آموزش راهنمای Amazon Bedrock: هوش مصنوعی مولد با استفاده از Agentهای هوش مصنوعی - آخرین آپدیت

دانلود Amazon Bedrock Guide : Generative AI with AI Agents

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره:

آموزش جامع Amazon Bedrock: پایگاه دانش، هوش مصنوعی، Agentها و Promptها

با استفاده از تمرین‌های عملی، فریم‌ورک‌های متن‌باز و ۲ مورد استفاده واقعی، Amazon Bedrock را به طور کامل بیاموزید.

در این دوره چه می‌آموزید:

اصول AWS Bedrock و ابزارهای توسعه‌دهنده آن را درک کنید. پایگاه‌های دانش (Knowledge Base) را پیکربندی کرده و از vector embeddingها برای راه‌حل‌های هوشمند استفاده کنید. Agentها را با Action Groupها و ادغام با پایگاه دانش طراحی و مدیریت کنید. Prompt Management را با متغیرها و جریان‌های پویا پیاده‌سازی کنید. گردش‌کارهای پیشرفته را با استفاده از Flowها، Agentها و Promptها سازماندهی کنید. برنامه‌های کاربردی هوش مصنوعی امن را با Guardrailها توسعه دهید.

پیش‌نیازها:

  • آشنایی اولیه با سرویس‌های ابری
  • تمایل به یادگیری و آزمایش با آزمایشگاه‌های عملی

قدرت Amazon Bedrock را برای ساخت برنامه‌های کاربردی مبتنی بر هوش مصنوعی آزاد کنید

به دوره تسلط بر Amazon Bedrock خوش آمدید، یک دوره جامع که برای کمک به شما در بهره‌برداری از قدرت ابزارها و سرویس‌های AWS Bedrock طراحی شده است. چه مبتدی باشید و چه یک توسعه‌دهنده باتجربه، این دوره شما را گام به گام از طریق مفاهیم، پیکربندی‌ها و تمرین‌های عملی راهنمایی می‌کند که پتانسیل AWS Bedrock را در ساخت برنامه‌های کاربردی هوشمند به نمایش می‌گذارد.

آنچه خواهید آموخت:

  • پایگاه‌های دانش (KB): عمیقاً در مفهوم vector embeddingها و retrieval-augmented generation (RAG) غوطه ور شوید، که برای بهینه‌سازی برنامه‌های کاربردی هوش مصنوعی در مقیاس بزرگ ضروری است. یاد بگیرید چگونه پایگاه‌های دانش را پیکربندی کنید و آنها را به طور یکپارچه با سایر ابزارهای AWS Bedrock با استفاده از مثال‌های عملی ادغام کنید تا درک خود را محکم کنید.

  • Agentها: بر پیکربندی Agentهای AWS Bedrock برای ساده‌سازی گردش‌کارهای هوش مصنوعی تسلط یابید. تجربه عملی در پیاده‌سازی Action Groupها، رسیدگی به پارامترها و سازماندهی موثر درخواست‌ها به پایگاه‌های دانش به دست آورید. درک کنید که چگونه Agentها به عنوان ستون فقرات تعاملات هوش مصنوعی پویا و هوشمند عمل می‌کنند.

  • Prompt Management: تخصص در ایجاد، مدیریت و بهینه‌سازی Promptها برای تنظیم دقیق پاسخ‌های هوش مصنوعی کسب کنید. استفاده از متغیرها و استراتژی‌ها را برای مهندسی Prompt موثر، یک مهارت حیاتی برای ارائه تجربیات کاربری سفارشی در برنامه‌های کاربردی هوش مصنوعی، کاوش کنید.

  • Flowها: یاد بگیرید که با ادغام پایگاه‌های دانش، Agentها و Promptها، گردش‌کارهای پیشرفته ایجاد کنید. Flowها به شما این امکان را می‌دهند تا تعاملات یکپارچه را طراحی کرده و منطق پیچیده برنامه را مدیریت کنید و از راه‌حل‌های هوش مصنوعی کارآمد و مقیاس‌پذیر اطمینان حاصل کنید.

  • Guardrailها: اهمیت امنیت و انطباق در سیستم‌های هوش مصنوعی را درک کنید. یاد بگیرید که چگونه Guardrailهای قوی را برای اطمینان از انطباق برنامه‌های خود با بهترین شیوه‌ها، باقی ماندن قابل اعتماد و کاهش موثر خطرات پیاده‌سازی کنید.

  • آزمایشگاه‌های عملی: دانش خود را از طریق آزمایشگاه‌های عملی به کار بگیرید که شما را در ساخت راه‌حل‌های سرتاسری راهنمایی می‌کند. پایگاه‌های دانش، Agentها و Promptها را ترکیب کنید تا برنامه‌های کاربردی هوش مصنوعی عملی و واقعی ایجاد کنید که مشکلات پیچیده را حل می‌کنند.


