1. صفحه اصلی
  2. »
  3. آموزش
  4. »
  5. آموزش تصویری
  6. »
  7. LinkedIn – Build and Deploy Secure AI Workloads with Docker 2026-6
Build and Deploy Secure AI Workloads with Docker

LinkedIn – Build and Deploy Secure AI Workloads with Docker 2026-6

توضیحات

دوره Build and Deploy Secure AI Workloads with Docker. این دوره آموزشی یک راهنمای عملی برای راه‌اندازی، اجرا و مدیریت امن مدل‌های زبانی بزرگ به‌صورت محلی با استفاده از ابزار Docker Model Runner جهت توسعه برنامه‌های کاربردی هوش مصنوعی بدون نیاز به سرویس‌های ابری است. این دوره آموزشی به بررسی نحوه استفاده از ظرفیت‌ها و توانمندی‌های مدل‌های زبانی بزرگ (LLM) بر روی سیستم‌های محلی با بهره‌گیری از ابزار Docker Model Runner می‌پردازد. مدرس دوره، Pawel Piwosz که از سفیران موسسه DevOps و از متخصصان برجسته داکر است، تمامی مراحل راه‌اندازی، پیکربندی و اجرای محلی مدل‌های زبانی را آموزش می‌دهد؛ به طوری که این مدل‌ها هم از داخل کانتینرها و هم از طریق سیستم میزبان قابل دسترسی و مدیریت باشند. فراگیران در این برنامه آموزشی با نحوه دریافت، مدیریت و سازمان‌دهی مدل‌های پیش‌ساخته از بستر Docker Hub و همچنین بسته‌بندی و توزیع مدل‌های اختصاصی خود آشنا می‌شوند. یکی از بخش‌های کلیدی این آموزش، یادگیری نحوه یکپارچه‌سازی و اتصال مدل‌های زبانی محلی به نرم‌افزارها و برنامه‌های کاربردی با استفاده از واسط برنامه‌نویسی استاندارد OpenAI API است. این دوره برای افرادی که به دنبال ساخت نمونه‌های اولیه پروژه‌ها، حفظ کامل حریم خصوصی داده‌ها، افزایش امنیت و کاهش هزینه‌های پردازشی بدون وابستگی به زیرساخت‌های ابری هستند، راهکارهای عملی ارائه می‌دهد. فراگیران در طول این مسیر یاد می‌گیرند که چگونه بدون نیاز به پردازش‌های ابری، مدل‌های هوش مصنوعی قدرتمند را در محیط‌های ایزوله و امن مدیریت کنند. تمرکز اصلی دوره بر روی مفاهیم کاربردی عملیات مدل‌های زبانی (LLMOps) است تا توسعه‌دهندگان بتوانند برنامه‌های مبتنی بر AI را با بهره‌وری بالا و طبق استانداردهای دنیای واقعی اجرا نمایند.

آنچه فرا خواهید گرفت

  • راه‌اندازی و پیکربندی ابزار Docker Model Runner برای اجرای محلی مدل‌های زبانی بزرگ
  • فراخوانی و مدیریت مدل‌های هوش مصنوعی پیش‌ساخته از بستر Docker Hub
  • بسته‌بندی، ساخت و توزیع مدل‌های اختصاصی مبتنی بر کانتینرهای داکر
  • برقراری ارتباط و یکپارچه‌سازی مدل‌های محلی با برنامه‌ها از طریق رابط کاربردی OpenAI API
  • کاهش هزینه‌های استنتاج داده‌ها و رفع وابستگی به ارائه‌دهندگان سرویس‌های ابری
  • ارتقای سطح امنیت و حفظ حریم خصوصی داده‌ها در پروژه‌های هوش مصنوعی
  • به‌کارگیری اصول و مفاهیم کاربردی در حوزه عملیات مدل‌های زبانی (LLMOps)

این دوره مناسب افرادیست که

  • توسعه‌دهندگان نرم‌افزار و مهندسان هوش مصنوعی که می‌خواهند مدل‌های زبانی را به صورت محلی اجرا کنند
  • متخصصان حوزه DevOps که به دنبال پیاده‌سازی و مدیریت کانتینرهای هوش مصنوعی در محیط‌های کاری هستند
  • پژوهشگران و برنامه‌نویسانی که نیازمند حفظ حریم خصوصی و امنیت داده‌های حساس در پروژه‌های خود می‌باشند
  • افرادی که قصد دارند هزینه‌های مرتبط با پردازش‌های ابری را کاهش داده و نمونه‌های اولیه پروژه‌ها را به صورت رایگان توسعه دهند
  • علاقه‌مندان به یادگیری ابزارهای تخصصی داکر و یکپارچه‌سازی آن با سیستم‌های مبتنی بر AI

مشخصات دوره Build and Deploy Secure AI Workloads with Docker

  • ناشر: LinkedIn
  • مدرس: Pawel Piwosz
  • سطح آموزش: متوسط
  • مدت زمان آموزش: 2 ساعت و 10 دقیقه

سرفصل های دوره

Build and Deploy Secure AI Workloads with Docker

تصاویر دوره

Build and Deploy Secure AI Workloads with Docker

نمونه فیلم دوره

راهنمای نصب

پس از Extract، با Player دلخواه خود مشاهده کنید.

زیرنویس: انگلیسی

کیفیت: 720p

لینک دانلود

دانلود فایل – 377 مگابایت

گذرواژه فایل(ها): www.downloadly.ir


حجم فایل

377 مگابایت

رتبه دهید

محاسبه حجم دانلود برای ایرانسل به‌صورت تمام‌بها است.

Download Faster Without Limitation

The data center of free servers has applied a non-Iranian IP restriction on some servers
There is no limitation for VIP servers

برچسب ها:

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

این قسمت نباید خالی باشد
این قسمت نباید خالی باشد
لطفاً یک نشانی ایمیل معتبر بنویسید.
فقط دیدگاه‌هایی که جنبه‌ی استفاده‌ی عمومی دارد، نمایش داده می‌شود؛ درصورت تمایل به دریافت نتیجه‌ی رسیدگیِ دیدگاه خود، ایمیل معتبر وارد کنید.

For security, use of Google's reCAPTCHA service is required which is subject to the Google Privacy Policy and Terms of Use.

فهرست