المقدمة
يتطلب تصميم أنظمة الذكاء الاصطناعي دمج الخوارزميات، وخطوط البيانات، والأجهزة، وأدوات المراقبة في هياكل متماسكة. تقدم هذه الدورة نظرة كاملة على كيفية تصميم أنظمة الذكاء الاصطناعي الإنتاجية. سيتعلم المشاركون أفضل الممارسات للقابلية للتوسع، والموثوقية، والأداء. تساعد البنى الواقعية من الشركات الكبرى في توضيح المفاهيم الرئيسية. بحلول النهاية، سيفهم المتعلمون كيفية تصميم وتقييم وتحسين أنظمة الذكاء الاصطناعي بشكل شامل.
أهداف الدورة
- تعلم مبادئ هندسة أنظمة الذكاء الاصطناعي
- فهم خطوط أنابيب البيانات وأنظمة التخزين
- صمم حلول خدمة نماذج الذكاء الاصطناعي القابلة للتوسع
- استكشاف المراقبة، وتسجيل الصور، والملاحظة
- تنفيذ أفضل الممارسات للذكاء الاصطناعي الإنتاجي
الفئة المستهدفة
- مهندسو التعلم الآلي
- مهندسو البرمجيات
- مهندسو DevOps وMLOps
- قادة المنتجات التقنية
- طلاب الهندسة المتقدمة في الذكاء الاصطناعي
المنهاج
- 5 Sections
- 0 Lessons
- 5 أيام
Expand all sectionsCollapse all sections
- اليوم الأول: أسس نظام الذكاء الاصطناعي• دورة حياة مشروع الذكاء الاصطناعي• مكونات النظام• أنماط العمارة• أنظمة السحابة مقابل الأنظمة المحلية• دراسات حالة0
- اليوم الثاني: خطوط أنابيب البيانات والتخزين• خطوط أنابيب ETL/ELT• البث مقابل الدفعات• متاجر الميزات• حوكمة البيانات• التفاعل العملي: تصميم خط أنابيب0
- اليوم الثالث: تقديم النماذج وواجهات برمجة التطبيقات• الاستدلال في الوقت الحقيقي• خوادم نماذج التوسع• موازنة الحمل• تحسين زمن الاستجابة• التجربة العملية: بناء واجهة برمجة تطبيقات لتقديم الخدمة0
- اليوم الرابع: إدارة MLOps ودورة الحياة• CI/CD لتعلم الآلة• إصدار النماذج• تتبع التجارب• المراقبة والتنبيهات• التجربة العملية: خط أنابيب MLOps0
- اليوم الخامس: تحسين النظام ومراجعة• تحسين التكاليف• هندسة الموثوقية• اعتبارات الأمان• مراجعة العمارة• عرض التخرج0
Instructor
Lessons:
