مهارت‌های هوش مصنوعی خود را در سال ۲۰۲۵ با این دوره‌های رایگان «انویدیا» متحول کنید
تیم تحریریه- ۱۰ شهریور ۱۴۰۴
«انویدیا» (NVIDIA)، یکی از تأثیرگذارترین غول‌های سخت‌افزاری جهان، نقشی کلیدی در انقلاب هوش مصنوعی ایفا می‌کند. این شرکت علاوه بر تولید پردازنده‌های گرافیکی (GPU) قدرتمند، فرصت‌های آموزشی بی‌نظیری را نیز فراهم کرده است. اگر به دنبال درک عمیق‌تری از هوش مصنوعی مولد، رباتیک، تراشه‌ها و فناوری‌های مرتبط هستید، این فرصت طلایی را از دست ندهید.
در این مطلب، مجموعه‌ای از برترین دوره‌های رایگان «انویدیا» را به شما معرفی می‌کنیم که همگی در کمتر از یک روز به پایان می‌رسند و دانش شما را به سطح بالاتری ارتقا می‌دهند.
۱. ساخت عوامل RAG برای مدل‌های زبانی بزرگ (LLM)
این دوره که برای مدت محدودی رایگان است، شما را با دنیای انقلابی مدل‌های زبانی بزرگ (LLM) و سیستمهای مبتنی بر بازیابی اطلاعات (RAG) آشنا می‌کند. این سیستم‌ها با فراهم کردن امکان مکالمه هوشمند با ابزارها و اسناد مختلف، بهره‌وری را متحول کرده‌اند. این دوره بر پیاده‌سازی عملی و بهینه‌سازی این سیستم‌ها برای پاسخگویی به نیازهای کاربران تمرکز دارد.
- در این دوره چه چیزهایی یاد می‌گیرید؟
- تکنیک‌های پیشرفته هماهنگ‌سازی شامل استدلال داخلی و مدیریت گفتگو.
- راهبردهای مؤثر برای ابزارسازی (Tool-making) در سیستمهای هوشمند.
- ایجاد یک سیستم LLM که با استفاده از اجزای استدلال داخلی و خارجی، به طور قابل پیش‌بینی با کاربران تعامل داشته باشد.
برای ثبت‌نام و مشاهده جزئیات دوره کلیک کنید
۲. تسریع جریان‌های کاری علم داده بدون نیاز به تغییر کد
روش‌های سنتی تحلیل داده که بر پردازنده‌های مرکزی (CPU) متکی هستند، اغلب کند و ناکارآمدند. با استفاده از قدرت GPUها، می‌توانید تحلیل‌ها را سرعت بخشیده و تصمیم‌گیری‌های بهتری داشته باشید. این کارگاه به شما نشان می‌دهد که چگونه بدون تغییرات گسترده در کد، جریان کاری علم داده را از ابتدا تا انتها با شتاب‌دهی GPU توسعه دهید.
- ابزارها و تکنیک‌ها:
- استفاده از کتابخانه‌های شتاب‌دهنده «RAPIDS™».
- به‌کارگیری الگوریتم‌های یادگیری ماشین شتاب‌یافته با GPU مانند XGBoost.
- پیاده‌سازی الگوریتم‌های cuGraph (مانند کوتاه‌ترین مسیر) و cuML (مانند KNN, DBSCAN و رگرسیون لجستیک).
برای ثبت‌نام و مشاهده جزئیات دوره کلیک کنید
۳. آشنایی با هوش مصنوعی مولد
این دوره آنلاین و خودآموز، دروازه‌ای عالی برای ورود به دنیای هوش مصنوعی مولد است. شما با مفاهیم، کاربردها، چالش‌ها و چشم‌اندازهای این فناوری شگفت‌انگیز که قادر به تولید محتوای جدید است، آشنا خواهید شد.
- اهداف کلیدی دوره:
- تعریف هوش مصنوعی مولد و نحوه عملکرد آن.
- تشریح کاربردهای متنوع در صنایع مختلف.
- بررسی چالش‌ها و فرصت‌های پیش رو.
- پیش‌نیاز: درک ابتدایی از اصول یادگیری ماشین و یادگیری عمیق.
