تخفیف ویژه همین الان — دوره‌های تخفیف‌دار را ببینید.
روز
:
ساعت
:
دقیقه
:
ثانیه
تخفیف‌های ویژه
دوره آموزشی آمادگی برای آزمون گواهینامه دستیار هوش مصنوعی مولد و مدل‌های زبانی بزرگ انویدیا (NCA-GENL)

دوره آموزشی آمادگی برای آزمون گواهینامه دستیار هوش مصنوعی مولد و مدل‌های زبانی بزرگ انویدیا (NCA-GENL)

9 ساعت 23 دقیقهمبتدی2026-06-04

مدرسین

Packt Publishing

Packt Publishing

جزئیات دوره

دنیای سازمان‌ها داره با هوش مصنوعی مولد (Generative AI) و مدل‌های زبانی بزرگ (LLMs) حسابی متحول میشه و ابزارهای NVIDIA دقیقاً توی قلب این تحول قرار دارن. توی این دوره، سفری هیجان‌انگیز به دنیای هوش مصنوعی و یادگیری ماشین خواهیم داشت. از پایه‌های این حوزه شروع می‌کنیم، معماری ترنسفورمر (Transformer) رو بررسی می‌کنیم، سراغ انتخاب مدل مناسب و تکنیک‌های سفارشی‌سازی با استفاده از پشته هوش مصنوعی NVIDIA مثل TensorRT، RAPIDS و NeMo میریم.

یاد می‌گیریم چطور مدل‌ها رو برای کاربردهای واقعی آموزش بدیم و شخصی‌سازی کنیم، با اصول اخلاقی در استفاده از هوش مصنوعی آشنا بشیم و تجربه عملی کار با گردش کارهای یادگیری عمیق (Deep Learning) رو به دست بیاریم. تا انتهای این دوره، نه تنها برای آزمون گواهینامه NCA-GENL آماده میشی، بلکه مهارت‌های لازم برای اجرای پروژه‌های هوش مصنوعی کاربردی رو هم کسب می‌کنی.

اهداف یادگیری
درک مبانی هوش مصنوعی (AI) و یادگیری ماشین (ML).
آشنایی با معماری ترنسفورمر، که اساس مدل‌های زبانی بزرگ است.
یادگیری فرآیند انتخاب مدل مناسب برای کاربردهای مختلف.
تسلط بر تکنیک‌های سفارشی‌سازی و بهینه‌سازی مدل‌ها با استفاده از ابزارهای NVIDIA مانند TensorRT، RAPIDS و NeMo.
کسب تجربه عملی در آموزش و شخصی‌سازی مدل‌های هوش مصنوعی برای سناریوهای واقعی.
آشنایی با شیوه‌های اخلاقی در توسعه و به‌کارگیری هوش مصنوعی.
کسب تجربه عملی با گردش کارهای یادگیری عمیق (Deep Learning).
آمادگی کامل برای شرکت در آزمون گواهینامه NCA-GENL.
توانایی به‌کارگیری مهارت‌های آموخته شده در پروژه‌های عملی هوش مصنوعی.

سرفصل ها

خوش آمدید

  • مقدمه

چرا هوش مصنوعی مولد برای شرکت‌ها و شما اهمیت دارد؟

  • چرا شرکت‌ها در هوش مصنوعی مولد سرمایه‌گذاری می‌کنند و چرا برای شما مهم است

جزئیات گواهینامه NVIDIA

  • در مورد مسیرهای صدور گواهینامه اطلاعات کسب کنید
  • گواهینامه NCA-GENL

ماژول ۱ - زیرساخت هوش مصنوعی

  • آنچه پوشش خواهیم داد
  • هوش مصنوعی و یادگیری ماشین
  • زیرساخت هوش مصنوعی
  • پردازنده‌های گرافیکی برای هوش مصنوعی و یادگیری ماشین
  • پردازنده گرافیکی در مقابل پردازنده مرکزی
  • معماری پردازنده گرافیکی (GPU)
  • ادغام حافظه
  • فضای ابری در مقابل فضای داخلی
  • زیرساخت شبکه
  • زیرساخت ذخیره‌سازی
  • ماژول ۱ - خلاصه

ماژول ۲ - مبانی هوش مصنوعی و یادگیری ماشین

  • هوش مصنوعی و یادگیری ماشین
  • یادگیری عمیق
  • یک مورد استفاده ساده
  • مدل چیست؟
  • آموزش یک مدل
  • ماژول ۲ - خلاصه

ماژول ۳ - هوش مصنوعی مولد و LLM

  • هوش مصنوعی مولد چیست؟
  • مدل فونداسیون
  • مدل زبان بزرگ
  • مسیر هوش مصنوعی مولد
  • ترانسفورماتورها
  • ماژول ۳ - خلاصه

