آماده‌سازی آزمون گواهینامه AWS Certified AI Practitioner - آخرین آپدیت

مقدمه‌ای بر هوش مصنوعی Introduction to Artificial Intelligence

• مقدمه‌ای بر هوش مصنوعی Introduction to Artificial Intelligence

• تاکسونومی (طبقه‌بندی) هوش مصنوعی Taxonomy of AI

• روش‌های سنتی در مقابل روش‌های AI برای حل مسائل Traditional vs AI Methods for Solving Problems

• کاربردهای دنیای واقعی هوش مصنوعی AI Real-world Applications

• دیدگاه تجاری به هوش مصنوعی Business View for AI

• مفاهیم پایه و اصطلاحات Basic Concepts and Terminologies

• چرخه حیات یادگیری ماشین Machine Learning Lifecycle

چرخه حیات توسعه یادگیری ماشین (ML) The ML Development Lifecycle

• مقدمه‌ای بر چرخه حیات توسعه ML Intro - The ML Development Lifecycle

• منابع مدل‌های یادگیری ماشین Sources of ML Models

• استقرار مدل‌های یادگیری ماشین Deploying ML Models

• مفاهیم اصلی عملیات یادگیری ماشین (MLOps) ML Operations (MLOps) Core Concepts

یادگیری ماشین Machine Learning

• دسته‌بندی‌های یادگیری ماشین Machine Learning Categories

• انواع داده‌ها Data types

• رگرسیون (Regression) Regression

• ارزیابی مدل رگرسیون Regression - Model Evaluation

• طبقه بندی (Classification) Classification

• ارزیابی مدل طبقه‌بندی Classification - Model Evaluation

• درخت‌های تصمیم Decision Trees

• خوشه‌بندی K-means K-means Clustering

• یادگیری عمیق (Deep Learning) Deep Learning

• پردازش زبان طبیعی (NLP) Natural Language Processing (NLP)

• بینایی ماشین (CV) Computer Vision (CV)

• شبکه عصبی پیچشی (CNN) Convolutional Neural Network (CNN)

• شبکه عصبی بازگشتی (RNN) Recurrent Neural Network

• موارد استفاده از هوش مصنوعی AI Use Cases

ارزیابی و استقرار مدل‌های ML ML Models Evaluation and Deployment

• مقدمه‌ای بر ارزیابی و استقرار مدل‌های ML Intro - ML Models Evaluation and Deployment

• تکنیک‌های اعتبارسنجی Validation Techniques

• بیش‌برازش و کم‌برازش (Overfitting/Underfitting) Overfitting/Underfitting

• جلوگیری از بیش‌برازش Preventing Overfitting

• تبدیل دسته‌ای (Batch Transform) Batch Transform

• استنباط در زمان واقعی (Real time Inference) Real-time Inference

مقدمه‌ای بر هوش مصنوعی مولد (GenAI) Introduction to Generative AI (GenAI)

• مقدمه‌ای بر هوش مصنوعی مولد (Gen AI) Intro - Generative AI (Gen AI)

• بررسی عمیق هوش مصنوعی مولد Deep Dive Into Gen AI

• موارد استفاده از GenAI GenAI Use Cases

• مدل‌های چندوجهی (Multi Modal) Multi-Modal Models

• معماری ترنسفورمرها (Transformers) Transformers Architecture

• مزایای GenAI در کسب‌وکار Advantages of GenAI in Business

• معایب GenAI در کسب‌وکار Disadvantages of GenAI in Business

• انتخاب مدل‌های مناسب GenAI Selecting Appropriate GenAI Models

• معیارهای تجاری برای مدل‌های GenAI Business Metrics for GenAI Models

مدل‌های پایه و کاربردها Foundation Models and Applications

• مقدمه‌ای بر مدل‌های پایه و کاربردها Intro - Foundation Models and Applications

• چرخه حیات مدل پایه Foundation Model Lifecycle

• معیارهای انتخاب برای مدل‌های پیش‌آموزش‌دیده Selection Criteria for Pre-trained Models

• تنظیم پارامترهای استنباط Tweaking Inference Parameters

• [تمرین] تنظیم پارامترهای استنباط [HOL] Tweaking Inference Parameters

• جاسازی‌ها (Embeddings) و پایگاه‌های داده برداری Embeddings and Vector Databases

• تولید تقویت‌شده با بازیابی (RAG) Retrieval Augmented Generation (RAG)

• موارد استفاده از RAG RAG Use Cases

• استفاده از RAG در Amazon Bedrock RAG in Amazon Bedrock

• [تمرین] پایگاه‌های دانش Amazon Bedrock [HOL] Amazon Bedrock Knowledge Bases

• بهینه‌سازی مدل‌های پایه Optimizing Foundation Models

• انتخاب رویکرد مناسب: Fine-tuning در مقابل RAG Choosing the Right Approach: Fine-tuning vs RAG

• تنظیم دقیق مدل پایه (بررسی عمیق) Fine-tuning a Foundation Model (Deep Dive)

• آماده‌سازی داده‌ها برای تنظیم دقیق (Fine-tuning) Data Preparation for Fine-tuning

• ارزیابی مدل پایه Evaluating a Foundation Model

• معیارهای عملکرد مدل پایه Foundation Model Performance Metrics

• اهداف تجاری برای مدل‌های پایه Business Objectives for Foundation Models

مهندسی پرامپت Prompt Engineering

• مقدمه‌ای بر مهندسی پرامپت Intro - Prompt Engineering

• مهندسی پرامپت چیست؟ What is Prompt Engineering?

