کتاب جامع برنامه‌نویسی GPU در AWS SageMaker: ساخت و بهینه‌سازی عوامل هوش مصنوعی با RAG
, ,

کتاب جامع برنامه‌نویسی GPU در AWS SageMaker: ساخت و بهینه‌سازی عوامل هوش مصنوعی با RAG

تومان249,950

انتخاب پلن

torobpay
هر قسط با ترب‌پی: تومان62,488
۴ قسط ماهانه. بدون سود، چک و ضامن.
شناسه محصول: SuperCourse-0000014359 دسته: , , برچسب: , , , , , , , , , , , , ,

📚 محتوای این محصول آموزشی (پکیج کامل)

💡 این محصول یک نسخهٔ کامل و جامع است

تمامی محتوای آموزشی این کتاب در قالب یک بسته‌ی کامل و یکپارچه ارائه می‌شود و شامل تمام نسخه‌ها و فایل‌های موردنیاز برای یادگیری است.

🎁 محتویات کامل بسته دانلودی

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل کتاب‌ها، تمرین‌ها و خودآزمایی .

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود و نسخهٔ چاپی ندارد.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های کتاب همانجا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

📚 کتاب آموزشی جامع

📚 اطلاعات کتاب

عنوان کتاب: کتاب جامع برنامه‌نویسی GPU در AWS SageMaker: ساخت و بهینه‌سازی عوامل هوش مصنوعی با RAG

موضوع کلی: محاسبات شتاب‌یافته برای هوش مصنوعی

موضوع میانی: برنامه‌نویسی GPU برای توسعه گردش‌کار هوش مصنوعی

📋 سرفصل‌های کتاب (100 موضوع)

