AI Engineer MLOps Track Deploy Gen AI & Agentic AI at Scale

Udemy – AI Engineer Production Track: Deploy LLMs & Agents at Scale 2026-6

در تاریخ: 1405/05/08 7:27:56

توضیحات

AI Engineer MLOps Track: Deploy Gen AI & Agentic AI at Scale دوره آموزشی تسلط بر مهارت‌های عملی مورد نیاز برای ساخت، استقرار و مدیریت سیستم‌های هوش مصنوعی مدرن در محیط‌های تولید می باشد که توسط آکادمی آنلاین یودمی منتشر شده است. مسیر MLOps مهندس هوش مصنوعی: استقرار هوش مصنوعی عمومی و هوش مصنوعی عامل محور در مقیاس بزرگ، یک دوره تخصصی و متمرکز بر صنعت است که برای کمک به افراد در تسلط بر مهارت‌های عملی مورد نیاز برای ساخت، استقرار و مدیریت سیستم‌های هوش مصنوعی مدرن در محیط‌های تولید دنیای واقعی طراحی شده است. این دوره اصول MLOps را با آخرین پیشرفت‌ها در هوش مصنوعی مولد و هوش مصنوعی عامل محور ادغام می‌کند و دانشجویان را در طول چرخه عمر کامل – از توسعه مدل و اتوماسیون گرفته تا استقرار مقیاس‌پذیر، نظارت و بهبود مستمر – راهنمایی می‌کند. این دوره برای مهندسان هوش مصنوعی، دانشمندان داده و توسعه‌دهندگانی که می‌خواهند در سطح حرفه‌ای و در سطح تولید فعالیت کنند، ایده‌آل است.

این دوره، گردش‌های کاری ضروری MLOps مانند خطوط لوله داده، نسخه‌بندی مدل، اتوماسیون CI/CD و استقرار کانتینری با Docker و Kubernetes را بررسی می‌کند و در عین حال ادغام LLMها، پایگاه‌های داده برداری و سیستم‌های بازیابی-تقویت‌شده را نیز پوشش می‌دهد. افراد تجربه عملی در استقرار مدل‌های GenAI، هماهنگ‌سازی سیستم‌های هوش مصنوعی عامل محور، پیاده‌سازی ابزارهای نظارت و مشاهده، بهینه‌سازی عملکرد برای مقیاس بزرگ، ایمن‌سازی محیط‌های تولید و مدیریت خطوط لوله آموزش مداوم را کسب می‌کنند. همچنین الگوهای دنیای واقعی برای ساخت برنامه‌های مبتنی بر هوش مصنوعی، مدیریت چالش‌های تأخیر و قابلیت اطمینان، و استفاده از پلتفرم‌های ابری برای دستیابی به عملیات هوش مصنوعی مقیاس‌پذیر و خودکار را آموزش می‌دهد. در پایان، افراد می‌فهمند که چگونه سیستم‌های هوش مصنوعی سرتاسری بسازند که آماده تولید، کارآمد و قادر به پشتیبانی از عامل‌های هوشمند پیشرفته باشند.

آنچه در دوره AI Engineer MLOps Track: Deploy Gen AI & Agentic AI at Scale یاد خواهید گرفت:

استقرار برنامه‌های SaaS LLM برای تولید در Vercel، AWS، Azure و GCP با استفاده از Clerk
طراحی معماری‌های ابری با Lambda، S3، CloudFront، SQS، Route 53، App Runner و API Gateway
ادغام با Amazon Bedrock و SageMaker و ساخت با GPT-5، Claude 4، OSS، AWS Nova و HuggingFace
ارائه خودکار به Dev، Test و Prod با Terraform و ارسال مداوم از طریق GitHub Actions
ارائه راه‌حل‌های هوش مصنوعی در سطح سازمانی که مقیاس‌پذیر، ایمن، تحت نظارت، قابل توضیح، قابل مشاهده و کنترل با گاردریل هستند.
ایجاد سیستم‌های چندعاملی و حلقه‌های عامل با Amazon Bedrock AgentCore و Stands Agents
و …

مشخصات دوره

ناشر : Udemy
مدرس : Ligency , Ed Donner
زبان: انگلیسی
سطح آموزش : تمام سطوح
تعداد دروس : 124
مدت زمان آموزش : 18 ساعت و 40 دقیقه

سرفصل های دوره

AI Engineer Production Track_ Deploy LLMs & Agents at Scale

پیش نیازهای دوره AI Engineer MLOps Track: Deploy Gen AI & Agentic AI at Scale

While it’s ideal if you can code in Python and have some experience working with LLMs, this course is designed for a very wide audience, regardless of background. I’ve included a whole folder of self-study labs that cover foundational technical and programming skills. If you’re new to coding, there’s only one requirement: plenty of patience!
The course runs best if you have a small budget for APIs and Cloud Providers of a few dollars. But we monitor expenses at every point, and it’s always a personal choice.