دوره پیاده‌سازی هوش مصنوعی مولد با Vertex AI همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره پیاده‌سازی هوش مصنوعی مولد با Vertex AI

موضوع کلی: هوش مصنوعی و مدل‌های زبانی بزرگ

موضوع میانی: Google AI Platform (Vertex AI)

📋 سرفصل‌های دوره

• 1. مبانی هوش مصنوعی مولد
• 2. آشنایی با مفاهیم یادگیری عمیق
• 3. شبکه‌های عصبی کانولوشنی (CNN)
• 4. شبکه‌های عصبی بازگشتی (RNN)
• 5. ترنسفورمرها و معماری‌های مبتنی بر توجه
• 6. مقدمه‌ای بر Vertex AI
• 7. معرفی پلتفرم Google Cloud
• 8. محیط‌های توسعه در Vertex AI
• 9. مدیریت داده‌ها در Vertex AI
• 10. آماده‌سازی داده‌ها برای مدل‌های مولد
• 11. نمونه‌سازی داده‌ها و مهندسی ویژگی
• 12. پاکسازی و پیش‌پردازش داده‌های متنی
• 13. پاکسازی و پیش‌پردازش داده‌های تصویری
• 14. پاکسازی و پیش‌پردازش داده‌های صوتی
• 15. فهم مدل‌های زبانی بزرگ (LLMs)
• 16. معماری ترنسفورمر برای LLMs
• 17. آموزش و تنظیم دقیق LLMs
• 18. تکنیک‌های Prompt Engineering
• 19. بهینه‌سازی Prompt برای وظایف مولد
• 20. تولید متن خلاقانه با LLMs
• 21. خلاصه‌سازی متون با LLMs
• 22. ترجمه ماشینی با LLMs
• 23. پاسخ به پرسش با LLMs
• 24. تولید کد با LLMs
• 25. مقدمه‌ای بر مدل‌های تولید تصویر
• 26. معماری‌های GANs (Generative Adversarial Networks)
• 27. معماری‌های Diffusion Models
• 28. آموزش و تنظیم دقیق مدل‌های تولید تصویر
• 29. تولید تصویر از متن (Text-to-Image)
• 30. تولید تصویر از تصویر (Image-to-Image)
• 31. ویرایش تصاویر با مدل‌های مولد
• 32. افزایش کیفیت تصاویر (Image Super-resolution)
• 33. تولید تصاویر واقع‌گرایانه
• 34. مقدمه‌ای بر مدل‌های تولید صدا
• 35. تولید گفتار از متن (Text-to-Speech)
• 36. تولید موسیقی با مدل‌های مولد
• 37. تشخیص و تولید الگوهای صوتی
• 38. مدیریت مدل‌ها در Vertex AI
• 39. آموزش مدل‌ها با استفاده از Vertex AI Training
• 40. استقرار مدل‌ها در Vertex AI Endpoints
• 41. نظارت بر عملکرد مدل‌ها
• 42. بهینه‌سازی مدل‌ها برای تولید
• 43. ملاحظات امنیتی در هوش مصنوعی مولد
• 44. حریم خصوصی داده‌ها در مدل‌های مولد
• 45. اخلاق در هوش مصنوعی مولد
• 46. مسئولیت‌پذیری در توسعه هوش مصنوعی
• 47. قوانین و مقررات مربوط به هوش مصنوعی در ایران
• 48. چارچوب‌های قانونی برای داده‌ها
• 49. حفاظت از داده‌ها و حریم خصوصی
• 50. کاربرد هوش مصنوعی مولد در صنعت
• 51. کاربرد در تولید محتوای آموزشی
• 52. کاربرد در بهبود فرآیندهای کسب‌وکار
• 53. کاربرد در طراحی و مهندسی
• 54. کاربرد در مراقبت‌های بهداشتی
• 55. کاربرد در خدمات مشتریان
• 56. کاربرد در تحقیقات علمی
• 57. کاربرد در بهینه‌سازی سیستم‌ها
• 58. کاربرد در توسعه نرم‌افزار
• 59. کاربرد در تولید محصولات دیجیتال
• 60. کاربرد در رسانه و سرگرمی
• 61. کاربرد در امور مالی و بانکی (بدون ربا)
• 62. کاربرد در کشاورزی هوشمند
• 63. کاربرد در مدیریت شهری
• 64. کاربرد در آموزش و پرورش
• 65. کاربرد در توسعه دولت الکترونیک
• 66. تکنیک‌های ارزیابی مدل‌های مولد
• 67. معیارهای ارزیابی مدل‌های زبانی
• 68. معیارهای ارزیابی مدل‌های تصویری
• 69. معیارهای ارزیابی مدل‌های صوتی
• 70. مدیریت چرخه عمر مدل‌های هوش مصنوعی
• 71. استفاده از Vertex AI Pipelines
• 72. اتوماسیون فرآیندهای ML
• 73. تست و اعتبارسنجی مدل‌ها
• 74. به‌روزرسانی و بازآموزی مدل‌ها
• 75. مقیاس‌پذیری راهکارهای هوش مصنوعی مولد
• 76. استفاده از زیرساخت‌های ابری Google Cloud
• 77. بهینه‌سازی هزینه‌ها در Vertex AI
• 78. مدیریت منابع محاسباتی
• 79. طراحی معماری‌های مولد مقیاس‌پذیر
• 80. پردازش توزیع‌شده برای مدل‌های بزرگ
• 81. کار با داده‌های حجیم (Big Data)
• 82. تجسم داده‌ها و نتایج مدل‌ها
• 83. داشبوردهای مدیریتی در Vertex AI
• 84. گزارش‌دهی و تحلیل عملکرد
• 85. پایش مستمر مدل‌ها در محیط عملیاتی
• 86. مدیریت ریسک در پیاده‌سازی هوش مصنوعی
• 87. تکنیک‌های کاهش سوگیری در مدل‌ها
• 88. اطمینان از انصاف و عدالت در خروجی‌ها
• 89. قابلیت تفسیرپذیری مدل‌های مولد
• 90. ابزارها و تکنیک‌های تفسیرپذیری
• 91. مستندسازی فرآیند توسعه مدل
• 92. توسعه راهکارهای هوش مصنوعی مولد سفارشی
• 93. یکپارچه‌سازی با سیستم‌های موجود
• 94. ارائه راهکارهای نوآورانه
• 95. پروژه‌های عملی و مطالعات موردی
• 96. ساخت یک Chatbot مولد
• 97. تولید محتوای بازاریابی
• 98. کمک به نویسندگان و تولیدکنندگان محتوا
• 99. تولید تصاویر هنری و گرافیکی
• 100. تولید سناریوهای خلاقانه