Coursera – Advanced Deep Learning Architectures Specialization Board Infinity 2026-9

در تاریخ: 1405/06/18 7:36:28

توضیحات

Advanced Deep Learning Architectures Specialization، دوره آموزش تخصصی معماری های پیشرفته یادگیری عمیق توسط آکادمی Coursera منتشر شده است.این تخصص برای مهندسانی طراحی شده است که از مبانی فراتر رفته اند و می خواهند بر معماری های مدرن یادگیری عمیق برای کاربردهای واقعی مسلط شوند. در سه دوره، زیرساخت ترنسفورمرها، مدل های انتشار و بک بون های پیشرفته مانند Vision Transformer و ConvNeXt را بررسی می کنید و می آموزید این مدل ها چگونه کار می کنند و چگونه می توان آن ها را بدون نیاز به منابع محاسباتی عظیم به شکل کارآمد تنظیم دقیق کرد. در این مسیر، زنجیره های هوش مصنوعی مولد می سازید، از آموزش با دقت ترکیبی و توزیع شده استفاده می کنید و روش های تنظیم دقیق کارآمد مانند LoRA و QLoRA را برای سازگار کردن مدل های میلیارد پارامتری روی GPU های مصرفی به کار می گیرید.

سپس بر استقرار در محیط تولید تمرکز می کنید؛ با تکنیک های کوانتیزاسیون مانند INT4 و INT8 (AWQ، GPTQ، GGUF) استنتاج را بهینه می کنید، مدل ها را به ONNX صادر می کنید و API های پرظرفیت را با vLLM و NVIDIA Triton ارائه می دهید. پروژه های پایانی همه چیز را کنار هم قرار می دهند؛ مدل ها را با Docker کانتینری می کنید، سرعت و کیفیت را در برابر هم ارزیابی می کنید و سیستم های آماده لبه را با استفاده از ONNX Runtime و Llama.cpp طراحی می کنید. در پایان این تخصص، تجربه عملی در ساخت، تنظیم دقیق و استقرار سیستم های پیشرفته یادگیری عمیق که برای استفاده واقعی آماده هستند به دست خواهید آورد.

آنچه خواهید آموخت

تنظیم دقیق معماری های پیشرفته از جمله Vision Transformer، ConvNeXt و مدل های زبانی بزرگ با استفاده از LoRA و QLoRA
ساخت زنجیره های هوش مصنوعی مولد با استفاده از ساختار داخلی ترنسفورمر، KV Caching، مدل های انتشار و ControlNet ها با کتابخانه های Hugging Face
بهینه سازی و استقرار استنتاج در محیط تولید با کوانتیزاسیون مدل، سرویس دهی vLLM، خروجی گرفتن ONNX و راهبردهای استقرار در لبه
به کارگیری دقت ترکیبی، انباشت گرادیان و آموزش توزیع شده برای جریان های کاری کارآمد چند GPU
طراحی و ارزیابی آزمایش هایی برای مقایسه CNN ها و ViT ها با استفاده از ابزارهایی مانند TensorBoard و Weights & Biases
کانتینری کردن و ارائه مدل های یادگیری عمیق به صورت API های مقیاس پذیر با استفاده از Docker و فریم ورک های مدرن سرویس دهی

این دوره برای چه کسانی مناسب است

مهندسان یادگیری ماشین که مبانی را آموخته اند و می خواهند با معماری های بزرگ و مدرن کار کنند
دانشمندان داده و فعالان حوزه هوش مصنوعی که به هوش مصنوعی مولد، ترنسفورمرها و مدل های انتشار علاقه مند هستند
مهندسان بک اند و MLOps که مسئول استقرار و مقیاس دهی سیستم های یادگیری عمیق در محیط تولید هستند
پژوهشگران و دانشجویان پیشرفته ای که می خواهند تجربه عملی در زنجیره های کارآمد آموزش و استنتاج به دست آورند
توسعه دهندگانی که محصولات هوش مصنوعی می سازند و به مدل های یادگیری عمیق بهینه و آماده لبه نیاز دارند