ماژول ۴ - معماری ترانسفورماتور

  • ترنسفورمرز - موتور محرک هوش مصنوعی مدرن
  • ترانسفورماتورها چگونه کار می‌کنند
  • توکن‌سازی
  • کدگذاری
  • جاسازی کلمه
  • رمزگشایی
  • خروجی
  • کدگذاری موقعیتی
  • توضیح ترانسفورماتور
  • مکانیسم توجه
  • توجه چند وجهی
  • رمزگذار رمزگشا
  • از کدام یک استفاده کنیم
  • استراتژی پیش‌بینی
  • ماژول ۴ - خلاصه

ماژول ۵ - انتخاب مدل

  • چگونه مدل پایه هوش مصنوعی مناسب را انتخاب کنیم
  • فرآیند انتخاب مدل
  • SLM در مقابل LLM
  • ارزیابی مدل
  • معیارهای مهم
  • مقایسه معیارها
  • اعتبارسنجی متقابل
  • آزمایش AB
  • انتخاب بهترین مدل
  • ماژول ۵ - خلاصه

ماژول ۶ - سفارشی‌سازی مدل

  • چرا یک مدل را سفارشی کنیم؟
  • مهندسی سریع
  • اعلان سیستم
  • تولید افزوده‌شده با بازیابی (RAG)
  • قطعه بندی
  • انتقال یادگیری
  • رویکردهای یادگیری انتقالی
  • موارد استفاده از یادگیری انتقالی
  • تنظیم دقیق
  • تقطیر دانش
  • دقت در یک مجموعه اعتبارسنجی
  • ماژول ۶ - خلاصه

ماژول ۷ - آموزش مدل

  • قیاس آموزش مدل
  • آبجو یا شراب
  • ترتیب مراحل
  • جمع‌آوری داده‌ها
  • پردازش داده‌ها - عبارات منظم (RegEx)
  • پردازش داده‌ها - EDA
  • تکنیک‌های EDA
  • آموزش مدل
  • مراحل آموزش مدل
  • ارزیابی مدل
  • استقرار مدل
  • گزینه‌های استقرار
  • قالب ONNX
  • کوانتیزاسیون
  • پس از استقرار
  • ماژول ۷ - خلاصه

ماژول ۸ - اکوسیستم انویدیا

  • اکوسیستم انویدیا
  • پردازنده‌های گرافیکی انویدیا
  • کودا
  • انویدیا اس‌ام‌آی
  • انویدیا رپیدز
  • نحوه کار RAPIDS
  • انویدیا تنسورآرتی
  • TensorRT در مقابل کوانتیزاسیون در مقابل ONNX
  • انویدیا نِمو
  • انویدیا تریتون
  • دسته بندی پویا
  • کاتالوگ NGC
  • سایر یکپارچه‌سازی‌ها
  • ماژول ۸ - خلاصه

ماژول ۹ - هوش مصنوعی اخلاقی

  • هوش مصنوعی اخلاقی
  • ساخت هوش مصنوعی قابل اعتماد
  • محاسبات محرمانه
  • گاردریل‌های انویدیا NeMo
  • طبقه‌بندی‌کننده جاسازی‌شده
  • ردیابی دودمان داده‌ها
  • تیم قرمز
  • افزایش داده‌ها
  • پاسخگویی
  • هوش مصنوعی قابل توضیح
  • ماژول ۹- خلاصه

ماژول ۱۰ - مباحث تکمیلی

  • انتشار رو به جلو و عقب
  • گرادیان‌های محوشونده
  • چالش‌های محو شدن گرادیان‌ها
  • نورون
  • درون یک نورون
  • انتشار رو به جلو
  • انتشار معکوس
  • توسعه سریع برنامه‌های کاربردی (RAD)
  • مبدل‌های چهره در آغوش‌گیرنده
  • ماژول ۱۰ - خلاصه
  • آیا این یک گربه است؟
  • ReLU در مقابل سیگموئید
  • نرمال‌سازی لایه‌ها
  • رابطه‌ی موجودیت-نام
  • الگوریتم‌های انتشار
  • انتشار رو به جلو و معکوس

نکات امتحانی

  • برای امتحان گواهینامه آماده شوید

دوره های مرتبط

مسیرهای مرتبط

درباره ما

لینداکده یک بستر یادگیری پیشرو است که به افراد کمک می کند تا کسب و کار ، نرم افزار ، فناوری و مهارت‌های خلاقانه را برای دستیابی به اهداف شخصی و حرفه ای بیاموزد.

شماره تلفنکانال آپاراتپشتیبانی تلگرامکانال تلگرامپیج اینستاگرام

کلیه‌ی حقوق این سایت متعلق به لینداکده می باشد

قوانین و شرایط|حریم خصوصی

نماد الکترونیک enamad در صورت اتصال با آی‌پی داخل کشور، نمایش داده خواهد شد.
logo-samandehi - لوگو ساماندهی
zarinpal
zibal