دوره آموزشی مدلهای زبانی بزرگ برای سازمانها: پروتکلهای فنی، ملاحظات و حریم خصوصی دادهها
15 دقیقهمتوسط2024-08-15
مدرسین

Denys Linkov
جزئیات دوره
با فراگیرتر شدن نسل هوش مصنوعی، درک نحوه استفاده ایمن از آن در یک شرکت برای پذیرش مسئولانه بسیار مهم است. پذیرش ژنرال هوش مصنوعی همچنان در حال افزایش است و شرکت ها باید مراقب خطرات مالکیت معنوی خود باشند. در این دوره، دنیس لینکوف مفاهیم مهمی را در مورد نحوه استفاده از مدل های زبان بزرگ در زمینه سازمانی معرفی می کند. سوالات کلیدی درباره Gen AI، نحوه دسترسی به نسخه های سازمانی، نحوه پاکسازی داده ها و موارد دیگر را بیاموزید.
اهداف آموزشی
با مفاهیم Gen AI آشنا شوید و از موارد LLM در یک محیط سازمانی استفاده کنید و درک مقدماتی از کاربردها و مزایای بالقوه آنها را ارائه دهید.
روش ها و پروتکل های درخواست دسترسی به LLM ها در یک محیط سازمانی را بیاموزید.
نگرانی ها و ملاحظات شرکت ها در مورد استفاده از LLM را درک کنید.
اهمیت حفظ مالکیت معنوی (IP) هنگام استفاده از LLM و خطرات مرتبط با به اشتراک گذاری اطلاعات حساس را بشناسید.
اهمیت حفظ محرمانگی هنگام استفاده از LLM و خطرات مرتبط با به اشتراک گذاری داده های حساس را درک کنید.
با نحوه غیرفعال کردن ردیابی و استفاده از داده ها در ارائه دهندگان مختلف LLM آشنا شوید.
اهداف آموزشی
با مفاهیم Gen AI آشنا شوید و از موارد LLM در یک محیط سازمانی استفاده کنید و درک مقدماتی از کاربردها و مزایای بالقوه آنها را ارائه دهید.
روش ها و پروتکل های درخواست دسترسی به LLM ها در یک محیط سازمانی را بیاموزید.
نگرانی ها و ملاحظات شرکت ها در مورد استفاده از LLM را درک کنید.
اهمیت حفظ مالکیت معنوی (IP) هنگام استفاده از LLM و خطرات مرتبط با به اشتراک گذاری اطلاعات حساس را بشناسید.
اهمیت حفظ محرمانگی هنگام استفاده از LLM و خطرات مرتبط با به اشتراک گذاری داده های حساس را درک کنید.
با نحوه غیرفعال کردن ردیابی و استفاده از داده ها در ارائه دهندگان مختلف LLM آشنا شوید.
مهارت ها
GeminiIT Service ManagementChatGPTNatural Language Processing (NLP)OpenAIDevOpsGoogleArtificial Intelligence (AI)Network and System AdministrationOne-Off
سرفصل ها
0. مقدمه
- 01 - پذیرش LLM برای شرکت
1. مقدمه ای بر LLM در یک شرکت
- 02 - مقدمه ای بر مدلهای زبان بزرگ (LLM)
- 03 - درخواست دسترسی به LLM
- 04 - درک دغدغههای LLM در سازمان
2. استفاده از LLM در یک سازمان
- 05 - مالکیت فکری و LLM
- 06 - غیرفعال کردن استفاده از داده در LLM
- 07 - ویرایش دادههای حساس
- 08 - چالش - بازنویسی درخواستهای خود برای ویرایش ایمیل
- 09 - راه حل - بازنویسی درخواستهای خود برای ویرایش ایمیل
- 10 - چالش - بازنویسی درخواستهای خود برای تجزیهوتحلیل داده ها
- 11 - راه حل - بازنویسی درخواستهای خود برای تجزیهوتحلیل داده ها
نتیجه گیری
- 12 - پذیرش LLM - مراحل بعدی
دوره های مرتبط
- دوره آموزشی متخصص هوش مصنوعی مولد در زیرساخت ابری Oracle (OCI)
- دوره آموزشی نحوه استفاده از مدلهای استدلال هوش مصنوعی: کاربردهای عملی با تمرینهای hands-on
- دوره آموزشی تسلط بر مدلهای استدلال: الگوریتمها، بهینهسازی و کاربردها
- دوره آموزشی RAG، اپهای هوش مصنوعی و عوامل هوش مصنوعی برای امنیت سایبری و شبکهها
- دوره آموزشی 10 تهدید برتر OWASP برای برنامههای مبتنی بر مدلهای زبان بزرگ (LLM): یک مرور کلی
- دوره آموزشی هوش مصنوعی عملی: مقدمهای بر تولید تقویتشده با بازیابی (RAG)
- دوره آموزشی اجرای گردشکارهای هوش مصنوعی محلی با n8n و Ollama
- دوره آموزشی توسعه هوش مصنوعی سازمانی با مدلهای GitHub و Azure
مسیرهای مرتبط
- مسیر آموزشی ساخت محصولات هوش مصنوعی: گواهینامه حرفهای پیادهسازی هوش مصنوعی مسئولانه
- مسیر آموزشی ملزومات MLOps برای برنامهنویسها و مهندسان هوش مصنوعی: ابزارها، پایپلاینها و نکات امنیتی
- مسیر آموزشی مدرک حرفهای ساخت محصولات هوش مصنوعی: فهم روند کار
- مسیر آموزشی درک هوش مصنوعی تولیدکننده برای رهبران فناوری
- مسیر آموزشی ساخت محصولات هوش مصنوعی: گواهینامه حرفهای معماری و ارکستراسیون
- مسیر آموزشی ساخت محصولات هوش مصنوعی با استفاده از سرویسهای Azure AI در چرخه توسعه
- مسیر آموزشی کار با داده: گردآوری، پردازش و ذخیرهسازی داده برای هوش مصنوعی
- مسیر آموزشی گواهینامه حرفهای هوش مصنوعی مولد از Snowflake