دوره آموزشی زیرساخت و عملیات مبتنی بر هوش مصنوعی در مخابرات
1 ساعت 30 دقیقهمتوسط2026-05-07
مدرسین

Rahul Kaundal

Itelcotech
جزئیات دوره
اگه توی دنیای مخابرات (Telecom) کار میکنی و حس میکنی موج بعدی تحول، همین هوش مصنوعیه، این دوره دقیقاً برای تو ساخته شده. اینجا قرار نیست فقط دربارهی AI حرفهای تئوری بشنویم؛ قراره خیلی کاربردی و دقیق بفهمیم چطور زیرساخت و عملیات مبتنی بر هوش مصنوعی توی صنعت مخابرات طراحی و مدیریت میشه. از مفهومهای پایهای Generative AI و Large Language Models (LLMs) شروع میکنیم و میبینیم این فناوریها چطور میتونن چالشهای مخصوص مخابرات رو حل کنن.
یکی از بخشهای مهم دوره، شناخت نقش GPUهاست؛ همون چیزی که مثل یه نیروگاه قدرتمند برای پردازش موازی عمل میکنه و باعث میشه منابع سختافزاری بهینهتر استفاده بشن. بعد میریم سراغ Deep Learning Software Stack، مجازیسازی GPU و روشهایی که کمک میکنن توی AI Data Center بیشترین راندمان رو بگیریم. توی مسیر یادگیری، با مدیریت عملکرد، مصرف انرژی و معماریهای پیچیدهی Multi-GPU هم آشنا میشی تا بفهمی چطور باید یک زیرساخت AI رو هم سریع نگه داشت، هم بهصرفه.
همچنین در این دوره اهمیت InfiniBand، شبکهسازی حرفهای و راهکارهای ذخیرهسازی مخصوص بارهای کاری هوش مصنوعی رو بررسی میکنیم. در نهایت هم یاد میگیری چطور استراتژیهای استقرار AI در کلود رو طراحی و اجرا کنی؛ طوری که فاصلهی بین تئوری و عمل توی محیطهای مخابراتی واقعاً از بین بره.
اهداف یادگیری
آشنایی با مفاهیم پایه و کلیدی هوش مصنوعی مولد و مدلهای زبانی بزرگ برای استفاده در مسائل مخابراتی.
درک عمیق از نقش GPUها در پردازش موازی، افزایش سرعت و استفاده بهینه از منابع در زیرساختهای AI.
یادگیری ساختار Deep Learning Software Stack و روشهای مجازیسازی GPU برای افزایش بهرهوری در دیتاسنترهای هوش مصنوعی.
مدیریت عملکرد، مصرف انرژی و هماهنگی در سیستمهای چند GPU و معماریهای پیچیده دیتاسنتر.
شناخت فناوریهای حیاتی مثل InfiniBand، شبکه و ذخیرهسازی مناسب برای بارهای کاری هوش مصنوعی.
توانایی طراحی و پیادهسازی استراتژیهای پیشرفتهی استقرار AI در کلود برای سناریوهای مخابراتی.
مخاطبان
متخصصان شاغل در صنعت مخابرات
مهندسان هوش مصنوعی
علاقهمندان فنی
مهندسان هوش مصنوعی که در حال گسترش به حوزه مخابرات هستند
مدیران و تصمیمگیرندگان فنی
دانشجویان و محققان
یکی از بخشهای مهم دوره، شناخت نقش GPUهاست؛ همون چیزی که مثل یه نیروگاه قدرتمند برای پردازش موازی عمل میکنه و باعث میشه منابع سختافزاری بهینهتر استفاده بشن. بعد میریم سراغ Deep Learning Software Stack، مجازیسازی GPU و روشهایی که کمک میکنن توی AI Data Center بیشترین راندمان رو بگیریم. توی مسیر یادگیری، با مدیریت عملکرد، مصرف انرژی و معماریهای پیچیدهی Multi-GPU هم آشنا میشی تا بفهمی چطور باید یک زیرساخت AI رو هم سریع نگه داشت، هم بهصرفه.
همچنین در این دوره اهمیت InfiniBand، شبکهسازی حرفهای و راهکارهای ذخیرهسازی مخصوص بارهای کاری هوش مصنوعی رو بررسی میکنیم. در نهایت هم یاد میگیری چطور استراتژیهای استقرار AI در کلود رو طراحی و اجرا کنی؛ طوری که فاصلهی بین تئوری و عمل توی محیطهای مخابراتی واقعاً از بین بره.
اهداف یادگیری
آشنایی با مفاهیم پایه و کلیدی هوش مصنوعی مولد و مدلهای زبانی بزرگ برای استفاده در مسائل مخابراتی.
درک عمیق از نقش GPUها در پردازش موازی، افزایش سرعت و استفاده بهینه از منابع در زیرساختهای AI.
یادگیری ساختار Deep Learning Software Stack و روشهای مجازیسازی GPU برای افزایش بهرهوری در دیتاسنترهای هوش مصنوعی.
مدیریت عملکرد، مصرف انرژی و هماهنگی در سیستمهای چند GPU و معماریهای پیچیده دیتاسنتر.
شناخت فناوریهای حیاتی مثل InfiniBand، شبکه و ذخیرهسازی مناسب برای بارهای کاری هوش مصنوعی.