برای ثبت‌نام و مشاهده جزئیات دوره کلیک کنید
۴. اثرانگشت دیجیتال با «Morpheus»
در این دوره یک‌ساعته، با توسعه و استقرار جریان کاری اثرانگشت دیجیتال «انویدیا» آشنا می‌شوید. این رویکرد دیدگاهی جامع به داده‌ها ارائه می‌دهد و زمان شناسایی تهدیدات امنیتی را به شکل چشمگیری کاهش می‌دهد.
- تجربه عملی با:
- چارچوب هوش مصنوعی «NVIDIA Morpheus» برای پردازش حجم عظیمی از داده‌های امنیت سایبری.
- سرور استنتاج «NVIDIA Triton»، یک ابزار متن‌باز برای استقرار استاندارد مدل‌های هوش مصنوعی.
- پیش‌نیاز: آشنایی با مفاهیم امنیت سایبری و دستورات خط فرمان «لینوکس» مفید خواهد بود.
برای ثبت‌نام و مشاهده جزئیات دوره کلیک کنید
۵. ساخت یک مغز در ۱۰ دقیقه
این دوره جذاب، پایه‌های شبکه‌های عصبی را از دیدگاه‌های زیست‌شناختی و روان‌شناختی بررسی می‌کند. شما یاد می‌گیرید که شبکه‌های عصبی چگونه از داده‌ها برای یادگیری استفاده می‌کنند و اصول ریاضی پشت عملکرد نورون‌ها را درک خواهید کرد.
- پیش‌نیاز توصیه شده:
- دانش پایه‌ای از برنامه‌نویسی Python 3 (توابع، حلقه‌ها، دیکشنری‌ها و آرایه‌ها).
- آشنایی با روش محاسبه خطوط رگرسیون.
برای ثبت‌نام و مشاهده جزئیات دوره کلیک کنید
۶. مقدمه‌ای بر «CUDA»
این دوره به اصول نوشتن کرنل‌های «CUDA» برای اجرا روی GPUهای «انویدیا» می‌پردازد. شما مهارت‌های کلیدی برای بهره‌گیری کامل از قدرت پردازش موازی را کسب خواهید کرد.
- مهارت‌های کلیدی:
- راه‌اندازی کرنل‌های «CUDA» با مقیاس گسترده روی GPU.
- هماهنگ‌سازی اجرای موازی رشته‌ها برای پردازش داده‌های بزرگ.
- مدیریت بهینه انتقال حافظه بین CPU و GPU.
- استفاده از تکنیک‌های پروفایل‌سازی برای بهینه‌سازی عملکرد کد.
برای ثبت‌نام و مشاهده جزئیات دوره کلیک کنید
۷. ارتقای مدل زبانی بزرگ (LLM) خود با استفاده از RAG
تولید افزوده‌شده با بازیابی (RAG) که در سال ۲۰۲۰ توسط «Facebook AI Research» معرفی شد، روشی برای بهبود خروجی LLMها بدون نیاز به بازآموزی مدل است. این دوره مقدماتی که بر اساس تجربیات داخلی «انویدیا» طراحی شده، شما را با اصول RAG و اجزای اصلی آن در چارچوب «NVIDIA AI Foundations» آشنا می‌کند.
- هدف دوره:
- درک مکانیزم بازیابی اطلاعات و معماری انتها به انتها (end-to-end) در RAG.
- آمادگی برای شروع پروژه‌های شخصی در حوزه کاربردهای LLM و RAG.
برای ثبت‌نام و مشاهده جزئیات دوره کلیک کنید
۸. شروع به کار با هوش مصنوعی روی «Jetson Nano»
کیت توسعه «Jetson Nano» از «انویدیا»، قدرت هوش مصنوعی را در اختیار سازندگان، توسعه‌دهندگان و علاقه‌مندان قرار می‌دهد. این رایانه قدرتمند و کوچک، امکان اجرای همزمان چندین شبکه عصبی برای کاربردهایی مانند طبقه‌بندی تصاویر، تشخیص اشیاء و پردازش گفتار را فراهم می‌کند.
- در این دوره:
- با استفاده از نوت‌بوک‌های Jupyter iPython روی «Jetson Nano»، یک پروژه طبقه‌بندی یادگیری عمیق را اجرا خواهید کرد.
