توضیحات دوره مدلهای هوش مصنوعی دیگر محدود به APIهای بسته و سرویسهای ابری نیستند. مدلهای Open-Weight امکان کنترل بیشتر، انعطافپذیری بالاتر و در بسیاری از پروژهها، مدیریت بهتر هزینه و دادهها را ف...
مدلهای هوش مصنوعی دیگر محدود به APIهای بسته و سرویسهای ابری نیستند. مدلهای Open-Weight امکان کنترل بیشتر، انعطافپذیری بالاتر و در بسیاری از پروژهها، مدیریت بهتر هزینه و دادهها را فراهم میکنند؛ اما انتخاب، اجرا و شخصیسازی این مدلها نیازمند شناخت درست اکوسیستم و ابزارهای موجود است.
در این دوره، Laurence Moroney شما را با دنیای مدلهای Open-Weight و روش استفاده عملی از آنها آشنا میکند. ابتدا با مفهوم Open-Weight، خانوادههای مختلف مدلها و تفاوت آنها با مدلهای متنباز و بسته آشنا میشوید و سپس به سراغ انتخاب و اجرای مدلها در محیطهای محلی، فضای ابری و پلتفرمهای مدیریتشده میروید.
در ادامه، روشهای مختلف شخصیسازی مدلها، از پرامپتنویسی و RAG گرفته تا Fine-Tuning، LoRA و QLoRA بررسی میشوند. همچنین با ابزارهایی مانند Hugging Face، Ollama، llama.cpp و vLLM و ملاحظات سختافزاری اجرای مدلها آشنا خواهید شد.
در پایان، یک چارچوب عملی برای انتخاب، استقرار و شخصیسازی مدل مناسب در اختیار خواهید داشت و میتوانید با درنظرگرفتن عواملی مانند هزینه، عملکرد و حساسیت دادهها، راهکارهای مبتنی بر مدلهای Open-Weight را برای پروژههای واقعی طراحی کنید. این دوره برای توسعهدهندگان، متخصصان داده و افرادی که میخواهند کنترل بیشتری بر سیستمهای هوش مصنوعی خود داشته باشند، گزینهای کاربردی است.
هنوز نظری ثبت نشده است.