ما در آیتی هلو از شهریور ۱۴۰۲ کارمون رو با عشق به کتاب و یادگیری شروع کردیم. تخصص ما چاپ کتابهای تخصصی به زبان اصلیه و با استفاده از تکنولوژیهای روز و مواد اولیه باکیفیت، مطمئن میشیم که هر کتاب از نظر ظاهر و محتوا در بهترین سطح قرار بگیره.
هدفمون اینه که دسترسی به منابع علمی و آموزشی معتبر رو برای همه سادهتر کنیم و در این مسیر، همراه و همکار خوبی برای شما باشیم.
Building and Deploying AI Applications at Scale
امروزه هوش مصنوعی دیگر یک موضوع پژوهشی محدود به مقالههای دانشگاهی یا پیشنمایشهای آزمایشگاهی نیست. این فناوری بهطور بنیادین نحوه استخراج ارزش از دادهها، شیوه ساخت سیستمهای نرمافزاری و چگونگی تصمیمگیری در مقیاس بزرگ را تغییر داده است. در مرکز این تحول بزرگ، پلتفرمی قدرتمند و بالغ قرار دارد که داده لیک هاوس نامیده میشود. این ساختار با ترکیب انعطافپذیری داده دریاچه (Data Lake) و انضباط و سرعت انبار داده (Data Warehouse)، به محیطی ایدهآل برای یادگیری ماشین، هوش مصنوعی مولد و سیستمهای مبتنی بر عامل تبدیل شده است.
همزمانی رشد مدلهای بزرگ زبانی، مهندسی ویژگی، مدیریت مدل و پروتکلهای ارتباطی هوشمند، فضایی بینظیر برای توسعهدهندگان و معماران داده فراهم کرده است. کتاب حاضر دقیقا به بررسی همین نقطه تقاطع میپردازد تا مشخص کند چگونه این اجزا در کنار یکدیگر یک زیرساخت کاملا عملیاتی، قابل اتکا و صنعتی را شکل میدهند.
این اثر بهطور ویژه برای متخصصان حوزه داده و هوش مصنوعی به نگارش درآمده است که قصد دارند از پلتفرم داتبریتس در پروژههای واقعی و حرفهای استفاده کنند:
مهندسان و معماران داده: افرادی که میخواهند شیوه ادغام بار کاری یادگیری ماشین و هوش مصنوعی مولد را در معماری موجود بر پایه داده لیک هاوس درک کرده و زیرساخت مناسب آن را مدیریت کنند.
دانشمندان داده و مهندسان یادگیری ماشین: متخصصانی که قصد دارند از کدهای آزمایشی در محیطهای کلاسی عبور کرده و سیستمهای قابل تکرار، ایمن و آماده استفاده در محیط واقعی را بسازند.
مهندسان نرمافزار و راهبران فنی: افرادی که در حال گسترش سیستمها به سمت معماریهای مبتنی بر عامل هستند و نیاز به درک پروتکلهای ارتباطی مدرن برای اتصال مدلها به دادههای سازمانی دارند.
معماران سیستم و مدیران فنی: تصمیمگیرندگانی که به یک مدل مفهومی جامع از ابزارهای هوش مصنوعی و ارتباط متقابل آنها در پلتفرمهای مدرن نیازمندند.
آشنایی اولیه با زبان برنامهنویسی پایتون و مفاهیم پایهای مانند جداول، پایگاه داده و زبان پرسوجوی ساختاریافته برای بهرهگیری حداکثری از مطالب کافی خواهد بود.
در مسیر توسعه سیستمهای هوشمند، مستندات متعددی درباره ابزارها به صورت پراکنده وجود دارد؛ اما جای خالی منبعی که تمام این بخشها را در قالب یک تصویر یکپارچه و عملیاتی ارائه دهد، کاملا حس میشد. پیچیدگی روزافزون فناوری، ورود مدلهای مولد به بدنه اصلی استراتژیهای سازمانی و ظهور سیستمهای خودکار مبتنی بر تصمیمگیری، نیاز به یک راهنمای ساختاریافته را بیش از پیش کرده است.