- مهارت‌های لازم برای توسعه مدل‌های طبقه‌بندی و رگرسیون خود را کسب می‌کنید.
برای ثبت‌نام و مشاهده جزئیات دوره کلیک کنید
۹. ساخت برنامه‌های ویدیویی هوشمند در Edge با «Jetson Nano»
این دوره آنلاین و خودآموز به شما یاد می‌دهد که چگونه برنامه‌های تحلیل ویدیوی هوشمند (IVA) را با استفاده از «Jetson Nano» و «NVIDIA DeepStream SDK» بسازید.
- مباحث کلیدی:
- راه‌اندازی «Jetson Nano» و پیاده‌سازی جریان کاری «DeepStream».
- پیکربندی چندین جریان ویدیو و استفاده از موتورهای استنتاج جایگزین مانند YOLO.
- پیش‌نیازها: آشنایی با خط فرمان «لینوکس» و برنامه‌نویسی با Python 3.
- سخت‌افزار مورد نیاز: کیت توسعه «Jetson Nano» و لوازم جانبی آن.
برای ثبت‌نام و مشاهده جزئیات دوره کلیک کنید
۱۰. ساخت ابزارهای دستکاری سفارشی صحنه‌های سه‌بعدی در «NVIDIA Omniverse»
این دوره آموزشی به شما نشان می‌دهد که چگونه ابزارهای سه‌بعدی خود را با استفاده از پلتفرم انعطاف‌پذیر «Omniverse» گسترش دهید. شما مهارت‌های لازم برای توسعه ابزارهای پیشرفته جهت ایجاد جهان‌های مجازی با دقت فیزیکی بالا را فرا خواهید گرفت.
- اهداف آموزشی:
- برنامه‌نویسی با Python برای ساخت ابزارهای دستکاری سفارشی.
- حرکت در سلسله‌مراتب مرحله‌ای USD و ساخت ابزارک‌های کنترلی.
- سخت‌افزار مورد نیاز: رایانه مجهز به کارت گرافیک NVIDIA RTX با حافظه ۱۶ گیگابایت.
برای ثبت‌نام و مشاهده جزئیات دوره کلیک کنید
۱۱. شروع کار با USD برای جریان‌های کاری همکاری سه‌بعدی
این دوره خودآموز به شما می‌آموزد که چگونه صحنه‌های سه‌بعدی را با استفاده از فایل‌های Universal Scene Description (USD) بسازید. این استاندارد باز، همکاری در پروژه‌های پیچیده سه‌بعدی را متحول کرده است.
- بخش‌های دوره:
- مبانی USD: مقدمه‌ای بدون نیاز به برنامه‌نویسی.
- USD پیشرفته: استفاده از Python برای تولید فایل‌های USD.
- مفاهیم کلیدی: Sublayers، References و Variants برای ترکیب و مدیریت دارایی‌ها.
برای ثبت‌نام و مشاهده جزئیات دوره کلیک کنید
۱۲. مونتاژ یک ربات ساده در «Isaac Sim»
این دوره عملی ۳۰ دقیقه‌ای شما را با پلتفرم شبیه‌سازی رباتیک «Isaac Sim» آشنا می‌کند. شما گام‌به‌گام یک ربات متحرک ساده با دو چرخ را مونتاژ و پیکربندی خواهید کرد.
- مراحل کلیدی:
- اتصال به سرور «Omniverse Isaac Sim».
- بارگذاری یک ربات شبیه‌سازی‌شده USD در محیط.
- پیکربندی درایوها و مفاصل برای حرکت ربات.
- پیش‌نیاز: کامپیوتر ویندوزی یا لینوکسی با قابلیت نصب «Omniverse Launcher».
برای ثبت‌نام و مشاهده جزئیات دوره کلیک کنید
۱۳. نحوه ساخت برنامه‌های OpenUSD برای دوقلوهای صنعتی
این دوره به اصول اولیه پلتفرم توسعه «Omniverse» می‌پردازد. شما یاد می‌گیرید چگونه برنامه‌ها و ابزارهای سه‌بعدی برای کاربردهای صنعتی مانند مدیریت کارخانه‌ها و انبارها (دوقلوهای دیجیتال) ایجاد کنید.
