فلش‌کارت‌های آموزشی طراحی و پیاده‌سازی راهکارهای هوش مصنوعی مولد با استفاده از پلتفرم‌های ابری مایکروسافت آژور و گیت‌هاب

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره طراحی و پیاده‌سازی راهکارهای هوش مصنوعی مولد با استفاده از پلتفرم‌های ابری مایکروسافت آژور و گیت‌هاب

موضوع کلی: علوم رایانه و فناوری اطلاعات

موضوع میانی: هوش مصنوعی و رایانش ابری

📋 سرفصل‌های دوره (100 موضوع)

• 1. مبانی و مفاهیم هوش مصنوعی مولد و مدل‌های زبانی بزرگ
• 2. معماری سیستم‌های هوش مصنوعی در محیط رایانش ابری
• 3. آشنایی با سرویس‌های هوش مصنوعی مایکروسافت آژور
• 4. مدیریت چرخه‌ی حیات نرم‌افزار با گیت‌هاب برای پروژه‌های هوش مصنوعی
• 5. تنظیم و پیکربندی محیط توسعه ابری در آژور
• 6. مبانی مدل‌های زبانی بزرگ و کاربردهای آن‌ها
• 7. آشنایی با سرویس Azure OpenAI و مدل‌های خانواده GPT
• 8. مهندسی دستور (Prompt Engineering) برای بهینه‌سازی پاسخ‌ها
• 9. کار با APIهای مدل‌های زبانی در محیط برنامه‌نویسی
• 10. تکنیک‌های بازیابی اطلاعات تقویت‌شده (RAG) در هوش مصنوعی
• 11. استفاده از پایگاه داده‌های برداری برای جستجوی معنایی
• 12. یکپارچه‌سازی داده‌های ساختاریافته و غیرساختاریافته با مدل‌های هوش مصنوعی
• 13. پیاده‌سازی حافظه کوتاه‌مدت و بلندمدت برای چت‌بات‌ها
• 14. امنیت و حریم خصوصی در راهکارهای هوش مصنوعی ابری
• 15. مدیریت هویت و دسترسی‌ها با Microsoft Entra ID
• 16. استفاده از GitHub Actions برای استقرار خودکار مدل‌ها
• 17. مانیتورینگ و نظارت بر عملکرد مدل‌ها با Azure Monitor
• 18. ارزیابی کیفیت و دقت پاسخ‌های مدل‌های زبانی
• 19. بهینه‌سازی هزینه‌ها در پروژه‌های هوش مصنوعی ابری
• 20. آشنایی با ابزارهای توسعه‌دهنده در گیت‌هاب کوپایلت
• 21. ایجاد رابط کاربری برای برنامه‌های مبتنی بر هوش مصنوعی
• 22. استقرار مدل‌ها به عنوان سرویس‌های ابری مقیاس‌پذیر
• 23. استفاده از Azure AI Search برای جستجوی هوشمند
• 24. مدیریت محدودیت‌های نرخ (Rate Limiting) در فراخوانی APIها
• 25. تکنیک‌های کاهش توهم (Hallucination) در مدل‌های زبانی
• 26. استفاده از ابزارهای تحلیل داده برای بهبود مدل‌های سفارشی
• 27. پیاده‌سازی سیستم‌های پاسخگویی به سوالات مبتنی بر مستندات سازمانی
• 28. آشنایی با مفاهیم هوش مصنوعی مسئولانه و اخلاقی در چارچوب قوانین کشور
• 29. کاربرد هوش مصنوعی در اتوماسیون فرآیندهای کسب‌وکار
• 30. طراحی معماری سیستم‌های توزیع‌شده با استفاده از توابع ابری
• 31. یکپارچه‌سازی مدل‌های هوش مصنوعی با سیستم‌های مدیریت محتوا
• 32. تست و اعتبارسنجی خودکار مدل‌های هوش مصنوعی
• 33. مدیریت نسخه‌بندی مدل‌ها در مخازن گیت‌هاب
• 34. استفاده از محیط‌های کانتینری برای اجرای مدل‌های هوش مصنوعی
• 35. توسعه برنامه‌های کاربردی با استفاده از چارچوب‌های متن‌باز و سرویس‌های ابری
• 36. بهینه‌سازی عملکرد مدل‌ها با استفاده از حافظه کش ابری
• 37. ایجاد سیستم‌های گزارش‌گیری خودکار از خروجی‌های هوش مصنوعی
• 38. کار با سرویس‌های شناختی آژور برای پردازش تصویر و صوت
• 39. استقرار مدل‌های هوش مصنوعی در محیط‌های سازمانی با رعایت الزامات امنیتی
• 40. پروژه نهایی: طراحی و پیاده‌سازی یک راهکار جامع هوش مصنوعی مولد