کتاب صوتی پیاده‌سازی و استقرار مدل‌های زبانی بزرگ (LLMs) با استفاده از سرویس‌های ابری Azure ML

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره پیاده‌سازی و استقرار مدل‌های زبانی بزرگ (LLMs) با استفاده از سرویس‌های ابری Azure ML

موضوع کلی: هوش مصنوعی و یادگیری ماشین (Artificial Intelligence & Machine Learning)

موضوع میانی: رایانش ابری و زیرساخت‌های هوشمند (Cloud Computing & Intelligent Infrastructure)

📋 سرفصل‌های دوره

• 1. مبانی و مفاهیم بنیادین مدل‌های زبانی بزرگ
• 2. آشنایی با محیط کاربری و زیرساخت‌های Azure Machine Learning
• 3. مدیریت منابع و گروه‌های کاربری در فضای ابری مایکروسافت
• 4. بررسی معماری مدل‌های پایه و ترنسفورمرها
• 5. انتخاب و ارزیابی مدل‌های آماده در Azure Model Catalog
• 6. آماده‌سازی داده‌ها برای تنظیم دقیق مدل‌های زبانی
• 7. اصول امنیت و حریم خصوصی در پردازش ابری داده‌ها
• 8. پیکربندی محیط‌های مجازی و خوشه‌های محاسباتی
• 9. استقرار مدل‌های زبانی در قالب Endpointهای استنتاجی
• 10. مدیریت منابع پردازشی و بهینه‌سازی هزینه‌های ابری
• 11. تکنیک‌های مهندسی پرامپت برای بهبود خروجی مدل
• 12. بررسی روش‌های تنظیم دقیق مدل‌ها با داده‌های اختصاصی
• 13. استفاده از سرویس‌های Azure AI Studio برای توسعه مدل
• 14. پیاده‌سازی پایگاه‌های داده برداری برای قابلیت‌های RAG
• 15. یکپارچه‌سازی مدل‌های زبانی با منابع داده محلی
• 16. نظارت بر عملکرد مدل‌های مستقر شده با Azure Monitor
• 17. مدیریت چرخه‌حیات مدل‌های هوش مصنوعی MLOps
• 18. بررسی شاخص‌های ارزیابی کیفیت پاسخ‌دهی مدل‌ها
• 19. امنیت در تبادل اطلاعات با مدل‌های ابری و کنترل دسترسی
• 20. عیب‌یابی و رفع خطاهای رایج در محیط استنتاج
• 21. توسعه رابط‌های کاربری مبتنی بر API برای مدل‌های زبانی
• 22. مقیاس‌پذیری خودکار زیرساخت‌های استنتاج در Azure
• 23. استفاده از ابزارهای نظارتی برای شناسایی سوگیری و خطای مدل
• 24. کاربرد مدل‌های زبانی در اتوماسیون فرآیندهای سازمانی
• 25. بهینه‌سازی تأخیر پاسخ‌دهی در مدل‌های مقیاس بزرگ
• 26. پشتیبانی از زبان فارسی در مدل‌های زبانی پیشرفته
• 27. مدیریت نسخه‌بندی مدل‌ها و بازگشت به تنظیمات قبلی
• 28. آشنایی با چارچوب‌های اخلاقی در استفاده از هوش مصنوعی مولد
• 29. مستندسازی و گزارش‌دهی از عملکرد مدل‌های عملیاتی