توضیحات
آموزش جامع NVIDIA AI Enterprise استقرار سیستم های هوش مصنوعی مبتنی بر پردازندههای گرافیکی NVIDIA
نام دوره : Certified Infra AI Expert: End-to-End GPU-Accelerated AI
پیشنیازهای دوره
- آشنایی اولیه با مفاهیم هوش مصنوعی و یادگیری ماشین (AI/ML) مانند آموزش مدل (Training)، استنتاج (Inference) و استقرار مدل (Deployment).
- آشنایی با دستورات خط فرمان Linux (ترجیحاً Ubuntu).
- آشنایی مقدماتی با Docker و مفاهیم کانتینرسازی (داشتن تجربه مفید است، اما مباحث اصلی در دوره آموزش داده میشوند).
- دسترسی به یک سیستم مجهز به پردازنده گرافیکی NVIDIA مانند A100، H100، L4، Jetson Orin یا Jetson Xavier یا استفاده از سرویسهای ابری دارای GPU مانند AWS، Azure یا NVIDIA DGX Cloud.
- اتصال پایدار به اینترنت برای دانلود کانتینرهای NVIDIA NGC، مدلهای از پیش آموزشدیده و SDKهای موردنیاز.
- علاقه به یادگیری عملی و انجام پروژههای واقعی.
توضیحات دوره
آموزش جامع NVIDIA AI Enterprise؛ طراحی، بهینهسازی و استقرار سیستمهای هوش مصنوعی شتابیافته با GPU
اگر میخواهید به یک متخصص حرفهای در زمینه توسعه و استقرار سیستمهای هوش مصنوعی مبتنی بر پردازندههای گرافیکی NVIDIA تبدیل شوید، این دوره جامع تمامی مهارتهای موردنیاز برای طراحی، پیادهسازی، بهینهسازی و استقرار پروژههای هوش مصنوعی در مقیاس سازمانی را در اختیار شما قرار میدهد.
در این دوره، چرخه کامل توسعه سیستمهای هوش مصنوعی از آموزش مدل گرفته تا استقرار در محیطهای ابری، مراکز داده و دستگاههای Edge آموزش داده میشود. شما با اکوسیستم کامل NVIDIA AI Enterprise آشنا خواهید شد و نحوه استفاده از فناوریهای پیشرفته NVIDIA برای ساخت راهکارهای هوش مصنوعی در مقیاس واقعی را یاد خواهید گرفت.
در ابتدای دوره، زیرساختهای مبتنی بر GPU روی سرویسهای ابری AWS، Microsoft Azure و NVIDIA DGX Cloud راهاندازی میشوند. سپس نحوه نصب درایورها، پیکربندی نودهای GPU در Kubernetes، استفاده از Helm Charts و مدیریت بارهای کاری هوش مصنوعی در محیطهای Cloud Native بهصورت عملی آموزش داده میشود.
در ادامه با NVIDIA NGC Registry آشنا میشوید و یاد میگیرید چگونه از کانتینرهای آماده، مدلهای از پیش آموزشدیده و ابزارهای رسمی NVIDIA برای توسعه سریعتر پروژههای AI استفاده کنید.
یکی از مهمترین بخشهای این دوره، آموزش کامل NVIDIA Triton Inference Server برای اجرای مدلهای هوش مصنوعی با کارایی بالا است. همچنین با TensorRT برای بهینهسازی مدلها، TAO Toolkit برای انتقال یادگیری (Transfer Learning) و فشردهسازی مدلها و RAPIDS برای پردازش سریع دادهها با GPU آشنا خواهید شد.
برای پروژههای پردازش تصویر و ویدئو نیز نحوه استفاده از NVIDIA DeepStream SDK جهت توسعه سامانههای تحلیل ویدئویی بلادرنگ آموزش داده میشود. علاوه بر این، مباحث امنیت کانتینرها، مدیریت مجوزها از طریق NVIDIA License Server و پیادهسازی فرآیندهای CI/CD برای پروژههای هوش مصنوعی نیز پوشش داده میشوند.
