اصول مهندسی هوش مصنوعی: اصول و کاربردهای عملی

مدرس Vinoo Ganesh

انتشار 2025/06/06

مدت زمان 4h 3m

سطح مناسب همه

فایل تمرینی ندارد

آموزش Fundamentals of AI Engineering: Principles and Practical Applications

مهارت های مهندسی نرم افزار خود را با این دوره عمیق و دستی به قابلیت های مهندسی هوش مصنوعی تبدیل کنید. بیاموزید که چگونه سیستم های هوش مصنوعی آماده تولید را بسازید ، از تولید تعبیه شده تا استقرار مدل. اجرای کارشناسی ارشد فروشگاه های بردار ، سیستم های RAG و جستجوی ترکیبی ضمن کسب تخصص در جنبه های عملیاتی مانند نظارت و CI/CD. به علاوه ، یاد بگیرید که از Codespaces GitHub برای ساخت برنامه های دنیای واقعی استفاده کنید که شیوه های مهندسی مدرن را نشان می دهد. این دوره با CodeSpaces GitHub ، یک محیط توسعه دهنده ابر فوری که تمام عملکردهای IDE مورد علاقه شما را بدون نیاز به تنظیمات محلی محلی ارائه می دهد ، یکپارچه شده است. با استفاده از Codepaces GitHub ، می توانید از هر دستگاهی ، در هر زمان استفاده کنید-همه در حالی که از ابزاری استفاده می کنید که احتمالاً در محل کار با آن روبرو خواهید شد.

Artificial Intelligence (AI) Generative AI

Introduction

Introduction ()

What you should know ()

Course structure ()

1. AI Engineering

What is AI engineering? ()

2. (Local) Large Language Models

From deterministic to probabilistic systems ()

Running inference locally ()

Deconstructing the LLM ()

Putting the LLM pipeline together ()

3. Document Processing

Text extraction overview ()

Text extraction fundamentals ()

Document parsing and structure recognition ()

Metadata enrichment and indexing ()

Chunking strategies ()

4. Embeddings

Introduction to embeddings ()

The embedding ecosystem ()

Comparing embedding models ()

Efficient embedding generation ()

Challenge ()

Solution ()

5. Vector Databases

Introduction to vector databases ()

Basic operations ()

Persistence and performance ()

Scaling strategies (approximate nearest neighbor, or ANN) ()

Scaling strategies (caching) ()

6. Retrieval Engineering

Introduction to retrieval engineering ()

Implementing BM25 and vector search ()

Building a hybrid retriever ()

Enhancing retrieval with reranking ()

Building a complete retrieval pipeline ()

Conclusion

Observability ()

Next steps and resources ()

دانلود فایل فشرده

با توجه به امکانات آموزش و همچنین امکانات بسته انتخاب شده لینک دانلود فایل فشرده آماده خواهد شد. با در نظر داشتن این شرایط لطفا بسته مورد نظر خود را انتخاب کرده و روی دکمه درخواست لینک دانلود کلیک کنید

در حال به روزرسانی اطلاعات

درخواست لینک دانلود

در حال به روزرسانی اطلاعات

لطفا قبل از فعالسازی لینک دانلود به موارد زیر توجه کنید:

پسورد فایل‌های فشرده است.
لینک‌های آماده شده تا 8 روز پس از فعالسازی منقضی خواهند شد.
حجم فایل‌ها تخمینی هستند.
در صورتی که لینک دانلود تا 15دقیقه پس از درخواست آماده نشد، از بخش پشتیبانی پیگیری نمایید.