أساسيات البنية التحتية والعمليات للذكاء الاصطناعي

تتطلب تطبيقات الذكاء الاصطناعي الحديثة قوة حوسبة هائلة، وأجهزة متخصصة، وأوركسترا قوية. تعد إدارة هذه البنية التحتية بكفاءة أحد أهم التحديات التي تواجه فرق التكنولوجيا في المؤسسات اليوم. ترشدك هذه الدورة القائمة على النصوص عبر المفاهيم الأساسية للبنية التحتية للذكاء الاصطناعي، بدءًا من فهم المعالجات المتخصصة وصولاً إلى توسيع نطاق أعباء العمل المعقدة. ستتعلم كيفية تخطيط ومراقبة وتحسين بيئات الأجهزة والبرامج لدعم نماذج machine learning وتطبيقات generative AI. What you'll learn: - فهم متطلبات الأجهزة الأساسية للذكاء الاصطناعي، بما في ذلك GPUs و TPUs والمسرعات المتخصصة. - تكوين وإدارة منصات الأوركسترا مثل Kubernetes لتوسيع نطاق أعباء عمل machine learning. - تطبيق ممارسات MLOps الحديثة لتبسيط نشر ومراقبة نماذج الذكاء الاصطناعي في بيئة الإنتاج. - تحسين مسارات البيانات (data pipelines)، والتخزين عالي الأداء، وقواعد بيانات المتجهات (vector databases) لأنماط retrieval-augmented generation الحديثة. - تطبيق استراتيجيات إدارة التكاليف وكفاءة الطاقة على بيئات الحوسبة عالية الأداء. تبدأ الدورة بالمصطلحات الأساسية وأساسيات الأجهزة قبل الانتقال إلى إدارة المجموعات (cluster management)، والأوركسترا، وسير العمل التشغيلي في العالم الحقيقي. من خلال الشروحات المكتوبة والتحليلات الهيكلية، ستبني أساسًا تشغيليًا متينًا. تم تصميم هذه الدورة لمتخصصي تكنولوجيا المعلومات (IT professionals)، ومسؤولي الأنظمة (systems administrators)، ومديري التكنولوجيا الذين هم حديثو العهد بالبنية التحتية للذكاء الاصطناعي ويرغبون في فهم الأنظمة التي تشغل النماذج الحديثة. لا تتطلب خبرة سابقة في هندسة الأجهزة. ابدأ في بناء فهمك للأنظمة التي تشغل ثورة الذكاء الاصطناعي اليوم.