الذكاء الاصطناعي التوليدي ونماذج اللغة الكبيرة على AWS

أتقِن نشر نماذج الذكاء الاصطناعي التوليدي مثل GPT على AWS عبر مختبرات عملية تطبيقية. ستتعلّم كيفية اختيار البنية المعمارية الأنسب لحالات الاستخدام المختلفة، وكيفية تحسين التكلفة والأداء وقابلية التوسع عند تشغيل نماذج اللغة الكبيرة في بيئات إنتاجية. يغطي البرنامج أفضل الممارسات لتشغيل LLMs على AWS، بما في ذلك المراقبة وقياس المؤشرات وتسجيل السجلات لتحسين جودة النموذج بشكل مستمر، إضافةً إلى بناء خطوط CI/CD موثوقة لتدريب النماذج ونشرها وتحديثها بأمان. كما ستتعرّف على أساليب الأتمتة والتنسيق (orchestration) لدعم التوسع التلقائي، والاستفادة من Spot Instances لتقليل التكلفة دون التضحية بالاعتمادية. ستكتسب مهارات عملية في تشغيل النماذج باستخدام Amazon Bedrock، وإدارة الأحمال عبر آليات التحجيم التلقائي، وتطبيق تقنيات الخصوصية التفاضلية (Differential Privacy) لدعم الامتثال التنظيمي وحماية البيانات. كما يتناول التدريب أساليب الإطلاق المتحكَّم به (Controlled Rollouts) لتقليل المخاطر عند تحديث النماذج في الإنتاج. هذه الدورة مناسبة لمهندسي تعلم الآلة، وعلماء البيانات، والقادة التقنيين الذين يرغبون في بناء حلول ذكاء اصطناعي توليدي جاهزة للإنتاج على AWS. أبرز محاور الدورة: اختيار معماريات LLM المثلى للتطبيقات، تحسين التكلفة والأداء وقابلية التوسع عبر التحجيم والتنسيق، مراقبة مؤشرات LLM وتحسين الجودة باستمرار، بناء CI/CD آمن لتدريب ونشر وتحديث النماذج، وضمان الامتثال عبر الخصوصية التفاضلية وعمليات الإطلاق المتحكَّم بها.

• نشر نماذج اللغة الكبيرة على AWS
• اختيار معماريات ونماذج LLM الأنسب لتطبيقاتك
• تحسين تكلفة وأداء وقابلية توسع نماذج LLM
• مراقبة مؤشرات نماذج LLM وتسجيل السجلات وتحليلها
• بناء خطوط CI/CD موثوقة لنماذج LLM للتدريب والنشر والتحديث
• ضمان الامتثال التنظيمي عند نشر نماذج LLM