دوره ساخت و استقرار مدل‌های هوش مصنوعی مولد با استفاده از زیرساخت‌های ابری (با تمرکز بر راهکارهای داخلی و سازگار) همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره ساخت و استقرار مدل‌های هوش مصنوعی مولد با استفاده از زیرساخت‌های ابری (با تمرکز بر راهکارهای داخلی و سازگار)

موضوع کلی: هوش مصنوعی و کاربردهای آن

موضوع میانی: توسعه و استقرار برنامه‌های هوش مصنوعی

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر هوش مصنوعی مولد
• 2. اصول یادگیری ماشین
• 3. انواع مدل‌های هوش مصنوعی مولد
• 4. معماری ترنسفورمر
• 5. پیش‌نیازهای توسعه مدل‌های مولد
• 6. محیط‌های توسعه پایتون
• 7. کتابخانه‌های کلیدی هوش مصنوعی
• 8. مقدمه‌ای بر گوگل کلاود
• 9. خدمات ابری ایران
• 10. مفاهیم پایگاه داده در ابر
• 11. ذخیره‌سازی داده‌ها
• 12. مدیریت هویت و دسترسی
• 13. امنیت در محیط‌های ابری
• 14. مقدمه‌ای بر کانتینرسازی
• 15. مفهوم داکر
• 16. ساخت ایمیج داکر
• 17. استقرار برنامه‌ها با داکر
• 18. معرفی ریپازیتوری کانتینر
• 19. مفاهیم CI/CD
• 20. خطوط لوله یکپارچه‌سازی مداوم
• 21. خطوط لوله تحویل مداوم
• 22. استقرار خودکار
• 23. مدیریت نسخه در پروژه‌های نرم‌افزاری
• 24. اصول برنامه‌نویسی شیءگرا
• 25. طراحی API
• 26. مستندسازی API
• 27. امنیت API
• 28. مقدمه‌ای بر مدل‌های زبان بزرگ (LLMs)
• 29. معماری مدل‌های زبانی
• 30. تنظیم دقیق (Fine-tuning) مدل‌های زبانی
• 31. کاربردهای مدل‌های زبانی
• 32. تولید متن
• 33. خلاصه‌سازی متن
• 34. ترجمه ماشینی
• 35. پاسخگویی به سوالات
• 36. مقدمه‌ای بر مدل‌های مولد تصویر
• 37. معماری مدل‌های مولد تصویر
• 38. تنظیم دقیق مدل‌های مولد تصویر
• 39. کاربردهای مدل‌های مولد تصویر
• 40. تولید تصویر از متن
• 41. ویرایش تصویر
• 42. تولید انیمیشن
• 43. مقدمه‌ای بر مدل‌های مولد صدا
• 44. معماری مدل‌های مولد صدا
• 45. تنظیم دقیق مدل‌های مولد صدا
• 46. کاربردهای مدل‌های مولد صدا
• 47. تولید صدا از متن
• 48. تبدیل صدا به متن
• 49. تولید موسیقی
• 50. مقدمه‌ای بر استقرار مدل‌های هوش مصنوعی
• 51. معیارهای انتخاب پلتفرم استقرار
• 52. مزایای استفاده از سرویس‌های ابری داخلی
• 53. انتخاب زیرساخت مناسب
• 54. مراحل استقرار مدل
• 55. تنظیمات سرور
• 56. مدیریت منابع
• 57. پایش عملکرد مدل
• 58. مدیریت خطاها
• 59. مقیاس‌پذیری برنامه‌ها
• 60. بهینه‌سازی مصرف منابع
• 61. امنیت در زمان استقرار
• 62. مدیریت چرخه عمر مدل
• 63. بازآموزی مدل‌ها
• 64. به‌روزرسانی مدل‌ها
• 65. مدیریت داده‌های آموزشی
• 66. اصول حاکمیت داده
• 67. حفاظت از داده‌ها
• 68. قوانین و مقررات مرتبط با هوش مصنوعی
• 69. اخلاق در توسعه هوش مصنوعی
• 70. مسئولیت‌پذیری در هوش مصنوعی
• 71. شفافیت در مدل‌های هوش مصنوعی
• 72. قابلیت تفسیرپذیری مدل‌ها
• 73. ارزیابی مدل‌های هوش مصنوعی
• 74. سنجه‌های ارزیابی مدل‌های مولد
• 75. بهبود مستمر مدل‌ها
• 76. نمونه‌سازی سریع
• 77. توسعه محصول مبتنی بر هوش مصنوعی
• 78. مدیریت پروژه در پروژه‌های هوش مصنوعی
• 79. کار تیمی در تیم‌های هوش مصنوعی
• 80. مهارت‌های لازم برای توسعه‌دهندگان هوش مصنوعی
• 81. آینده هوش مصنوعی مولد
• 82. روندهای نوظهور در هوش مصنوعی
• 83. کاربرد هوش مصنوعی در صنایع مختلف
• 84. هوش مصنوعی و اقتصاد مقاومتی
• 85. فناوری‌های بومی در حوزه هوش مصنوعی
• 86. نوآوری در راهکارهای هوش مصنوعی
• 87. چالش‌های پیاده‌سازی هوش مصنوعی در ایران
• 88. فرصت‌های توسعه هوش مصنوعی در ایران