آمادگی آزمون AIF-C01: متخصص هوش مصنوعی گواهینامه AWS - آخرین آپدیت

دانلود Exam Prep AIF-C01: AWS Certified AI Practitioner

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: هوش مصنوعی (AI) ماشین‌ها را قادر می‌سازد تا وظایفی را که نیازمند هوش انسانی است، مانند تصمیم‌گیری و حل مسئله، انجام دهند. زیرمجموعه‌های آن شامل یادگیری ماشین (ML) است که از داده‌ها برای بهبود سیستم‌ها بدون برنامه‌نویسی صریح استفاده می‌کند، یادگیری عمیق (DL) که از شبکه‌های عصبی برای شناسایی الگوهای پیشرفته بهره می‌برد و هوش مصنوعی مولد (Gen AI) که با تحلیل داده‌ها، محتوای جدیدی مانند متن و تصویر خلق می‌کند. این فناوری‌ها در کنار هم باعث نوآوری، بهینه‌سازی فرآیندها و ارائه تجربه‌های شخصی‌سازی شده می‌شوند و آن‌ها را در دنیای دیجیتال امروز ضروری می‌کنند. دوره «آمادگی آزمون AIF-C01: متخصص هوش مصنوعی گواهینامه AWS» برای افرادی طراحی شده است که به دنبال تعمیق درک خود از فناوری‌های هوش مصنوعی و یادگیری ماشین، هم به صورت کلی و هم در اکوسیستم AWS هستند. این دوره داوطلبان را برای کسب گواهینامه AWS Certified AI Practitioner آماده می‌کند. این دوره شامل حدود ۶.۵ تا ۷ ساعت آموزش ویدئویی است که مفاهیم تئوری و تمرین‌های عملی را پوشش می‌دهد. محتوا در پنج ماژول سازماندهی شده و هر ماژول به درس‌های مختلف تقسیم شده است. برای تثبیت یادگیری، هر ماژول شامل تکالیف، کوئیزها و سوالات درون‌ویدئویی است. همین امروز در دوره «آمادگی آزمون AIF-C01: متخصص هوش مصنوعی گواهینامه AWS» ثبت‌نام کنید و گامی در جهت پیشرفت شغلی خود بردارید! - ماژول ۱: مدل‌های پایه و هوش مصنوعی مولد در AWS - ماژول ۲: مبانی هوش مصنوعی و یادگیری ماشین - ماژول ۳: سرویس‌های مدیریت شده هوش مصنوعی AWS - ماژول ۴: مهندسی پرامپت و هوش مصنوعی مسئولانه - ماژول ۵: راهکارهای امنیتی هوش مصنوعی این دوره برای متخصصانی طراحی شده است که فارغ از نقش شغلی خود، می‌خواهند درک جامع خود از AI/ML، هوش مصنوعی مولد و ابزارها و سرویس‌های مرتبط AWS را به نمایش بگذارند. در پایان این دوره، فراگیران قادر خواهند بود: - مفاهیم AI، ML و هوش مصنوعی مولد را به صورت کلی و در محیط AWS درک کنند. - فناوری‌های مناسب AI/ML را برای موارد استفاده مختلف انتخاب کنند. - برنامه‌های هوش مصنوعی مولد را با استفاده از سرویس‌های AWS بسازند. - متدهای مسئولانه AI/ML را به کار بگیرند. - راهکارهای هوش مصنوعی مولد را با قوانین IAM مناسب ایمن کنند.

سرفصل ها و درس ها

مدل‌های پایه و هوش مصنوعی مولد در AWS Foundation Models and Generative AI in AWS

  • معرفی دوره Course Introduction

  • مدل هوش مصنوعی مولد چیست؟ What is Generative AI Model ?

  • شناسایی موارد استفاده بالقوه از هوش مصنوعی مولد Identify the Potential Use Cases of Generative AI

  • چالش‌های هوش مصنوعی مولد Challenges of Generative AI

  • اجزای هوش مصنوعی مولد Components of Generative AI

  • چرخه حیات مدل‌های پایه Lifecycle of Foundation Models

  • انواع مدل‌های پایه Types of Foundation Models

  • معیارهای ارزیابی مدل‌های پایه Evaluation Metrics of Foundation models

  • بررسی کلی Amazon Bedrock Amazon Bedrock - Overview

  • دموی Amazon Bedrock Amazon Bedrock - Demo

  • مدل‌های پایه در Amazon Bedrock Foundation Models on Amazon Bedrock

  • درک معماری RAG در مدل‌های زبانی بزرگ (LLM) Understanding RAG Architecture of LLM

  • سرویس‌های AWS برای ذخیره‌سازی Vector Embeddings AWS Services for Storage of Vector Embeddings

  • دموی RAG و پایگاه دانش در Amazon Bedrock Amazon Bedrock RAG & Knowledge Base - Demo

  • سرویس GuardRails در Amazon Bedrock Amazon Bedrock - GuardRails

  • دموی GuardRails در Amazon Bedrock Amazon Bedrock - GuardRails - Demo

  • عوامل (Agents) در Amazon Bedrock Amazon Bedrock Agents

  • PartyRock محیط تست Amazon Bedrock PartyRock - Amazon Bedrock Playground

  • قیمت‌گذاری Amazon Bedrock Amazon Bedrock - Pricing

مبانی هوش مصنوعی و یادگیری ماشین در AWS Fundamentals of AI & ML in AWS

  • یادگیری ماشین چیست؟ What is Machine Learning?

