Pluralsight – Foundations of Small Language Model Engineering 2026-8

در تاریخ: 1405/05/26 1:30:06

توضیحات

دوره Foundations of Small Language Model Engineering. این دوره آموزشی به بررسی اصول مهندسی مدل‌های زبانی کوچک (SLM) و نحوه انتخاب، ارزیابی و استقرار آن‌ها در محیط‌های محلی برای رفع نیازهای کیفی، حریم خصوصی و عملکردی در دنیای واقعی می‌پردازد. استقرار مدل‌های زبانی بزرگ (LLM) در محیط‌های عملیاتی اغلب شامل هزینه‌های بالا، تاخیر، نگرانی‌های حریم خصوصی و نیازهای زیرساختی سنگینی است که بسیاری از سناریوهای کاربردی واقعی قادر به پذیرش آن‌ها نیستند. این دوره آموزشی مهارت‌ها و دانش مورد نیاز را برای انتخاب، ارزیابی و استقرار مدل‌های زبانی کوچک به گونه‌ای که با نیازهای کیفی و عملکردی سیستم‌ها مطابقت داشته باشند، فراهم می‌سازد. در این مسیر آموزشی، ساختار و ویژگی‌های مدل‌های زبانی کوچک بررسی می‌شود و مشخص می‌شود که چگونه معماری، نیازهای سخت‌افزاری و توازن کارایی آن‌ها با مدل‌های زبانی بزرگ مقایسه می‌شوند. علاوه بر این، روش‌های مقایسه خانواده‌های مختلف مدل‌ها، تحلیل شناسنامه‌ها و مجوزهای مدل، و ارزیابی آن‌ها بر اساس معیارها و بنچمارک‌های تخصصی به جای اتکا به جدول‌های امتیاز عمومی آموزش داده می‌شود. در نهایت، نحوه راه‌اندازی یک محیط سرور محلی، اجرای فرآیند استنتاج (Inference) و ایجاد یک مبنای عملکردی مستند شده بررسی خواهد شد. پس از پایان این دوره، دانش‌پژوهان مهارت‌های لازم برای انتخاب و استقرار مطمئن مدل زبانی کوچک مناسب را برای کاربردهای عملیاتی خود کسب خواهند کرد و می‌توانند بدون هزینه‌های سنگین زیرساختی، از قدرت هوش مصنوعی بهره‌مند شوند.

آنچه فرا خواهید گرفت

شناخت مدل‌های زبانی کوچک: درک تعریف مدل زبانی کوچک (SLM) و بررسی معماری، نیازمندی‌های سخت‌افزاری و توازن کارایی در مقایسه با مدل‌های بزرگ.
ارزیابی تخصصی مدل‌ها: یادگیری روش‌های مقایسه خانواده‌های مختلف مدل، خواندن شناسنامه‌ها و مجوزهای مدل و ارزیابی آن‌ها بر اساس بنچمارک‌های متناسب با وظایف خاص.
استقرار و اجرای محلی: نحوه پیکربندی محیط سرویس‌دهی محلی، اجرای فرآیند استنتاج و راه‌اندازی زیرساخت مناسب.
ارزیابی عملکرد: ایجاد مبنای سنجش عملکرد برای اطمینان از برآورده شدن معیارهای کیفی، سرعت و حریم خصوصی در پروژه‌های واقعی.
انتخاب صحیح مدل: کسب توانایی انتخاب بهترین مدل زبانی کوچک متناسب با نیازهای عملیاتی و محدودیت‌های سیستم.

این دوره مناسب افرادیست که

مهندسان هوش مصنوعی و یادگیری ماشین: متخصصانی که به دنبال بهینه‌سازی هزینه‌ها و زیرساخت‌ها با استفاده از مدل‌های زبانی کوچک هستند.
توسعه‌دهندگان نرم‌افزار: برنامه‌نویسانی که تمایل دارند قابلیت‌های پردازش زبان طبیعی را در محیط‌های محلی و بدون وابسته بودن به ابر پیاده‌سازی کنند.
معماران سیستم و زیرساخت: افرادی که مسئولیت مدیریت منابع سخت‌افزاری، کاهش تاخیر و حفظ حریم خصوصی داده‌ها را در سازمان بر عهده دارند.
مدیران فنی پروژه‌ها: تصمیم‌گیرندگانی که می‌خواهند توازن مناسبی میان هزینه، سرعت و کیفیت خروجی در پروژه‌های هوش مصنوعی ایجاد نمایند.