- اهداف آموزشی:
- ساخت یک برنامه از یک الگوی آماده.
- سفارشی‌سازی برنامه و ایجاد افزونه‌های جدید.
- گسترش قابلیت‌های برنامه با ویژگی‌های اختصاصی.
برای ثبت‌نام و مشاهده جزئیات دوره کلیک کنید
۱۴. پایش ریسک بلایای طبیعی با استفاده از تصاویر ماهواره‌ای
این دوره که با همکاری مرکز ماهواره‌ای سازمان ملل متحد طراحی شده، به شما نحوه ایجاد و پیاده‌سازی مدل‌های یادگیری عمیق برای تشخیص خودکار سیلاب از روی تصاویر ماهواره‌ای را آموزش می‌دهد.
- مهارت‌های کسب‌شده:
- اجرای یک جریان کاری کامل یادگیری ماشین.
- پردازش داده‌های بزرگ تصاویر ماهواره‌ای با ابزارهای شتاب‌دهنده.
- استفاده از یادگیری انتقالی برای ساخت مدل‌های کارآمد.
- پیش‌نیاز: تسلط بر Python 3 و درک مفاهیم پایه یادگیری عمیق.
برای ثبت‌نام و مشاهده جزئیات دوره کلیک کنید
۱۵. مقدمه‌ای بر هوش مصنوعی در مرکز داده
در این دوره با کاربردهای هوش مصنوعی، جریان‌های کاری یادگیری ماشین، یادگیری عمیق و همچنین معماری GPU آشنا می‌شوید. این دوره برای متخصصان IT، مدیران سیستم و DevOps طراحی شده است تا با ملاحظات پیاده‌سازی بارهای کاری هوش مصنوعی در مراکز داده آشنا شوند.
- مخاطبان:
- متخصصان IT و مدیران سیستم و شبکه.
- کارشناسان DevOps و مراکز داده.
برای ثبت‌نام و مشاهده جزئیات دوره کلیک کنید
۱۶. اصول کار با OpenUSD
این دوره به شما مفاهیم اساسی Universal Scene Description (OpenUSD) را آموزش می‌دهد. شما یاد می‌گیرید که چگونه از این چارچوب باز برای ایجاد و همکاری در محیط‌های سه‌بعدی پیچیده و بهینه‌سازی جریان‌های کاری در صنایع مختلف استفاده کنید.
- مفاهیم کلیدی:
- ترکیب‌بندی و لایه‌بندی برای فرآیندهای غیرمخرب.
- اصول سلسله‌مراتب مدل برای ساختاردهی بهینه صحنه.
- به‌کارگیری Scene Graph Instancing برای بهبود عملکرد.
برای ثبت‌نام و مشاهده جزئیات دوره کلیک کنید
۱۷. مقدمه‌ای بر یادگیری ماشین مبتنی بر فیزیک با «Modulus»
شبیه‌سازی‌های دقیق علمی و مهندسی اغلب هزینه‌بر و زمان‌بر هستند. پلتفرم «NVIDIA Modulus» این مشکل را با ایجاد مدل‌های یادگیری عمیقی که تا ۱۰۰,۰۰۰ برابر سریع‌تر از روش‌های سنتی عمل می‌کنند، حل می‌کند.
- در این دوره:
- نحوه یکپارچه‌سازی «Modulus» با پلتفرم «Omniverse» را می‌آموزید.
- چالش‌هایی از یادگیری عمیق تا شبیه‌سازی‌های چندفیزیکی را بررسی می‌کنید.
برای ثبت‌نام و مشاهده جزئیات دوره کلیک کنید
۱۸. مقدمه‌ای بر «DOCA» برای DPUها
چارچوب نرم‌افزاری «DOCA» با همکاری DPUهای «BlueField»، امکان توسعه سریع برنامه‌هایی را فراهم می‌کند که عملکرد شبکه، امنیت و ذخیره‌سازی در مراکز داده را متحول می‌سازند. این دوره خودآموز شما را با مفاهیم پایه «DOCA» برای رایانش تسریع‌شده آشنا می‌کند.
- مباحث دوره:
- درک پارادایم چارچوب «DOCA».
- بررسی مشخصات DPU «BlueField».
- شناسایی فرصت‌های محاسباتی تسریع‌شده با DPU.