• موارد استفاده از مهندسی پرامپت Prompt Engineering Use Cases

• مفاهیم و ساختارهای مهندسی پرامپت Concepts and Constructs of Prompt Engineering

• تکنیک‌های مهندسی پرامپت Prompt Engineering Techniques

• بهترین روش‌های مهندسی پرامپت Prompt Engineering Best Practices

• ریسک‌ها و محدودیت‌ها Risk and Limitations

سرویس‌ها و زیرساخت‌های GenAI در AWS AWS GenAI Services and Infrastructure

• مقدمه‌ای بر سرویس‌ها و زیرساخت‌های GenAI Intro - GenAI Services and Infrastructure

• سرویس‌های AWS برای GenAI AWS Services For GenAI

• انتخاب مدل‌های پایه و سرویس GenAI در AWS Choosing Foundation Models and AWS GenAI Service

• چرا از سرویس‌های AWS برای GenAI استفاده کنیم؟ Why AWS Services for GenAI?

• استفاده از EC2 برای GenAI EC2 for GenAI

• چرا زیرساخت AWS برای GenAI مناسب است؟ Why AWS Infrastructure For GenAI

• بررسی هزینه‌های سرویس‌های GenAI در AWS Cost Tradeoffs of AWS GenAI Services

سرویس‌های مدیریت شده AI در AWS AWS Managed AI Services

• سرویس‌های هوش مصنوعی AI Services

• Amazon Comprehend Amazon Comprehend

• Amazon Translate Amazon Translate

• [تمرین] Amazon Translate [HOL] Amazon Translate

• Amazon Transcribe Amazon Transcribe

• [تمرین] Amazon Transcribe [HOL] Amazon Transcribe

• Amazon Polly Amazon Polly

• [تمرین] Amazon Polly [HOL] Amazon Polly

• Amazon Rekognition Amazon Rekognition

• [تمرین] Amazon Rekognition [HOL] Amazon Rekognition

• Amazon Textract Amazon Textract

• Amazon Lex Amazon Lex

• Amazon Personalize Amazon Personalize

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

• Amazon Fraud Detector Amazon Fraud Detector

• Amazon Kendra Amazon Kendra

• [تمرین] Amazon Kendra [HOL] Amazon Kendra

• Amazon Bedrock Amazon Bedrock

• عوامل (Agents) Amazon Bedrock Amazon Bedrock Agents

• [تمرین] PartyRock (محیط آزمایش Amazon Bedrock) [HOL] PartyRock (Amazon Bedrock Playground)

• Amazon Q Business Amazon Q Business

• [تمرین] Amazon Q Business [HOL] Amazon Q Business

• Amazon Q Apps Amazon Q Apps

• [تمرین] Amazon Q Apps [HOL] Amazon Q Apps

• Amazon Q Developer Amazon Q Developer

سرویس‌های Amazon SageMaker Amazon SageMaker Services

• مقدمه‌ای بر سرویس‌های Amazon SageMaker Intro - Amazon SageMaker Services

• Amazon SageMaker و SageMaker Studio Amazon SageMaker, SageMaker Studio

• Amazon SageMaker Ground Truth Amazon SageMaker Ground Truth

• Amazon SageMaker Data Wrangler Amazon SageMaker Data Wrangler

• Amazon SageMaker Feature Store Amazon SageMaker Feature Store

• SageMaker Canvas SageMaker Canvas

• Amazon SageMaker Model Monitor Amazon SageMaker Model Monitor

هوش مصنوعی مسئولانه Responsible AI

• مقدمه‌ای بر هوش مصنوعی مسئولانه Intro - Responsible AI

• ویژگی‌های هوش مصنوعی مسئولانه Features of Responsible AI

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

• [تمرین] Amazon Bedrock Guardrails [HOL] Amazon Bedrock Guardrails

• روش‌های مسئولانه در انتخاب مدل Model Selection Responsible Practices

• ریسک‌های قانونی هوش مصنوعی مولد Generative AI Legal Risks

• ویژگی‌های مجموعه‌داده‌های مسئولانه Responsible Dataset Characteristics

• شفافیت، تفسیرپذیری و توضیح‌پذیری Transparency, Interpretability and Explainability

• تحلیل توازن عملکرد (Performance Tradeoff) Performance Tradeoff Analysis

حاکمیت برای راهکارهای هوش مصنوعی Governance for AI Solutions

• مقدمه‌ای بر حاکمیت راهکارهای هوش مصنوعی Intro - Governance for AI solutions

• امنیت هوش مصنوعی در AWS AI Security in AWS

• مستندسازی منشأ داده‌ها Documenting Data Origins

• استراتژی‌های حاکمیت داده‌ها Data Governance Strategies

• امنیت و حریم خصوصی برای برنامه‌های AI Security And Privacy for AI Applications

• استانداردهای انطباق رگولاتوری برای سیستم‌های AI Regulatory Compliance Standards for AI Systems

• سرویس‌های AWS برای انطباق با قوانین AWS Services for Regulatory Compliance

• پیروی از پروتکل‌های حاکمیتی Following Governance Protocols