درک هوش مصنوعی در محاسبات ابری: خدمات و موارد استفاده

مدرس David Linthicum

انتشار 2025/04/22

مدت زمان 2h 21m

سطح مناسب همه

فایل تمرینی ندارد

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

آیا به دنبال یک مرور کلی از خدمات تولیدی مبتنی بر ابر (Genai) هستید؟ در این دوره مقدماتی به مربی دیوید Linthicum بپیوندید زیرا او مفاهیم اصلی ، ابزارها ، خدمات و ملاحظات مشترک را در تقاطع AI مولد و محاسبات ابری پوشش می دهد. دیوید عامل AI و AI تولیدی را در ابر پوشش می دهد. وی نمای کلی از خدمات و ویژگی های مبتنی بر ابر Genai را ارائه می دهد ، و موارد استفاده متعددی را در صنایع مختلف بررسی می کند-از جمله سیستم های تجاری ، هنر ، موسیقی ، بازی های ویدیویی ، تولید متن و تصویر ، تقویت داده ها ، شخصی سازی ، مراقبت های بهداشتی ، روباتیک و موارد دیگر. این دوره با پوشش ملاحظات پیشرفته ، از جمله امنیت و اخلاق ، پایان می یابد.

AI Agents Artificial Intelligence (AI) Cloud Computing 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 ()

New evolutions of generative AI in the cloud ()

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 ()

MLOps and cloud-based generative AI 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

Amazon Bedrock ()

Google Cloud AI Platform ()

AI and Microsoft Azure ()

AI on IBM WatsonX ()

OpenAI ()

Demo: OpenAI API ()

Generative AI in the cloud: DevOps ()

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 ()

Data science and generative AI in the cloud ()

What can go wrong when using GenAI on the cloud? ()

Bias monitoring and transparency for generative AI in the cloud ()

Challenge: Generative AI on the edge of clouds ()

Solution: Generative AI on the edge of clouds ()

7. Agentic AI and Generative AI in the Cloud

Overview of agentic AI in the cloud ()

Linked between generative AI and agentic AI ()

Multi-AI agent deployment on the cloud ()

Agentic AI tools for generative AI development in the cloud ()

Challenge: Agentic AI use case ()

Solution: Agentic AI use case ()

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 در محاسبات 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 4 مسیر آموزشی قرار دارد. تخصص مورد نظر خود را انتخاب کنید، با مسیر یادگیری آن همراه شوید و حرفه ای شوید.

تبدیل به یک مهندس هوش مصنوعی شوید که سیستم های هوشمند را در مقیاس طراحی، می سازد و به کار می گیرد. این مسیر یادگیری برای مهندسین نرم افزار، دانشمندان داده و متخصصان فناوری که آماده رهبری نوآوری هوش مصنوعی هستند، مناسب است. کارشناسی ارشد LLM، تنظیم دقیق، معماری RAG، پایگاه های داده برداری، استقرار ابر، و شیوه های هوش مصنوعی مسئول. به متخصصی تبدیل شوید که تحقیقات پیشرفته را با راه حل های آماده تولید که ارزش کسب و کار را افزایش می دهد، پیوند می دهد.

آموزش درک هوش مصنوعی در محاسبات ابری: خدمات و موارد استفاده ، ایستگاه شماره 8 در مسیر یادگیری یک مهندس هوش مصنوعی شوید ، است.

مسیر یادگیری یک مهندس هوش مصنوعی 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 در محاسبات 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

هوش مصنوعی مبتنی بر ابر را با این مسیر یادگیری کاوش کنید. با ادغام استراتژی های هوش مصنوعی در محیط Azure خود، بهره وری را افزایش دهید و گردش کار را بهینه کنید. این مجموعه ابزارهای ضروری مانند خدمات شناختی هوش مصنوعی Azure، اصول هوش مصنوعی Microsoft Responsible و برنامه های کاربردی هوش مصنوعی در تجارت را پوشش می دهد. مهارت های خود را برای مهار هوش مصنوعی ابری و هدایت نوآوری در سازمان خود ارتقا دهید.

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

مسیر یادگیری مهارت های اساسی هوش مصنوعی برای مدیریت Azure

این مسیر یادگیری، رهبران فناوری را با آخرین روندهای مولد هوش مصنوعی، نحوه کار آنها و نحوه اعمال آنها در تیم، محصول و سازمان خود مجهز می کند. مفاهیم اساسی هوش مصنوعی و یادگیری ماشینی را کاوش کنید. در زمینه‌های خاص مانند مدل‌های زبانی بزرگ کنکاش کنید. به علاوه، جنبه‌های مهمی مانند ملاحظات اخلاقی، مقررات و انطباق، استراتژی‌های پیاده‌سازی، و روندهای نوظهور مانند مدل‌های چندوجهی و عوامل هوش مصنوعی را بررسی کنید.

آموزش درک هوش مصنوعی در محاسبات ابری: خدمات و موارد استفاده ، ایستگاه شماره 9 در مسیر یادگیری درک هوش مصنوعی مولد برای رهبران فناوری ، است.