این دوره همچنین به معرفی و آموزش SDKهای تخصصی NVIDIA در حوزههای مختلف میپردازد، از جمله:
- NVIDIA Metropolis برای شهرهای هوشمند
- NVIDIA Riva برای هوش مصنوعی گفتاری
- NVIDIA NeMo برای پردازش زبان طبیعی (NLP)
- NVIDIA Clara برای هوش مصنوعی حوزه سلامت
- NVIDIA Merlin برای طراحی سیستمهای پیشنهاددهنده (Recommendation Systems)
در بخش پایانی دوره، یک پروژه نهایی (Capstone Project) را از ابتدا تا انتها طراحی و پیادهسازی خواهید کرد. بسته به علاقه خود میتوانید یکی از پروژههای زیر را انتخاب کنید:
- توسعه سامانه نظارت تصویری هوشمند با DeepStream
- ساخت Digital Twin با Omniverse
- پیادهسازی سیستم Edge AI مبتنی بر Jetson و حسگرهای IoT
در این پروژهها از TensorRT، Triton Inference Server، همگامسازی Cloud و Edge و سایر فناوریهای NVIDIA استفاده خواهید کرد تا تجربهای نزدیک به پروژههای واقعی صنعت به دست آورید.
در دوره آموزش جامع NVIDIA AI Enterprise استقرار سیستم های هوش مصنوعی مبتنی بر پردازندههای گرافیکی NVIDIA چه چیزهایی یاد میگیرید؟
- طراحی معماری کامل سیستمهای هوش مصنوعی مبتنی بر GPU
- راهاندازی زیرساخت NVIDIA AI Enterprise
- مدیریت GPUها در Kubernetes
- کار با NVIDIA NGC Registry
- توسعه سیستمهای پردازش ویدئوی بلادرنگ با DeepStream
- استفاده از RAPIDS برای پردازش سریع دادهها
- استقرار مدلها با NVIDIA Triton Inference Server
- بهینهسازی مدلها با TensorRT
- استفاده از TAO Toolkit برای Transfer Learning
- توسعه پروژههای Edge AI با Jetson
- طراحی Digital Twin با Omniverse
- استفاده از SDKهای تخصصی NVIDIA شامل NeMo، Riva، Clara، Merlin و Metropolis
- پیادهسازی CI/CD برای پروژههای هوش مصنوعی
- استقرار پروژهها روی AWS، Azure و DGX Cloud
- رعایت اصول امنیت، مدیریت مجوزها و بهترین روشهای توسعه سیستمهای AI سازمانی
پس از پایان این دوره، توانایی طراحی، توسعه، بهینهسازی و استقرار سامانههای هوش مصنوعی شتابیافته با GPU را خواهید داشت و میتوانید از فناوریهای پیشرفته NVIDIA در پروژههای صنعتی، مراکز داده، Edge Computing و سرویسهای ابری استفاده کنید.
دوره آموزش جامع NVIDIA AI Enterprise استقرار سیستم های هوش مصنوعی مبتنی بر پردازندههای گرافیکی NVIDIA برای چه کسانی مناسب است؟
- توسعهدهندگان هوش مصنوعی و یادگیری ماشین (AI/ML) که میخواهند مدلهای خود را در محیطهای واقعی مستقر و بهینهسازی کنند.
- مهندسان Edge AI که با دستگاههای Jetson و سامانههای مبتنی بر IoT کار میکنند.
- معماران سیستم و مهندسان DevOps که مسئول طراحی زیرساختهای ابری و Kubernetes برای پروژههای هوش مصنوعی هستند.
- مهندسان راهکار (Solution Engineers) و مدیران فنی محصول که قصد دارند بر فناوریهای NVIDIA AI Enterprise، DeepStream، RAPIDS، Triton و Omniverse مسلط شوند.
- پژوهشگران و متخصصانی که قصد پیادهسازی سامانههای هوش مصنوعی در حوزههایی مانند سلامت، شهرهای هوشمند، رباتیک، تولید صنعتی، خودروهای خودران و رایانش با کارایی بالا (HPC) را دارند.
- تمامی علاقهمندانی که میخواهند به یک متخصص حرفهای در طراحی و استقرار سیستمهای هوش مصنوعی مبتنی بر GPUهای NVIDIA تبدیل شوند.
یودمی ایران –
دوره درخواستی خود را از راه های ارتباطی درخواست کنید