درک هوش مصنوعی مولد در رایانش ابری: خدمات و موارد استفاده

مدرس David Linthicum

انتشار 2023/09/06

مدت زمان 1h 40m

سطح مناسب همه

فایل تمرینی ندارد

آموزش Understanding Generative AI in Cloud Computing: Services and Use Cases

آیا به دنبال یک نمای کلی از خدمات هوش مصنوعی (GenAI) مبتنی بر ابر هستید؟ در این دوره مقدماتی به مدرس دیوید لینتیکوم بپیوندید زیرا مفاهیم اصلی، ابزارها، خدمات و ملاحظات رایج در تقاطع هوش مصنوعی مولد و محاسبات ابری را پوشش می دهد.دریافت نمای کلی از خدمات مبتنی بر ابر GenAI و ویژگی‌ها با بررسی موارد استفاده در طیف گسترده‌ای از صنایع، از جمله سیستم‌های تجاری اصلی، و همچنین هنر، موسیقی، بازی‌های ویدیویی، تولید متن و تصویر، افزایش داده‌ها، شخصی‌سازی، مراقبت‌های بهداشتی، روباتیک و موارد دیگر. در طول مسیر، یاد بگیرید که چگونه با ابزارهای هوش مصنوعی مانند Amazon SageMaker، Google Cloud AI Platform، OpenAI، ChatGPT، IBM Watson و Microsoft Azure شروع کنید. دیوید بینش های پیشرفته ای در مورد بهترین شیوه ها برای محاسبات لبه، یادگیری فدرال، امنیت، حریم خصوصی دیجیتال و اخلاق ارائه می دهد. همچنین می‌توانید در حین انجام چالش‌های تمرینی در پایان هر بخش، مهارت‌های جدید خود را آزمایش کنید.

Generative AI

Introduction

Cloud-based generative AI ()

1. Generative AI and Cloud Computing Basics

Introduction to cloud-based generative AI ()

The business value of generative AI on cloud platforms ()

2. Cloud-Based Services for Generative AI

Introduction to cloud-based storage and data management ()

Introduction to cloud-based tools for model training and deployment ()

Introduction to cloud-based APIs for generative AI ()

Introduction to cloud-based generative models for image and video data ()

Introduction to Generative Adversarial Networks (GANs) on the cloud ()

Challenge: Set up cloud services for generative AI ()

Solution: Set up cloud services for generative AI ()

3. Features of Cloud-Based Generative AI

Introduction to cloud-based generative AI models for text data ()

Overview of natural language processing (NLP) techniques for text generation ()

Cloud-based tools for training language models ()

Music modeling with recurrent neural networks (RNNs) on the cloud ()

The future of generative AI in the cloud ()

4. Cloud-Based Generative AI Use Cases

Art and music generation use case ()

Game development use case ()

Text generation use case ()

Image and video generation use case ()

Data augmentation use case ()

Personalization use case ()

Medical diagnosis use case ()

Robotics use case ()

Other emerging use cases ()

Challenge: Get creative with art ()

Solution: Get creative with art ()

5. Cloud-Based Generative AI Tools and Solutions

Explore Amazon SageMaker ()

Google Cloud AI Platform ()

AI and Microsoft Azure ()

AI on IBM Watson ()

Understanding OpenAI ()

Demo: OpenAI API ()

6. Advanced Considerations

Edge computing and cloud-based generative AI ()

Federated learning for distributed generative models on the cloud ()

Security and privacy issues in cloud-based generative AI ()

Overview of generative AI ethics in the cloud ()

Challenge: Generative AI on the edge of clouds ()

Solution: Generative AI on the edge of clouds ()

Conclusion

Trying out cloud-based generative AI ()

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.

مسیرهای یادگیری آموزش درک هوش مصنوعی مولد در رایانش ابری: خدمات و موارد استفاده

یکی از مهمترین مشکلات افرادی که از آموزش های آنلاین استفاده می‌ کنند این است به دلیل تعداد زیاد این آموزش ها، کاربر دچار سردرگمی شده و نمی داند از کدام آموزش بهتر است شروع کند و یا با کدام آموزش ها مهارت های خود را ارتقا دهد. داشتن یک برنامه آموزشی گام به گام میتواند کاربران را از این مشکلات رها کند. در واقع مسیرهای یادگیری مجموعه ای از آموزش ها هستند که به ترتیب اولویت در کنار هم قرار گرفته اند تا کاربران را از این سردرگمی ها نجات دهند. این مسیرها در موضوعات مختلفی دسته بندی شده‌اند که در زیر، لیستی از همه دسته بندی مسیرهایی که توسط سایت لیندا ارائه شده اند را می توانید مشاهده کنید.

آموزش Understanding Generative AI in Cloud Computing: Services and Use Cases در 2 مسیر آموزشی قرار دارد. تخصص مورد نظر خود را انتخاب کنید، با مسیر یادگیری آن همراه شوید و حرفه ای شوید.

این مسیر یادگیری یک درک کلی از محاسبات ابری از دیدگاه مدیر ارائه می دهد. شما مفاهیم مدیریت خنثی فروشنده - از جمله عمومی، خصوصی و چند ابری - ذخیره سازی، امنیت، نحوه تاثیر ابر بر ملاحظات پایداری و موارد دیگر را خواهید آموخت.

آموزش درک هوش مصنوعی مولد در رایانش ابری: خدمات و موارد استفاده ، ایستگاه شماره 5 در مسیر یادگیری کاوش شغلی به عنوان مدیر ابر ، است.

مسیر یادگیری کاوش شغلی به عنوان مدیر ابر

مهارت های اساسی Azure را در هوش مصنوعی مولد و هوش مصنوعی پیش بینی ایجاد کنید. مفاهیم اصلی را درک کنید و خدمات ابری مولد هوش مصنوعی و موارد استفاده را بررسی کنید. با اکوسیستم Microsoft Azure تجربه عملی به دست آورید و مهارت های ضروری را برای استقرار راه حل های هوش مصنوعی توسعه دهید. یاد بگیرید که اصول اخلاقی هوش مصنوعی را با استفاده از داشبورد هوش مصنوعی مسئول اعمال کنید، و از اقدامات هوش مصنوعی مسئولانه در ابتکارات سازمان خود اطمینان حاصل کنید.

آموزش درک هوش مصنوعی مولد در رایانش ابری: خدمات و موارد استفاده ، ایستگاه شماره 2 در مسیر یادگیری مهارت های اساسی هوش مصنوعی برای مدیریت Azure ، است.