی آن.

• شروع کار با Generative AI: مقایسه مدل‌های مولد و تمایزیافته و شناخت کاربردهای عملی.

• Prompt Engineering: یادگیری معماری، اجزا، استراتژی‌ها و تکنیک‌های مهندسی پرامپت به‌صورت کاربردی.

• جزئیات فنی LLM: درک عمیق از آموزش LLM، کاربردهای سازمانی و منطق عملکرد این مدل‌ها.

پروژه‌ها و مهارت‌های عملی آموزش پیاده سازی برنامه های هوش مصنوعی مولد

• پروژه ۱: ساخت اپلیکیشن LLM با ChatGPT
  از پیش‌نیازها تا استقرار نهایی، ساخت یک اپلیکیشن واقعی مبتنی بر LLM.

• بسته‌بندی اپلیکیشن‌های AI/LLM
  کار با FastAPI، Docker و مفاهیم کانتینرسازی برای استقرار حرفه‌ای.

• استقرار با Kubernetes
  نصب، مدیریت، مقیاس‌پذیری و ارکستریشن اپلیکیشن‌های کانتینری.

• GitHub Actions و CI/CD
  خودکارسازی فرآیندها، مدیریت Secrets و پیاده‌سازی CI/CD استاندارد.

• Kubernetes روی Google Cloud (GKE)
  راه‌اندازی، تست و اجرای اپلیکیشن‌ها روی کلاسترهای GCP.

• کتابخانه Hugging Face
  آشنایی با کاربردهای متنوع از طبقه‌بندی متن تا Fine-tuning مدل‌ها.

• پروژه ۲: ساخت اپلیکیشن Generative AI با Hugging Face
  طراحی پایپ‌لاین تولید متن و پیاده‌سازی CI/CD کامل.

• مانیتورینگ LLM در محیط Production
  بررسی ابزارهایی مانند WhyLabs و Langkit برای پایش و بهینه‌سازی مدل‌ها.

• مبانی LLMOps
  کنترل نسخه، راه‌اندازی Git و دموهای CI/CD برای تثبیت پایه‌های LLM Ops.

دوره آموزش پیاده سازی برنامه های هوش مصنوعی مولد  مناسب چه کسانی است؟

• علاقه‌مندان به هوش مصنوعی که می‌خواهند وارد مباحث پیشرفته Generative AI و MLOps شوند.

• دانشمندان داده و مهندسان یادگیری ماشین که به دنبال تسلط بر استقرار، مانیتورینگ و بهینه‌سازی مدل‌ها هستند.

• توسعه‌دهندگان نرم‌افزار که قصد دارند هوش مصنوعی را در محصولات خود پیاده‌سازی کنند.

• پژوهشگران حوزه AI که به جنبه‌های عملی استقرار مدل‌های مولد علاقه‌مندند.

• متخصصان IT و DevOps که می‌خواهند مهارت‌های خود را با AI Ops و Kubernetes گسترش دهند.

• کارآفرینان و نوآوران که به دنبال ساخت و عرضه محصولات مبتنی بر هوش مصنوعی هستند.

بخشی از دوره :