سپنتا کتاب اکسپرس
کتاب مهندسی جریان و عملیات مدل‌های زبان بزرگ در Azure

کتاب مهندسی جریان و عملیات مدل‌های زبان بزرگ در Azure

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 62,488 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی

📚 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

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره مهندسی جریان و عملیات مدل‌های زبان بزرگ در Azure

موضوع کلی: هوش مصنوعی و یادگیری ماشین

موضوع میانی: توسعه و استقرار مدل‌های هوش مصنوعی

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر مهندسی جریان و عملیات مدل‌های زبان بزرگ
  • 2. مبانی مدل‌های زبان بزرگ (LLMs)
  • 3. معماری مدل‌های زبان بزرگ
  • 4. مفاهیم کلیدی در LLMOps
  • 5. مقدمه‌ای بر Azure AI Foundry
  • 6. آشنایی با Prompt Flow
  • 7. طراحی و ساخت جریان‌های Prompt
  • 8. اجزای اصلی Prompt Flow
  • 9. مدیریت داده‌ها در Prompt Flow
  • 10. انواع ابزارهای Prompt Flow
  • 11. طراحی Prompt های مؤثر
  • 12. بهینه‌سازی Prompt ها
  • 13. ارزیابی عملکرد Prompt ها
  • 14. تکنیک‌های پیشرفته Prompt نویسی
  • 15. مبانی توسعه و استقرار مدل‌های هوش مصنوعی
  • 16. چرخه حیات مدل‌های هوش مصنوعی
  • 17. مراحل LLMOps
  • 18. مدیریت پیکربندی مدل‌ها
  • 19. ردیابی و ثبت مدل‌ها
  • 20. استقرار مدل‌ها در Azure
  • 21. استقرار مدل‌های LLM
  • 22. مدیریت استقرار مدل‌ها
  • 23. نظارت بر عملکرد مدل‌های مستقر
  • 24. مقیاس‌پذیری مدل‌های هوش مصنوعی
  • 25. امنیت در LLMOps
  • 26. مدیریت دسترسی در Azure AI
  • 27. حریم خصوصی داده‌ها در LLMOps
  • 28. نظارت امنیتی بر مدل‌ها
  • 29. مقدمه‌ای بر بازیابی افزوده (RAG)
  • 30. نحوه کارکرد RAG
  • 31. اجزای سیستم RAG
  • 32. ذخیره‌سازی و بازیابی اطلاعات
  • 33. ایجاد پایگاه دانش برای RAG
  • 34. بهینه‌سازی بازیابی اطلاعات
  • 35. ارزیابی سیستم‌های RAG
  • 36. کاربرد RAG در Prompt Flow
  • 37. ترکیب Prompt Flow و RAG
  • 38. ساخت برنامه‌های کاربردی با RAG
  • 39. ملاحظات اخلاقی در LLMs
  • 40. سوگیری در مدل‌های زبان بزرگ
  • 41. کاهش سوگیری در مدل‌ها
  • 42. شفافیت و قابلیت توضیح‌پذیری LLMs
  • 43. مسئولیت‌پذیری در هوش مصنوعی
  • 44. قوانین و مقررات مرتبط با هوش مصنوعی
  • 45. استانداردهای صنعتی در LLMOps
  • 46. ابزارهای متن‌باز در LLMOps
  • 47. مقایسه ابزارهای LLMOps
  • 48. یکپارچه‌سازی با Azure DevOps
  • 49. استفاده از Azure Machine Learning
  • 50. مدیریت مخازن کد
  • 51. مدیریت اجرای آزمایشی مدل‌ها
  • 52. پایپ‌لاین‌های CI/CD برای LLMs
  • 53. تست خودکار مدل‌ها
  • 54. مستندسازی مدل‌ها
  • 55. مدیریت نسخه‌های مدل
  • 56. کنترل کیفیت در LLMOps
  • 57. بهبود مداوم مدل‌ها
  • 58. مانیتورینگ و هشداردهی
  • 59. مدیریت خطا در مدل‌های مستقر
  • 60. بازیابی از خطاها
  • 61. بهینه‌سازی هزینه در LLMOps
  • 62. استفاده بهینه از منابع
  • 63. مدیریت چرخه عمر داده‌ها
  • 64. آماده‌سازی داده‌ها برای LLMs
  • 65. پاکسازی و پیش‌پردازش داده‌ها
  • 66. تقسیم داده‌ها برای آموزش و ارزیابی
  • 67. تولید داده‌های مصنوعی
  • 68. مدیریت داده‌های حساس
  • 69. حفظ حریم خصوصی در داده‌ها
  • 70. اصول مهندسی Prompt برای وظایف خاص
  • 71. Prompt برای خلاصه‌سازی متن
  • 72. Prompt برای ترجمه ماشینی
  • 73. Prompt برای پاسخگویی به سوالات
  • 74. Prompt برای تولید کد
  • 75. Prompt برای تحلیل احساسات
  • 76. Prompt برای طبقه‌بندی متن
  • 77. Prompt برای استخراج اطلاعات
  • 78. Prompt برای مکالمه
  • 79. طراحی جریان‌های پیچیده در Prompt Flow
  • 80. استفاده از گره‌های سفارشی
  • 81. مدیریت جریان‌های شرطی
  • 82. ایجاد حلقه در جریان‌ها
  • 83. استفاده از ابزارهای ارزیابی پیشرفته
  • 84. متریک‌های کلیدی برای LLMs
  • 85. ارزیابی کیفیت خروجی
  • 86. ارزیابی امنیت مدل‌ها
  • 87. ارزیابی عملکرد و سرعت
  • 88. تنظیم دقیق (Fine-tuning) مدل‌های LLM
  • 89. مبانی تنظیم دقیق
  • 90. فرآیند تنظیم دقیق
  • 91. انتخاب داده‌های مناسب برای تنظیم دقیق
  • 92. ارزیابی مدل‌های تنظیم شده
  • 93. کاربرد تنظیم دقیق در Prompt Flow
  • 94. استقرار مدل‌های تنظیم شده
  • 95. ملاحظات امنیتی در استقرار
  • 96. مدیریت دسترسی به مدل‌های API
  • 97. سیاست‌های امنیتی در Azure
  • 98. نظارت بر ترافیک API
  • 99. بررسی لاگ‌های امنیتی
  • 100. مقدمه‌ای بر معماری‌های جدید LLM

📚 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

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.