عن الدورة
تزداد نماذج الذكاء الاصطناعي قوةً يوماً بعد يوم—لكن متطلباتها الحاسوبية تزداد أيضاً. ومع انتقال الذكاء الاصطناعي التوليدي من مراكز البيانات السحابية إلى الهواتف المحمولة والأنظمة الذاتية وأجهزة إنترنت الأشياء المضمنة، أصبحت الحاجة إلى تحسين الأداء عبر بيئات عتادية متنوعة أكثر إلحاحاً من أي وقت مضى. تعمل المعالجات المعتمدة على Arm على أكثر من 300 مليار جهاز حول العالم، بدءاً من الهواتف الذكية وصولاً إلى خوادم السحابة فائقة النطاق، ما يجعلها أساساً رئيسياً لنشر ذكاء اصطناعي كفؤ عبر مختلف مستويات الحوسبة. ولمواكبة هذا الطلب المتنامي، يحتاج المتعلمون إلى مهارات تحويل نماذج تعلم الآلة إلى تطبيقات آنية تراعي خصائص العتاد وتستفيد منه بكفاءة على منصات Arm المختلفة. صُممت دورة «تحسين الذكاء الاصطناعي التوليدي على معالجات Arm: من الحافة إلى السحابة» للممارسين من المستوى المتوسط في تعلم الآلة الذين يرغبون في سد الفجوة بين النمذجة والتطبيق العملي عالي الأداء. ستتعلم في هذه الدورة، عبر تمارين عملية، كيفية تحسين استدلال نماذج الذكاء الاصطناعي باستخدام تقنيات خاصة بـ Arm مثل SIMD (بما في ذلك SVE وNeon)، والكمّية منخفضة البت، والاستفادة من مكتبة KleidiAI المحسّنة. كما ستستكشف المفاضلات بين النشر على السحابة والنشر على الحافة، وتطوّر استراتيجيات عملية لبناء حلول قابلة للتوسع وواعية بالأداء عبر أنظمة واقعية تعتمد على Arm.
ماذا ستتعلم
- تحسين استدلال نماذج الذكاء الاصطناعي على عتاد Arm باستخدام تقنيات SIMD مثل SVE وNeon
- تطبيق أساليب الكمّية منخفضة البت لتقليل الكلفة الحسابية وتحسين الأداء
- استخدام استراتيجيات عملية لتشغيل الذكاء الاصطناعي التوليدي بكفاءة على منصات Arm الطرفية والسحابية
- تحليل المفاضلات بين النشر على السحابة والنشر على الحافة من حيث الأداء والموارد
- اكتساب معرفة نظرية ومهارات تطبيقية عبر مختبرات عملية على أنظمة واقعية
- بناء أساس قوي لنشر نماذج ذكاء اصطناعي عالية الأداء على عتاد Arm
المتطلبات المسبقة
- فهم أساسي لتعلم الآلة، بما في ذلك إكمال مقرر تمهيدي على مستوى جامعي
- لإجراء التمارين المخبرية: توفر Raspberry Pi 5 ومثيل سحابي بمعمارية Arm (تم التحقق على AWS Graviton وقد تتطلب المنصات الأخرى تعديلات)
- للمبتدئين يُنصح بالبدء بمسار تعلم Arm للذكاء الاصطناعي وتعلم الآلة لبناء المعرفة والمهارات الأساسية تدريجياً
المدرسون
Oliver Grainge
AI Researcher
Kieran Hejmadi
Software and Academic Ecosystem Development Manager