مزایای کلیدی مطالعه این اثر:
دستیابی به معماری یکپارچه: درک کامل از نحوه اتصال ابزارهای آزمایشگاهی به چرخه عملیاتی در بستر داده لیک هاوس.
پیادهسازی گامبهگام پروژه: آموزش عملی ساخت خطوط لوله داده، مدیریت ویژگیها و استقرار مدلها.
تسلط بر فناوریهای مدرن: پوشش جامع روشهای نوین مانند بازیابی افزوده برای تولید محتوا و پروتکلهای ارتباط میانعاملی.
کلمات کلیدی:در گام نخست، سیر تطور هوش مصنوعی و چهار حوزه اصلی یادگیری شامل یادگیری نظارتشده، نظارتنشده، نیمهنظارتشده و تقویتی بررسی میشود. سپس معماریهای هوش مصنوعی مولد تحلیل شده و علت تناسب کامل داده لیک هاوس برای این بارهای کاری تبیین میگردد.
این بخش به معرفی ساختار داخلی پلتفرم، انواع خوشههای پردازشی، حالات دسترسی، محیطهای کاری و دفترچههای یادداشت اختصاص دارد و راهنمایی کاربردی برای پیکربندی محیط یادگیری ماشین ارائه میدهد.
بررسی فرآیند جامع توسعه در پلتفرم، نقشه راه اصلی را ترسیم میکند. نقش ابزارهای مدیریت چرخه حیات در کنار سایر بخشها مشخص شده و علت اهمیت آنها در عملیات یادگیری ماشین توضیح داده میشود.
آموزشهای مفهومی در قالب یک پروژه واقعی پیشبینی لغو رزرو هتل به کار گرفته میشوند. این مسیر از تحلیل اکتشافی دادهها آغاز شده، با ذخیرهسازی ویژگیها ادامه مییابد و به آموزش و انتخاب خودکار بهترین مدل میرسد.
شیوه مدرن مدیریت ویژگیها، جستجوی خودکار، ساخت مجموعههای آموزشی با قابلیت پیگیری منشا دادهها و تمایز میان جداول ذخیرهسازی آفلاین و آنلاین برای پاسخدهی آنی در این بخش تشریح میشود.
محدودیتهای سیستمهای تکگرهای بررسی شده و نحوه استفاده از پردازش توزیعشده برای آموزش مدلها در ابعاد بزرگ با استفاده از دادههای حجیم شهری و تنظیم ابرپارامترها آموزش داده میشود.
مبانی فنی تمایزدهنده هوش مصنوعی مولد از مدلهای پیشبین بررسی شده و معماریهای اصلی متون و تصاویر تجزیه و تحلیل میشوند.
تکنیکهای مهندسی اعلان، محیطهای آزمایش تعاملی و پیادهسازی کامل خط لوله بازیابی افزوده برای تولید محتوا در محیط عملیاتی آموزش داده میشود.
تعریف دقیق عاملها، زمان مناسب استفاده از آنها، معماری مرجع شامل ارکستریتور، ابزارها، لایه داده و سطح پایش در این بخش ارائه شده و با یک پروژه تحلیل خرابی به پایان میرسد.
معرفی استانداردهای باز برای اتصال عاملهای هوشمند به ابزارها و منابع داده خارجی همراه با ساخت یک سرور اختصاصی و ایمن.
بررسی مباحث پیشرفته از جمله پروتکلهای ارتباط مستقیم میان عاملها و چارچوبهای برنامهنویسی اظهارنامهای پایتون. کتاب با یک مطالعه موردی در حوزه تحلیل خردهفروشی پایان مییابد که در آن چند عامل هوشمند برای پاسخ به پرسشهای پیچیده تجاری با یکدیگر همکاری میکنند.
دستهبندی: مهندسی نرمافزار و علوم داده
برچسبها:
نمونه چاپ کتاب موجود نیست.
نظرات کاربران (0)