سرفصل ها و درس ها

مفهوم کلی General Concept

  • دید کلی از مدل‌های زبانی 10,000 Foot view on Language Models

  • پارامترهای استنتاج LLM LLM Inference Parameters

ابزارهای سازنده - پایگاه‌های دانش (KB) Builder Tools - Knowledge Bases(KB)

  • جستجوی معنایی با تعبیه برداری Semantic Search with Vector Embedding

  • RAG - تولید افزوده شده بازیابی RAG - Retrieval Augmentated Generation

  • معرفی KB Introduction to KB

  • تنظیم نقش و سیاست کاربر User Role and Policy Setup

  • KB با کاربر IAM KB with IAM User

  • پیکربندی KB KB Configuration

  • تمرین عملی KB KB Hands-On

  • پاکسازی منابع Resource Clean Up

جایزه - RAG با فریم‌ورک متن‌باز Bonus - RAG with Opensource Framework

  • خط لوله RAG با فریم‌ورک متن‌باز RAG pipeline with Open Source Framework

  • موضوع پیشرفته - بررسی عمیق بازیاب‌ها Advanced Topic - Retrievers Deep Dive

ابزارهای سازنده - عامل‌ها Builder Tools - Agents

  • معرفی عامل‌های هوش مصنوعی Inroduction to AI Agents

  • طراحی عامل‌محور با زمان اجرا Agentic Design with Runtime

  • راهنمای پیکربندی عامل‌ها Agents Configuration Walkthrough

  • تمرین عملی عامل‌ها با گروه اقدام Hands-On Agents with Action Group

  • تمرین عملی گروه اقدام با پارامتر Hands-On Action Group with Parameter

  • تمرین عملی عامل‌ها با پایگاه دانش Hands-On Agents with KnowledgeBase

  • هماهنگ‌سازی عامل‌ها (معروف به عامل برنامه‌ریز) - بررسی عمیق Agents Orchestration (aka Planner Agent) - Deep Dive

  • پاکسازی منابع Resource Clean Up

مورد استفاده - عامل هوش مصنوعی تغذیه‌ای چندوجهی با ابزارها، پرش‌های چندگانه و اعلان ReAct Use Case - Multimodal Nutrional AI Agent with Tools, Multi-Hop and ReAct Prompt

  • مورد استفاده عامل‌محور با معماری چندوجهی، پرش‌های چندگانه و ReAct Agentic Use Case with Multimodal, Multi-Hop and ReAct Architecture

  • اعلان ReAct برای عامل‌های هوش مصنوعی ReACT Prompt for AI Agents

  • اجرای عامل Run the Agent

  • مورد استفاده عامل‌محور چندوجهی با چندین ابزار Multimodal Agentic Use Case with Multiple Tools

مورد استفاده - عامل مسافرتی چندعامله با استفاده از فریم‌ورک CrewAI Use Case - Multi-Agentic Travel Agent using CrewAI Framework

  • معرفی CrewAI Introduction to CrewAI

  • نصب CrewAI Install CrewAI

  • تعریف عامل‌ها و وظایف Define Agents and Tasks

  • کلاس‌های پایه عامل مسافرتی Travel Agent Base Classes

  • عامل برنامه‌ریز با Crewbase Planner Agent with Crewbase

  • اجرای چند عامله با Crewbase Multi Agent Execution with Crewbase

  • ارزیابی اجرای چند عامل Evaluate Multi Agentic Execution

ابزارهای سازنده - مدیریت اعلان Builder Tools - Prompt Management

  • معرفی اعلان Introduction to Prompt

  • تمرین عملی مدیریت اعلان Hands-On Prompt Management

  • تمرین عملی متغیرها در مدیریت اعلان Hands-On Variables in Prompt Management

ابزارهای سازنده - جریان‌ها Builder Tools - Flows

  • معرفی جریان‌ها Introduction to Flows

  • اجزای جریان‌ها Flows Components

  • جریان‌ها - تمرین عملی Flows - Hands-On

  • پاکسازی منابع Resource Clean Up

ابزارهای سازنده - آزمایشگاه Builder Tools - Lab

  • آزمایشگاه - ساخت مورد استفاده چندعامله با استفاده از جریان‌ها، عامل‌ها، اعلان و KB Lab - Build Multi-Agentic use case using Flows, Agents, Prompt and KB

حصارها Guardrails

  • معرفی تزریق اعلان Introduction to Prompt Injection

  • معرفی توهم Introduction to Hallucination

  • تشخیص توهم Detect Hallucination

  • تمرین عملی حصارها Hands-On Guardrails

  • حصارهای چندوجهی-تصویری Multimodal-Image Guardrails

جایزه - حصارها با مدل‌های متن‌باز Bonus - Guardrails with Open Source Models

  • مدل محافظ اعلان - نظریه Prompt Guard Model - Theory

  • تمرین عملی مدل محافظ اعلان Hands On Prompt Guard Model

  • تمرین عملی - تشخیص توهم با قاضی توهم Phi3 Hands On - Detect Hallucination with Phi3 Hallucination Judge

ارزیاب‌ها Evaluators

  • زمان اجرای ارزیاب‌ها Evalutors Runtime

  • بازیاب و تولید (RAG) - ارزیاب Retriever and Generate (RAG) - Evaluator

  • مدل به عنوان قاضی - ارزیاب Model as a Judge - Evaluator

جایزه - ارزیاب با فریم‌ورک متن‌باز Bonus - Evaluator with OpenSource Framework

  • ارزیاب‌ها با فریم‌ورک متن‌باز Evaluators with OpenSource Framework

استنتاج دسته‌ای Batch Inference

  • تمرین عملی استنتاج دسته‌ای Hands On Batch Inference

تنظیم دقیق مدل Model Fine Tune

  • مدل پایه - تنظیم دقیق مدل Foundation Model - Fine tune model

  • پاکسازی منابع Resource Clean up

نمایش نظرات

آموزش راهنمای Amazon Bedrock: هوش مصنوعی مولد با استفاده از Agentهای هوش مصنوعی
جزییات دوره
7 hours
54
Udemy (یودمی) Udemy (یودمی)
(آخرین آپدیت)
113
4.7 از 5
دارد
دارد
دارد
Vrunda Patel
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Vrunda Patel Vrunda Patel

FirstLinkConsulting - خدمات آموزشی و مشاوره