از آنجا که مدلهای بزرگ زبان در صنایع مختلف به طور فزاینده ای رواج می یابد ، متخصصان باید نحوه ساخت ، تنظیم دقیق و استقرار این مدل ها را به طور مؤثر و با مسئولیت پذیری درک کنند. در این دوره ، پایه های ساختمان ، تنظیم دقیق و استقرار LLM ها را در برنامه های دنیای واقعی بیاموزید. مربیان Soham Chatterjee و Archana Vaidheeswaran با مقدمه ای برای LLMS و تکامل آنها در چشم انداز AI شروع می کنند. آنها سپس به معماری LLM شیرجه می زنند ، به شما نشان می دهند که چگونه می توانید استراتژی های تنظیم کارهای سفارشی را تنظیم کنید ، توضیح دهید که چرا و چگونه می توان LLM ها را فشرده کرد و در آخر جنبه های مهم مهندسی سریع را پوشش داد. در طول دوره ، آنها یک سری چالش ها و راه حل ها را ارائه می دهند تا بتوانید در هنگام رفتن درسها را تمرین کنید.

 همانطور که برنامه های مبتنی بر LLM گسترش می یابد ، بسیاری از آنها به عنوان روکش های نازک در اطراف مدل های قوی تر مانند GPT عمل می کنند. در این دوره ، مربی لورنس مورونی اصول اولیه ساخت برنامه LLM خود را نشان می دهد و کنترل نحوه عملکرد آن از انتهای آن را نشان می دهد. در مورد برخی از موارد اصلی استفاده LLM در توسعه برنامه ، مقدمه ای کسب کنید. دانش اساسی Python ، Node.js و LLMS لازم است. در پایان این دوره ، شما آماده خواهید بود که یک اکوسیستم OPS ایجاد کنید که عملکرد اصلی آن مبتنی بر LLM است.

 فناوری های پیشرفته هوش مصنوعی در حال تغییر جهان هستند. اما بدون استقرار و مدیریت مناسب، برنامه های شما ممکن است هرگز به پتانسیل کامل خود نرسند. بدتر از آن، آنها به سادگی می توانند از کار بیفتند یا حتی باعث ایجاد خطاهای مهم در سیستم شما شوند. از آنجایی که سازمان‌های بیشتری مدل‌های زبانی بزرگ را در جریان کار خود وارد می‌کنند، نیاز روزافزونی به متخصصان ماهر در استقرار و نظارت بر این مدل‌ها به طور موثر، مسئولانه و ایمن در محیط‌های تولید وجود دارد. در این دوره، تکنیک های پیشرفته و بهترین روش ها برای استقرار و نظارت بر LLM ها در محیط های تولیدی را بیاموزید. گزینه‌های استقرار LLM، مدیریت محدودیت‌های API، تکنیک‌های نظارت بر عملکرد، مدیریت سریع، رسیدگی به توهمات و موارد دیگر را کاوش کنید. به علاوه، در مورد ملاحظات امنیت و هزینه اطلاعات کسب کنید و یادگیری خود را با چالش ها و راه حل ها آزمایش کنید.

 آماده‌اید تا با جدیدترین و پیشرفته‌ترین گرایش‌ها در ارکستراسیون هوش مصنوعی سرعت بگیرید؟ در این دوره، مربی جانانی راوی یک نمای کلی از نحوه ارزیابی موثر و ادغام بازخورد کاربر در مدل‌های هوش مصنوعی ارائه می‌دهد. جانانی با تمرکز بر مدل‌های سنتی و مدل‌های زبان بزرگ (LLM)، مفاهیم اساسی مانند تکنیک‌های اعتبارسنجی، معیارهای عملکرد، مکانیسم‌های بازخورد کاربر و موارد دیگر را معرفی می‌کند. در طول مسیر، تجربه عملی با اعتبارسنجی مدل‌ها از طریق اعتبارسنجی متقاطع و k-fold اعتبارسنجی، و همچنین کاربردهای عملی معیارهای عملکرد مانند دقت، دقت، یادآوری، استفاده از یادگیری تقویتی برای بازخورد انسانی، و امتیازات BLEU، ROUGE و METEOR برای ارزیابی LLM به دست آورید.

 این دوره به عنوان مقدمه ای اساسی برای مفاهیم و راه حل های اصلی هوش مصنوعی عمل می کند. مربی Marco Casalaina پوشش سطح مبتدی را از LLM ها، LLMOps، هوش مصنوعی چندوجهی، عوامل هوش مصنوعی و هوش مصنوعی مسئول ارائه می دهد و به شما یک نمای کلی از ملزومات هر یک و لمس ویژگی ها و عملکردهای کلیدی آنها ارائه می دهد. این دوره برای توسعه دهندگان Azure و مهندسان ابری مناسب است که به دنبال مقدمه ای با این مفاهیم مهم قبل از غواصی عمیق تر در حجم کاری و راه حل های هوش مصنوعی Azure هستند.