توضیحات
LLM Optimization & Evaluation Specialization، دوره آموزش تخصص بهینهسازی و ارزیابی مدلهای زبانی بزرگ (LLM) توسط آکادمی Coursera منتشر شده است.این تخصص چرخه کامل بهینهسازی و ارزیابی مدلهای زبانی بزرگ (LLM) را از طریق تجربه عملی با تکنیکهای آماده تولید آموزش میدهد. این برنامه جامع شما را با مهارتهای ضروری برای ارزیابی، بهینهسازی و استقرار مؤثر LLMها مجهز میسازد. خواهید آموخت چگونه ویژگیها را برای مدلهای ML مهندسی کنید، تستهای آماری سختگیرانهای برای سنجش عملکرد LLM اجرا نمایید، خطاها و hallucinationها را از طریق تحلیل لاگها تشخیص و رفع کنید، هزینههای محاسباتی و عملکرد پایگاه داده را بهینه سازی کنید و چارچوبهای تست ایمنی مقاومی بسازید. برنامه از مفاهیم پایه ML شروع و تا رویههای پیشرفته MLOps پیش میرود و ابزارهایی مانند DVC و W&B برای دنبالسازی آزمایشها، گردشکارهای خودکار ابری، مدیریت پایپلاین داده با Apache Airflow و جریان کاری توسعه محصول شامل مستندسازی نیازمندیها و تست پذیرش کاربر را پوشش میدهد. از طریق پروژههای عملی، هزینههای LLM را تحلیل و برای کاهش هزینههای عملیاتی اقدام خواهید کرد، نگاشت جریان ارزش را برای بهینهسازی پایپلاینها پیادهسازی میکنید، مجموعههای تست جامع با mutation testing ایجاد میکنید و runbookهای عملیاتی برای سیستمهای تولید تدوین مینمایید. چه در حال بهینهسازی کوئریهای SQL برای جستجوی برداری باشید، چه اجرای A/B تست برای بهبود مدل یا ساخت سیستمهای مانیتورینگ خودکار، این تخصص عمق فنی و تجربه عملی لازم برای موفقیت در نقشهای مهندسی LLM را فراهم میکند. مهارتهای خود را در پروژههای مرتبط با صنعت به کار خواهید گرفت، از جمله ساخت پایپلاینهای feature engineering با ابزارهای MLOps، ایجاد چارچوبهای تست آماری برای ارزیابی عملکرد LLM، تشخیص و رفع مشکلات hallucination از طریق تحلیل داده، بهینهسازی جستجوی برداری و کوئریهای SQL برای سیستمهای تولید و توسعه مجموعههای تست ایمنی جامع. همچنین آزمایشهای ML را با سیستمهای کنترل نسخه دنبال خواهید کرد، گردشکارهای ابری را با اسکریپتهای Python خودکار میکنید، پایپلاینهای داده را با Apache Airflow میسازید و مستندسازی کامل نیازمندیها و تستهای ویژگیهای LLM را تهیه میکنید.