عن هذه الدورة
تطوير تطبيقات الذكاء الاصطناعي التوليدي في Azure
منهج الدورة
1
1. التخطيط والتحضير لتطوير حلول الذكاء الاصطناعي على منصة Azure
ما هو الذكاء الاصطناعي؟ (What is AI?): مقدمة في المفاهيم الأساسية.
أدوات Foundry: التعرف على الأدوات المتاحة في المنصة.
Microsoft Foundry: نظرة عامة على البيئة المتكاملة.
أدوات المطورين وحزم تطوير البرمجيات (SDKs): الأدوات البرمجية اللازمة لبناء الحلول.
الذكاء الاصطناعي المسؤول (Responsible AI): المبادئ الأخلاقية والضوابط.
تقييم الوحدة (Module assessment).
2
2. اختيار ونشر النماذج من دليل النماذج في بوابة Microsoft Foundry
استكشاف دليل النماذج (Model Catalog): كيفية اختيار النموذج المناسب لمشروعك.
نشر النموذج إلى نقطة نهاية (Endpoint): تحويل النموذج إلى خدمة قابلة للاستخدام.
تحسين أداء النموذج (Optimize performance): ضبط الإعدادات للحصول على أفضل النتائج.
تقييم الوحدة.
3
3. تطوير تطبيقات الذكاء الاصطناعي باستخدام Microsoft Foundry SDK
ما هي حزمة تطوير Microsoft Foundry؟: التعريف بالأدوات البرمجية.
العمل مع اتصالات المشروع (Project Connections): ربط التطبيق بالمصادر السحابية.
إنشاء عميل دردشة (Chat Client): بناء واجهة تفاعلية للمستخدم.
تقييم الوحدة.
4
4. البدء باستخدام "تدفق الأوامر" (Prompt Flow) لتطوير تطبيقات النماذج اللغوية
دورة حياة تطوير تطبيقات النماذج اللغوية الكبيرة (LLM): مراحل بناء التطبيق من الفكرة إلى التنفيذ.
المكونات الأساسية وأنواع التدفقات: فهم كيفية سير العمل داخل التطبيق.
استكشاف الاتصالات وبيئات التشغيل (Runtimes): إدارة الموارد التقنية.
استكشاف المتغيرات وخيارات المراقبة: تجربة نسخ مختلفة ومتابعة الأداء.
تقييم الوحدة.
5
5. تطوير حلول (RAG) باستخدام بياناتك الخاصة في Microsoft Foundry
فهم كيفية "تأصيل" النموذج اللغوي (Grounding): ربط النموذج ببياناتك الواقعية.
جعل بياناتك قابلة للبحث (Searchable Data): فهرسة البيانات لاسترجاعها بسرعة.
إنشاء تطبيق عميل يعتمد على تقنية RAG: بناء الواجهة النهائية.
تنفيذ تقنية RAG داخل تدفق الأوامر (Prompt Flow).
تقييم الوحدة.
6
6. ضبط وتخصيص النماذج اللغوية (Fine-tuning) باستخدام Microsoft Foundry
متى تحتاج لضبط النموذج؟: الحالات التي تتطلب تخصيصاً يتجاوز الأوامر العادية.
تجهيز البيانات لضبط نماذج الدردشة: تنسيق البيانات لتدريب النموذج.
استكشاف عمليات الضبط في بوابة Microsoft Foundry.
تقييم الوحدة.
7
7. تنفيذ حلول الذكاء الاصطناعي التوليدي المسؤول
التخطيط لحل مسؤول: وضع استراتيجية لتجنب المخاطر.
رسم خرائط الأضرار المحتملة (Mapping Harms): تحديد المخاطر قبل وقوعها.
قياس الأضرار المحتملة: تقييم مدى خطورة المخرجات غير المرغوبة.
تخفيف الأضرار (Mitigate): وضع ضوابط لتقليل المخاطر.
إدارة الحلول المسؤولة: المراقبة المستمرة بعد النشر.
تقييم الوحدة.
8
8. تقييم أداء الذكاء الاصطناعي التوليدي في بوابة Microsoft Foundry
تقدير أداء النموذج: قياس دقة وجودة المخرجات.
التقييم اليدوي: مراجعة بشرية لنتائج النموذج.
التقييمات المؤتمتة (Automated evaluations): استخدام أدوات برمجية للقياس المستمر.
تقييم الوحدة.
