دوره آموزشی ساخت زیرساخت هوش مصنوعی با پلتفرم ابری گوگل (GCP)
1 ساعت 7 دقیقهمتوسط2024-11-18
مدرسین

Zarina Meeran
Senior Cloud System Developer at Cloudreach | Azure, GCP, CCNA
جزئیات دوره
در این دوره، زریا میران—توسعهدهنده ارشد سیستمهای ابری—شما را به سفر تسلط بر ابزارها و زیرساختهای هوش مصنوعی در پلتفرم ابری گوگل (GCP) میبرد. این دوره برای توسعهدهندگان، حرفهایهای فناوری اطلاعات، و هر کسی که مشتاق بهرهبرداری از محاسبات ابری برای افزایش بهرهوری در توسعه هوش مصنوعی و یادگیری ماشین است مناسب است. دوره با معرفی زیرساخت هوش مصنوعی GCP و اهمیت مدیریت زیرساخت برای برنامههای کاربردی هوش مصنوعی آغاز میشود. از مزایا و نحوه استفاده از Vertex AI آشنا خواهید شد و یاد میگیرید که چگونه این ابزار چرخه زندگی یادگیری ماشین (ML) را ساده میکند. تمرکز بر یادداشتها و نحوه یکپارچهسازی TensorFlow در توسعه هوش مصنوعی خواهد بود. همچنین نیازهای محاسباتی الگوریتمهای یادگیری ماشین را درک خواهید کرد، از جمله زمان و نحوه ارتقاء به GPU یا TPU برای پردازش. در ادامه، دستهبندی تصاویر، استقرار مدلها و راهاندازی یادداشتهای کاربرمدیریتشده در Vertex AI Workbench را خواهید آموخت. چه هدف شما نوآوری یا بهینهسازی باشد، این دوره شما را با دانش لازم برای پیادهسازی راهحلهای هوش مصنوعی در ابر آماده میکند.
اهداف یادگیری:
معرفی ابزارهای زیرساخت هوش مصنوعی در GCP و اهمیت مدیریت زیرساخت برای برنامههای AI.
استفاده از Vertex AI برای سادهسازی چرخه زندگی یادگیری ماشین.
یادگیری نحوه یکپارچهسازی TensorFlow در توسعه AI.
درک نیازهای محاسباتی الگوریتمهای یادگیری ماشین و نحوه ارتقاء به GPU و TPU.
آشنایی با دستهبندی تصاویر و استقرار مدلها در GCP.
راهاندازی یادداشتهای کاربرمدیریتشده در Vertex AI Workbench.
اهداف یادگیری:
معرفی ابزارهای زیرساخت هوش مصنوعی در GCP و اهمیت مدیریت زیرساخت برای برنامههای AI.
استفاده از Vertex AI برای سادهسازی چرخه زندگی یادگیری ماشین.
یادگیری نحوه یکپارچهسازی TensorFlow در توسعه AI.
درک نیازهای محاسباتی الگوریتمهای یادگیری ماشین و نحوه ارتقاء به GPU و TPU.
آشنایی با دستهبندی تصاویر و استقرار مدلها در GCP.
راهاندازی یادداشتهای کاربرمدیریتشده در Vertex AI Workbench.
مهارت ها
Google Cloud PlatformArtificial Intelligence FoundationsSoftware Development ToolsGoogleFoundationsCloud PlatformsArtificial Intelligence (AI)Cloud ComputingSoftware Development
سرفصل ها
0. مقدمه
- 01 - راه حلهای هوش مصنوعی را در فضای ابری پیادهسازی کنید
1. زیرساخت هوش مصنوعی Google Cloud Platform (GCP).
- 02 - اهمیت مدیریت زیرساخت برای هوش مصنوعی
- 03 - سنتی در مقابل خودکارسازی ML با استفاده از GCP
2. Vertex AI
- 04 - Vertex AI چیست
- 05 - MLOps با Vertex AI
- 06 - پیشرفت هوش مصنوعی Vertex
- 07 - موارد استفاده از هوش مصنوعی Vertex
3. زیرساخت هوش مصنوعی GCP
- 08 - دفترچه یادداشت
- 09 - اجرای هوش مصنوعی در نوت بوکهای GCP
- 10 - TensorFlow
- 11 - بررسی TensorFlow
- 12 - CPU، TPU و GPU
4. Vertex AI Workbench
- 13 - آموزش طبقه بندی تصاویر
- 14 - استقرار و ارزیابی مدل شما
- 15 - راهاندازی دفترچه یادداشت مدیریت شده توسط کاربر
نتیجه گیری
- 16 - مراحل بعدی
دوره های مرتبط
- دوره آموزشی توسعه اپلیکیشنهای سازمانی امن با Google Cloud و هوش مصنوعی
- دوره آموزشی راهنمای کامل Google BigQuery برای مهندسان داده و یادگیری ماشین
- دوره آموزشی مقدمهای بر مدلهای زبانی بزرگ (LLM) و مهندسی پرامپت
- دوره آموزشی ساخت ربات ها با Node.js
- دوره آموزشی سامانههای عامل هوش مصنوعی آمادهٔ تولید در Databricks
- دوره آموزشی چالش هوش مصنوعی: ساخت یک ایجنت هوشمند در ۷ روز و ۷ مرحله با AWS
- دوره آموزشی اجرای مدلهای هوش مصنوعی بهصورت محلی با Ollama و Gemma 4
- دوره آموزشی اجرای گردشکارهای هوش مصنوعی محلی با n8n و Ollama
مسیرهای مرتبط
- مسیر آموزشی ملزومات MLOps برای برنامهنویسها و مهندسان هوش مصنوعی: ابزارها، پایپلاینها و نکات امنیتی
- مسیر آموزشی آماده شدن برای گواهینامه Google Cloud Digital Leader
- مسیر آموزشی تبدیل شدن به یک استاد تحول دیجیتال
- مسیر آموزشی تبدیل شدن به یک متخصص امنیت فناوری اطلاعات
- مسیر آموزشی ساخت محصولات هوش مصنوعی: گواهینامه حرفهای معماری و ارکستراسیون
- مسیر آموزشی کار با داده: مهندسی، یکپارچهسازی و MLOps برای هوش مصنوعی
- مسیر آموزشی تقویت مهارت های خود را در یادگیری عمیق و شبکه های عصبی
- مسیر آموزشی در تجزیه و تحلیل و تحلیل کسب و کار پیشرو باشید