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
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.
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
- دوره آموزشی آمادگی آزمون گواهینامه همکار تأییدشده انویدیا در زیرساخت و عملیات هوش مصنوعی (NCA-AIIO)
- دوره آموزشی AI Show: یادگیری فدرال با یادگیری ماشینی Azure
- دوره آموزشی ساخت مدلهای زبانی بزرگ امن و قابل اعتماد با استفاده از حفاظ های NVIDIA
- دوره آموزشی آمازون SageMaker برای کاربردهای هوش مصنوعی مولد
- دوره آموزشی تری دی مکس: رندر با آرنولد
- دوره آموزشی هوش مصنوعی تولیدی و مدلهای متنباز: تمرین عملی با مدلهای Hugging Face