پی سی دانلود - model-deployment

این دوره آموزشی با هدف توانمندسازی متخصصان برای مدیریت کامل پروژه‌های هوش مصنوعی طراحی شده است و شرکت‌کنندگان را با تمامی مراحل حیاتی در جریان کاری یادگیری ماشین آشنا می‌کند. در دنیای امروز که داده‌ها نقش محوری ایفا می‌کنند، یادگیری نحوه تعامل با زیرساخت‌های ابری به یک ضرورت تبدیل شده است. این برنامه آموزشی به دانش‌جویان می‌آموزد که چگونه داده‌های خام را به شکلی موثر آماده‌سازی کنند، مدل‌های پیچیده یادگیری ماشین را آموزش دهند و در نهایت آن‌ها را در یک محیط حرفه‌ای و امن مستقر سازند.
هدایت این دوره بر عهده «اسکات پلچر»، یکی از کارشناسان برجسته حوزه AWS است. او با تکیه بر تجربیات عملی خود، مفاهیم انتزاعی را به مهارت‌های کاربردی تبدیل می‌کند. تمرکز اصلی آموزش بر روی سرویس‌های کلیدی آمازون مانند Amazon SageMaker و AWS Glue معطوف شده است. این ابزارها به مهندسان اجازه می‌دهند تا فرآیندهای پیچیده مهندسی داده و یادگیری ماشین را ساده‌سازی کرده و سرعت اجرای پروژه‌ها را به شکل چشم‌گیری افزایش دهند.
در دوره آموزشی AWS Certified Machine Learning Engineer - Associate (MLA-C01) با چرخه حیات یادگیری ماشین در محیط ابری آمازون آشنا خواهید شد.

این دوره دروازه‌ای است برای ورود به دنیای یادگیری ماشین و به کارگیری مفاهیم آن، بدون نوشتن حتی یک خط کد. این آموزش هم برای افراد مبتدی و هم برای متخصصانی طراحی شده است که از کدنویسی‌های پیچیده دوری می‌کنند. شرکت‌کنندگان از طریق ترکیبی پویا از درس‌گفتارها و نمایش‌های عملی، هم تئوری و هم کاربردهای عملی یادگیری ماشین را کاوش خواهند کرد. در این بخش، درک کاملی از اصول اولیه یادگیری ماشین به دست می‌آید که شامل مرور کلی یادگیری عمیق، تفاوت‌های بین یادگیری ماشین (ML) و یادگیری عمیق (DL)، و اجزای کلیدی محرک این فناوری‌ها است. همچنین، تفاوت‌های ظریف بین سیستم‌های مبتنی بر قانون و سیستم‌های مبتنی بر داده بررسی می‌شود و شرکت‌کنندگان نحوه تعریف مؤثر مسائل و جمع‌آوری داده را خواهند آموخت. تکنیک‌های ضروری پیش‌پردازش داده مانند نرمال‌سازی، استانداردسازی و مهندسی ویژگی آموزش داده می‌شود. سپس، با استفاده از پلتفرم‌هایی مانند کگل (Kaggle) و دیتایکو (Dataiku)، نمایش‌های عملی از کاربردهای دنیای واقعی ارائه می‌شود؛ از جمله ساخت و آموزش مدل تا تکنیک‌های ارزیابی شامل ماتریس‌های سردرگمی، منحنی‌های ROC و موارد دیگر.
در دوره آموزشی No-Code AI & ML: From Data to Deployment Without Coding با کاربرد یادگیری ماشین در پلتفرم‌های بدون کد آشنا خواهید شد.

این دوره آموزشی به افراد علاقه‌مند به استفاده از قدرت هوش مصنوعی به صورت خصوصی و بر روی رایانه‌های شخصی خود می‌پردازد. در این دوره، شرکت‌کنندگان با نحوه استفاده از مدل‌های زبانی بزرگ باز مانند Llama، Gemma و DeepSeek آشنا می‌شوند و یاد می‌گیرند که چگونه این مدل‌ها را از طریق ابزارهایی مانند Ollama و LM Studio بر روی سیستم‌های خود راه‌اندازی و اجرا کنند. هدف اصلی این دوره، توانمندسازی کاربران برای بهره‌گیری از مزایای هوش مصنوعی پیشرفته بدون نیاز به اتصال دائمی به اینترنت، نگرانی‌های مربوط به حریم خصوصی داده‌ها و هزینه‌های اشتراک سرویس‌های ابری است. این دوره به طور جامع به مباحثی از جمله نصب و پیکربندی نرم‌افزارهای لازم، دانلود و مدیریت مدل‌های زبانی، اجرای بارهای کاری هوش مصنوعی مختلف و استفاده از چت‌بات‌های هوش مصنوعی محلی می‌پردازد. همچنین، مزایای استفاده از مدل‌های محلی و باز در مقایسه با سرویس‌های ابری، مانند کاهش هزینه‌ها، افزایش حریم خصوصی و امکان سفارشی‌سازی عمیق، به طور کامل مورد بحث و بررسی قرار می‌گیرد. با گذراندن این دوره، شرکت‌کنندگان قادر خواهند بود تا به طور مستقل و با استفاده از منابع رایگان، از قابلیت‌های پیشرفته هوش مصنوعی بر روی رایانه‌های شخصی خود بهره‌مند شوند.
در دوره آموزشی Local LLMs via Ollama & LM Studio - The Practical Guide با نحوه استفاده از مدل‌های زبانی بزرگ به صورت محلی آشنا خواهید شد.