  • 1. مبانی هوش مصنوعی و یادگیری عمیق
  • 2. آشنایی با پردازنده‌های گرافیکی (GPU)
  • 3. چرا GPU برای هوش مصنوعی؟
  • 4. معماری GPU و هسته‌های CUDA
  • 5. کاربرد GPU در یادگیری عمیق
  • 6. مفاهیم اولیه یادگیری ماشین
  • 7. نصب و راه‌اندازی محیط توسعه
  • 8. مقدمه‌ای بر AWS SageMaker
  • 9. پلتفرم AWS SageMaker
  • 10. اجزای اصلی SageMaker
  • 11. مفهوم SageMaker Studio
  • 12. ایجاد و پیکربندی یک محیط SageMaker Studio
  • 13. نصب درایورهای GPU در SageMaker
  • 14. نصب کتابخانه‌های مرتبط با GPU
  • 15. انتخاب نمونه‌های SageMaker با GPU
  • 16. آشنایی با ابزارهای خط فرمان AWS (CLI)
  • 17. نصب و پیکربندی AWS CLI
  • 18. مدیریت منابع AWS با CLI
  • 19. مقدمه‌ای بر برنامه‌نویسی موازی
  • 20. مفهوم موازی‌سازی
  • 21. انواع موازی‌سازی
  • 22. کاربرد موازی‌سازی در محاسبات علمی
  • 23. برنامه‌نویسی GPU با CUDA
  • 24. معماری CUDA
  • 25. کرنل‌های CUDA
  • 26. مدیریت حافظه در CUDA
  • 27. همگام‌سازی نخ‌ها (Threads) در CUDA
  • 28. اشتباهات رایج در برنامه‌نویسی CUDA
  • 29. بهینه‌سازی برنامه‌های CUDA
  • 30. مقدمه‌ای بر TensorFlow و PyTorch
  • 31. فریم‌ورک‌های یادگیری عمیق
  • 32. نصب TensorFlow با پشتیبانی GPU
  • 33. نصب PyTorch با پشتیبانی GPU
  • 34. ساختار مدل‌های یادگیری عمیق
  • 35. لایه‌های عصبی
  • 36. توابع فعال‌سازی
  • 37. بهینه‌سازها
  • 38. توابع زیان (Loss Functions)
  • 39. آموزش مدل با GPU در TensorFlow
  • 40. آموزش مدل با GPU در PyTorch
  • 41. مدیریت داده‌ها برای آموزش GPU
  • 42. بارگذاری داده‌ها با استفاده از DataLoader
  • 43. پیش‌پردازش داده‌ها برای GPU
  • 44. تقسیم داده‌ها به بچ (Batch)
  • 45. مفهوم Batch Size و تأثیر آن بر آموزش
  • 46. آموزش توزیع‌شده (Distributed Training)
  • 47. چرا آموزش توزیع‌شده؟
  • 48. استراتژی‌های آموزش توزیع‌شده
  • 49. آموزش توزیع‌شده با SageMaker
  • 50. استفاده از SageMaker Distributed Data Parallelism
  • 51. استفاده از SageMaker Distributed Model Parallelism
  • 52. مانیتورینگ و دیباگ کردن آموزش GPU
  • 53. ابزارهای مانیتورینگ SageMaker
  • 54. تشخیص و رفع خطاهای GPU
  • 55. تجزیه و تحلیل عملکرد GPU
  • 56. استفاده از NVIDIA Nsight
  • 57. تکنیک‌های بهینه‌سازی مدل‌های هوش مصنوعی
  • 58. کاهش اندازه مدل (Model Compression)
  • 59. قانون‌گذاری (Quantization)
  • 60. هرس کردن (Pruning)
  • 61. تقطیر دانش (Knowledge Distillation)
  • 62. بهینه‌سازی برای استنتاج (Inference Optimization)
  • 63. استفاده از TensorRT
  • 64. استفاده از ONNX Runtime
  • 65. پیاده‌سازی عامل‌های هوش مصنوعی (AI Agents)
  • 66. مفهوم عامل‌های هوش مصنوعی
  • 67. انواع عامل‌های هوش مصنوعی
  • 68. طراحی معماری عامل‌های هوش مصنوعی
  • 69. مقدمه‌ای بر بازیابی اطلاعات (Information Retrieval)
  • 70. اصول بازیابی اطلاعات
  • 71. روش‌های بازیابی اطلاعات
  • 72. مقدمه‌ای بر مدل‌های زبانی بزرگ (LLMs)
  • 73. معماری ترانسفورمر
  • 74. کاربرد LLMs در درک زبان طبیعی
  • 75. تولید متن با LLMs
  • 76. مفهوم بازیابی اطلاعات تولیدی (Retrieval Augmented Generation – RAG)
  • 77. چرا RAG؟
  • 78. معماری RAG
  • 79. اجزای سیستم RAG
  • 80. کتابخانه‌های مفید برای RAG
  • 81. پیاده‌سازی RAG در SageMaker
  • 82. استفاده از SageMaker Endpoints برای RAG
  • 83. ذخیره‌سازی و بازیابی داده‌ها برای RAG
  • 84. موتورهای جستجو و پایگاه داده‌های برداری
  • 85. استفاده از Amazon OpenSearch Service
  • 86. استفاده از Amazon Aurora PostgreSQL با pgvector
  • 87. ایجاد Embeddings برای داده‌ها
  • 88. انتخاب مدل Embedding مناسب
  • 89. آموزش مدل Embedding سفارشی
  • 90. بازیابی اسناد مرتبط با کوئری
  • 91. ارزیابی کیفیت بازیابی
  • 92. تولید پاسخ توسط LLM با استفاده از اسناد بازیابی شده
  • 93. تنظیم دقیق (Fine-tuning) LLM برای وظایف خاص
  • 94. آموزش LLM بر روی داده‌های سفارشی
  • 95. استفاده از SageMaker JumpStart برای LLMs
  • 96. بهینه‌سازی سیستم RAG
  • 97. اندازه‌گیری معیارهای عملکرد RAG
  • 98. تشخیص نقاط ضعف در سیستم RAG
  • 99. بهبود کیفیت Embedding
  • 100. بهبود استراتژی بازیابی

📚 محتوای این محصول آموزشی (پکیج کامل)

💡 این محصول یک نسخهٔ کامل و جامع است

تمامی محتوای آموزشی این کتاب در قالب یک بسته‌ی کامل و یکپارچه ارائه می‌شود و شامل تمام نسخه‌ها و فایل‌های موردنیاز برای یادگیری است.

🎁 محتویات کامل بسته دانلودی

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل کتاب‌ها، تمرین‌ها و خودآزمایی .

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود و نسخهٔ چاپی ندارد.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های کتاب همانجا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

دیدگاهها

هیچ دیدگاهی برای این محصول نوشته نشده است.

اولین نفری باشید که دیدگاهی را ارسال می کنید برای “کتاب جامع برنامه‌نویسی GPU در AWS SageMaker: ساخت و بهینه‌سازی عوامل هوش مصنوعی با RAG”

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

محصولات مشابه

پیمایش به بالا