  • مقایسه هوش مصنوعی، یادگیری عمیق و یادگیری ماشین AI Vs Deep Learning Vs Machine Learning

  • انواع داده‌ها در یادگیری ماشین Types of Data in Machine Learning

  • انواع یادگیری ماشین Types of Machine Learning

  • مراحل اجرای یادگیری ماشین Steps for Machine Learning

  • ضروریات پیش‌پردازش داده‌ها Data Preprocessing Essentials

  • ارزیابی مدل‌های طبقه‌بندی (Classification) Evaluating Classification Models

  • ماتریس اغالت (Confusion Matrix) Confusion Matrix

  • معیارهای ارزیابی رگرسیون Evaluation Metrics - Regression

  • یادگیری بدون نظارت و خوشه‌بندی Unsupervised Learning - Clustering

  • انواع استنباط (Inferencing) Types of Inferencing

  • یادگیری عمیق چیست؟ What is Deep Learning ?

  • استفاده از مدل‌های یادگیری عمیق و ماشین در محیط عملیاتی Usage of Deep Learning/ ML models in Production

  • MLOps چیست؟ What is MLOps ?

  • سرویس‌های AWS برای MLOps AWS Services for MLOps

سرویس‌های مدیریت شده AI/ML در AWS AWS Managed AI/ML Services

  • سرویس Amazon Comprehend Amazon Comprehend

  • دموی Amazon Comprehend Amazon Comprehend - Demo

  • سرویس Amazon Translate Amazon Translate

  • دموی Amazon Translate Amazon Translate - Demo

  • سرویس Amazon Transcribe Amazon Transcribe

  • دموی Amazon Transcribe Amazon Transcribe - Demo

  • سرویس Amazon Polly Amazon Polly

  • دموی Amazon Polly Amazon Polly - Demo

  • سرویس Amazon Rekognition Amazon Rekognition

  • دموی Amazon Rekognition Amazon Rekognition - Demo

  • سرویس Amazon Lex Amazon Lex

  • دموی Amazon Lex Amazon Lex - Demo

  • سرویس Amazon Kendra Amazon Kendra

  • هوش مصنوعی تقویت شده آمازون (A2I) Amazon Augmented AI (A2I)

  • سرویس Amazon Personalize Amazon Personalize

  • سرویس Amazon Textract Amazon Textract

  • آشنایی با Amazon SageMaker Introduction to Amazon SageMaker

  • دموی Amazon Sagemaker Amazon Sagemaker - Demo

  • بررسی عمیق Amazon Sagemaker Data Wrangler Amazon Sagemaker Data Wrangler - Deep Dive

  • بررسی عمیق Amazon Sagemaker Feature Store Amazon Sagemaker Feature Store - Deep Dive

  • بررسی عمیق Amazon Sagemaker Model Monitor Amazon Sagemaker Model Monitor - Deep Dive

  • سرویس Amazon Sagemaker Jumpstart Amazon Sagemaker Jumpstart

  • Amazon Q Business چیست؟ What is Amazon Q Business?

  • سرویس Amazon Q Developer Amazon Q Developer

مهندسی پرامپت و هوش مصنوعی مسئولانه در AWS Prompt Engineering and Responsible AI in AWS

  • مهندسی پرامپت Prompt Engineering

  • دموی مهندسی پرامپت Prompt Engineering - Demo

  • مبانی طراحی پرامپت Fundamentals of Prompt Design

  • تکنیک‌های نوشتن پرامپت‌های مؤثر Techniques for Effective Prompts

  • دموی تکنیک‌های پرامپت مؤثر Techniques for Effective Prompts - Demo

  • تکنیک تنظیم دقیق بهینه پارامترها (PEFT) Parameter Efficient Finetuning Technique

  • اصول کلیدی هوش مصنوعی مسئولانه Key Principles of Responsible AI

  • متدهای مسئولانه برای انتخاب مدل Responsible practices to select a model

  • ریسک‌های قانونی کار با هوش مصنوعی مولد Legal risks of working with generative AI

  • ابزارهای AWS برای هوش مصنوعی مسئولانه AWS Tools for Responsible AI

  • ابزارهای AWS برای هوش مصنوعی قابل توضیح (Explainable AI) AWS Tools for Explainabe AI

راهکارهای امنیتی هوش مصنوعی در AWS Secure AI Solutions in AWS

  • سرویس‌های AWS برای ایمن‌سازی سیستم‌های هوش مصنوعی AWS Services for Securing AI Systems

  • مدل مسئولیت مشترک AWS AWS Shared Responsibility Model

  • سرویس‌های AWS برای حاکمیت برنامه‌های هوش مصنوعی AWS Services for Governance of AI Applications

  • سوالات تمرینی به همراه پاسخ تشریحی Practice Questions with explanation

  • جمع‌بندی و نتیجه‌گیری Conclusion

نمایش نظرات

آمادگی آزمون AIF-C01: متخصص هوش مصنوعی گواهینامه AWS
جزییات دوره
13h 31m
74
(آخرین آپدیت)
2,411
4.5 از 5
دارد
دارد
دارد
Chris Croft
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Chris Croft Chris Croft

مربی مدیریت، سخنران، نویسنده