PickAClass · الذكاء الاصطناعي، التكنولوجيا والهندسة · الذكاء الاصطناعي التوليدي والتعلم العميق

MLOps للذكاء الاصطناعي التوليدي

ركّز على التحديات التشغيلية لنشر النماذج التوليدية الكبيرة ومراقبتها وصيانتها. تعلّم حول إصدار النماذج وتتبع الأداء وإدارة التكاليف وبناء خطوط أنابيب إنتاج قوية.

33 courses

MLOps للذكاء الاصطناعي التوليدي

بناء خادم MCP مخصص لـ SaaS الخاص بك

أساسيات MCP: ربط LLMs ببياناتك وأدواتك

LLMOps للمبتدئين: Tracing، Caching، وإدارة Token

Model Context Protocol (MCP): بناء خوادم ذكاء اصطناعي مخصصة

أساسيات LLMOps: نشر، وإصدار، ومراقبة LLMs

دليل المطورين لبروتوكول السياق النموذجي ووكلاء الذكاء الاصطناعي

نشر نماذج التعلم الآلي باستخدام Python و Flask و MLOps

أساسيات LLMOps: نشر نماذج LLM باستخدام Jenkins و Docker و Kubernetes

عمليات LLMOps والذكاء الاصطناعي المولد: نشر نماذج الإنتاج

هندسة الجودة الحديثة: الأتمتة، DevOps، والاختبار المدعوم بالذكاء الاصطناعي

نشر LLM وعمليات LLMOps: توسيع نطاق النماذج في الإنتاج

بروتوكول سياق النموذج (MCP): بناء وكلاء الذكاء الاصطناعي باستخدام Python و Claude

تطوير وكلاء الذكاء الاصطناعي باستخدام بروتوكول سياق النموذج (MCP)

اختبار النماذج باستخدام TPT: التحقق لنماذج Simulink

أساسيات التعلم الآلي وعمليات التعلم الآلي المتعددة

أنابيب بيانات TensorFlow ونشر النماذج

تصميم أنظمة تعلم الآلة الإنتاجية على GCP

إدارة دورات حياة التعلم الآلي باستخدام MLflow

استراتيجيات نشر نماذج TensorFlow وتقديمها

MLOps وتنظيم خطوط الأنابيب على المنصة السحابية

مراقبة نماذج التعلم الآلي وقابلية الملاحظة

مراقبة نماذج التعلم الآلي باستخدام Python

أسس LLMOps: نشر وإدارة نماذج الذكاء الاصطناعي

هندسة تعلم الآلة الحديثة: من الأساسيات إلى النماذج المتقدمة