مسیر موضوعی
ساخت و استقرار برنامه‌های کاربردی هوش مصنوعی
Building and Deploying AI Applications
ساخت یک قابلیت هوش مصنوعی از مرحله‌ی پرامپت و خروجی ساختاریافته تا بازیابی، ارزیابی، سرویس‌دهی در محیط عملیاتی، مشاهده‌پذیری و انتشار.
- ۱۲ درس
- ۱۳ ساعت زمان درس‌ها
درس‌ها به ترتیب
- مهندسی پرامپت: الگوها و تکنیک‌های هدایت دقیق مدل‌های زبانی
- خروجی‌های ساختاریافته در مدل‌های زبانی: از JSON تا دیکود مقید
- امبدینگ و بازنمایی برداری: راهنمای جامع جستجوی معنایی
- مهندسی بافتار: مدیریت پنجره، بودجه‌بندی توکن، حافظه و بازیابی
- معماری RAG چیست؟ راهنمای کامل ساخت پایپ‌لاین بازیابی و تولید
- ارزیابی و تست اپلیکیشن‌های مدل زبانی (LLM Evals)
- کش، محدودیت نرخ درخواست و بهینه‌سازی هزینه‌های مدل‌های زبانی
- گاردریل‌ها، امنیت و فیلتر محتوا در مدل‌های زبانی (LLM)
- ساخت اپلیکیشن LLM آماده پروداکشن: معماری، استریمینگ و تابآوری
- راهنمای انتخاب استک مشاهده‌پذیری مدل‌های زبانی (LLM Observability)
- استقرار تدریجی مدل‌های زبانی: ترافیک سایه و استقرار قناری
- کاربرد هوش مصنوعی در SRE: پاسخ به رخدادها با سیستم‌های چندایجنت