توانایی طراحی و پیادهسازی استراتژیهای پیشرفتهی استقرار AI در کلود برای سناریوهای مخابراتی.
مخاطبان
متخصصان شاغل در صنعت مخابرات
مهندسان هوش مصنوعی
علاقهمندان فنی
مهندسان هوش مصنوعی که در حال گسترش به حوزه مخابرات هستند
مدیران و تصمیمگیرندگان فنی
دانشجویان و محققان
سرفصل ها
مقدمه
- مقدمه
درک هوش مصنوعی مولد، LLMها و مدلهای بنیادی
- درک هوش مصنوعی مولد
- درک مدلهای زبانی بزرگ
- مدلهای بنیادی - هسته هوش مصنوعی مولد
پردازندههای گرافیکی و سیستمهای محاسباتی هوش مصنوعی مقیاسپذیر
- چگونه هوش مصنوعی مولد چالشهای سازمانی را حل میکند
- چرا پردازندههای گرافیکی (GPU) به هوش مصنوعی مولد قدرت میدهند؟
- درون پردازنده گرافیکی - کارخانه هوش مصنوعی
- قدرت پردازش موازی
- CPU در مقابل GPU - ابزار مناسب برای کار
- سیستمهای سرور مبتنی بر پردازنده گرافیکی (GPU) که فراتر از پردازندههای گرافیکی تکی مقیاسپذیر هستند
نرمافزار هوش مصنوعی، مجازیسازی و مبانی مرکز داده
- پردازندههای گرافیکی - شبکه قدرت برای هوش مصنوعی
- اشتراکگذاری مجازی پردازنده گرافیکی - افزایش بهرهوری مصرف انرژی
- مجازیسازی پردازنده گرافیکی (GPU) مدیریت هوشمند ناوگان برای هوش مصنوعی
- چارچوبهای یادگیری ماشین و یادگیری عمیق
- مجموعه نرمافزارهای یادگیری عمیق
- هوش مصنوعی کجا زندگی میکند؟
- سه رکن مراکز داده هوش مصنوعی
معماری و شبکهسازی مرکز داده هوش مصنوعی
- مدیریت و نظارت بر یک مرکز داده هوش مصنوعی
- پلتفرم مدرن مرکز داده
- سیستمهای چند پردازنده گرافیکی (Multi GPU) که هوش مصنوعی مخابراتی را تقویت میکنند
- چهار شبکه یک مرکز داده هوش مصنوعی
- شبکهسازی برای حجم کاری هوش مصنوعی
- InfiniBand - سیستم ریلی مافوق صوت برای هوش مصنوعی
- بحران خاموش زیرساخت هوش مصنوعی
- سیستمهای فایل ذخیرهسازی برای مراکز داده هوش مصنوعی
عملکرد و زیرساخت هوش مصنوعی ابری
- عملکرد ذخیرهسازی برای هوش مصنوعی - تیم قهرمانی پیت
- بهرهوری انرژی در مراکز داده هوش مصنوعی
- چرا معماری خنککننده پردازنده گرافیکی اهمیت دارد
- معماریهای مرجع و هوش مصنوعی در فضای ابری
- هوش مصنوعی در فضای ابری
موارد استفاده از هوش مصنوعی ابری و مخابرات
- نتیجهگیری
- استقرار هوش مصنوعی در فضای ابری - یک طرح استراتژیک
دوره های مرتبط
- دوره آموزشی مدیریت ابری مبتنی بر هوش مصنوعی با Microsoft Copilot در Azure
- دوره آموزشی ذخیرهسازی و پردازش داده مقیاسپذیر برای بارهای کاری هوش مصنوعی
- دوره آموزشی توسعه اپلیکیشنهای سازمانی امن با Google Cloud و هوش مصنوعی
- دوره آموزشی محافظت در برابر تهدیدات با هوش مصنوعی با استفاده از Microsoft Defender for Cloud
- دوره آموزشی ساخت سیستمهای توصیهگر مبتنی بر LLM
- دوره آموزشی مهندسی تحلیل داده با کمک هوش مصنوعی و dbt Copilot
- دوره آموزشی هماهنگی هوش مصنوعی: برنامه ریزی و هماهنگی برای مشاهده پذیری
- دوره آموزشی پاسخ به تهدیدات با کمک هوش مصنوعی با Microsoft Defender for Cloud
مسیرهای مرتبط
- مسیر آموزشی کار با داده: گردآوری، پردازش و ذخیرهسازی داده برای هوش مصنوعی
- مسیر آموزشی ساخت سیستمهای هوش مصنوعی عاملمحور برای توسعهدهندگان
- مسیر آموزشی تسلط بر تولید مبتنی بر بازیابی (RAG)
- مسیر آموزشی استفاده از هوش مصنوعی بهعنوان یک تحلیلگر امنیت سایبری
- مسیر آموزشی ساخت محصولات هوش مصنوعی: گواهینامه حرفهای معماری و ارکستراسیون
- مسیر آموزشی مبانی هوش مصنوعی برای تحلیل کسبوکار
- مسیر آموزشی تبدیل شدن به یک استخدام کننده با هوش مصنوعی
- مسیر آموزشی تبدیل شدن به یک متخصص یادگیری و توسعه با هوش مصنوعی