آموزش ساخت عامل‌های هوش مصنوعی End-to-End در دنیای واقعی با استفاده از AWS Bedrock - آخرین آپدیت

دانلود Build Real world End-to-End AI Agents using AWS Bedrock

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: این دوره شامل Coursera Coach است! روشی هوشمندانه‌تر برای یادگیری با گفتگوهای تعاملی و آنی که به شما کمک می‌کند دانش خود را آزمایش کنید، فرضیات را به چالش بکشید و در حین پیشروی در دوره، درک خود را عمیق‌تر کنید. شما یاد خواهید گرفت که با استفاده از AWS Bedrock، پلتفرمی برای ایجاد اپلیکیشن‌های هوش مصنوعی مولد، عامل‌های پیشرفته AI بسازید. این دوره مفاهیم کلیدی مانند تولید تقویت‌شده با بازیابی (RAG) و ارکستراسیون توابع را برای تقویت مدل‌های هوش مصنوعی با داده‌های خارجی معرفی می‌کند. با پیشروی در دوره، تجربه عملی در استقرار چت‌بات‌ها، ایجاد پایگاه‌های دانش و یکپارچه‌سازی سرویس‌های AWS مانند Lambda و DynamoDB را کسب خواهید کرد. در طول این دوره، عمیق‌تر به بررسی سیستم‌های چند-عاملی (Multi-agent) و کاربردهای آن‌ها در سناریوهای واقعی مانند مدیریت موجودی محصول و پردازش وام‌های مسکن خواهید پرداخت. در پایان، مهارت‌های لازم برای ساخت عامل‌های هوش مصنوعی کاملاً کاربردی و مقیاس‌پذیر که می‌توانند با منابع داده پیچیده تعامل داشته باشند را به دست خواهید آورد. این دوره برای توسعه‌دهندگانی که تجربه کار با پایتون و محیط‌های ابری دارند، ایده‌آل است. داشتن دانش مفاهیم پایه رایانش ابری مفید است، اما هیچ تجربه قبلی در AWS Bedrock مورد نیاز نیست. مناسب برای کسانی است که هدفشان ایجاد راهکارهای پیچیده هوش مصنوعی است.

سرفصل ها و درس ها

مقدمه دوره و پیش‌زمینه Course Introduction & Background

  • مقدمه Introduction

  • نقش‌های نوظهور هوش مصنوعی در صنعت Emerging AI Roles in the Industry

  • پیش‌نیازهای دوره - مشاهده الزامی Course Prerequisites - Must Watch

مفاهیم بنیادی در اپلیکیشن‌های مبتنی بر LLM و هوش مصنوعی Fundamental Concepts in LLM-Driven Apps & AI

  • مروری بر معماری RAG Overview of RAG Architecture

  • آشنایی با فراخوانی توابع و ارکستراسیون Introduction to Function Calling and Orchestration

  • هوش مصنوعی عامل‌محور (Agentic AI) چیست؟ What is Agentic AI?

نصب نرم‌افزارهای مورد نیاز Dependent Software Installation

  • ابزارها و فریم‌ورک‌های مورد نیاز برای نصب Tools & Frameworks to be Installed

  • پروژه عملی: نصب Docker و AWS CLI Lab - Install Docker and AWS CLI

آشنایی با AWS Bedrock Introduction to AWS Bedrock

  • مروری بر AWS Bedrock Overview of AWS Bedrock

  • پروژه عملی: بررسی کنسول Bedrock Lab - Bedrock Console Walkthrough

  • پروژه عملی: شروع کار با Python/Boto3 برای Bedrock Lab - Getting Started with Python/Boto3 for Bedrock

  • پروژه عملی: استقرار چت‌بات Streamlit به عنوان کانتینر Docker در AWS ECS Lab - Deploy Streamlit Chatbot as Docker Container to AWS ECS

  • پروژه عملی: فراخوانی مدل‌های چند-وجهی Bedrock با کتابخانه Python/Boto3 Lab - Invoke Bedrock's MultiModal LLMs Using Python/Boto3 Library

  • تمرین: استقرار تولید تصویر با Stable Diffusion در AWS ECS Assignment - Deploy Image Generation using Stable Diffusion to AWS ECS

کار با Bedrock KnowledgeBase به عنوان ذخیره‌ساز برداری Working with Bedrock KnowledgeBase as Vector Store

  • مروری بر AWS Bedrock KnowledgeBase Overview of AWS Bedrock KnowledgeBase

  • پروژه عملی: ایجاد اولین پایگاه دانش برای پرسش و پاسخ Lab - Create Your First KnowledgeBase for Q&A

  • پروژه عملی: تست پایگاه دانش با استفاده از کنسول وب Lab - Test Your KnowledgeBase Using Web Console

  • پروژه عملی: فراخوانی پایگاه دانش با Python SDK و توابع Lambda از طریق API Gateway Lab - Invoke KnowledgeBase with Python SDK & Lambda Functions Using API Gateway

  • تمرین: راه‌اندازی پایگاه دانش زیرساخت خودروهای برقی Assignment - Setup Electric Vehicle Infrastructure KnowledgeBase

  • پاسخ تمرین - بخش اول | استقرار توابع Lambda با API Gateway Assignment Solution - Part 1 | Deploy Lambda Functions with API Gateway

  • پاسخ تمرین - بخش دوم | استقرار چت‌بات در AWS ECS Assignment Solution - Part 2 | Deploy Chatbot to AWS ECS

شروع کار با عامل‌های Bedrock (Bedrock Agents) Getting Started with Bedrock Agents

  • مروری بر عامل‌های Bedrock Overview of Bedrock Agents

  • بررسی مورد کاربردی: دستیار موجودی محصولات برای پلتفرم‌های تجارت الکترونیک Use-Case Overview - Product Inventory Assistant for ECommerce Platforms

  • پروژه عملی: تنظیم DynamoDB و Bedrock KnowledgeBase به عنوان منابع داده Lab - Setup DynamoDB and Bedrock KnowledgeBase as Data Sources

  • پروژه عملی: استقرار و تست توابع Lambda برای دسترسی به DynamoDB Lab - Deploy & Test Lambda Functions to Access DynamoDB

  • پروژه عملی: استقرار عامل Bedrock - پیاده‌سازی کامل Lab - Deploy Bedrock Agent - Full Implementation

  • پروژه عملی: فراخوانی عامل‌ها با استفاده از Python/Boto3 SDK Lab - Invoke Agents Using Python/Boto3 SDK

مقدمه‌ای بر همکاری چند-عاملی با استفاده از Bedrock Introduction to Multi-Agent Collaboration Using Bedrock

  • مقدمه‌ای بر همکاری چند-عاملی Introduction to Multi-Agent Collaboration

  • مروری بر پروژه دستیار وام مسکن Overview of Mortgage Assistant Lab

  • پروژه عملی: تنظیم اولین زیر-عامل - بخش اول Lab - Setup First Sub-Agent Part-1

  • پروژه عملی: تنظیم اولین زیر-عامل - بخش دوم Lab - Setup First Sub-Agent Part-2

  • پروژه عملی: تنظیم دومین زیر-عامل Lab - Setup Your Second Sub-Agent

  • پروژه عملی: تنظیم عامل ناظر (Supervisor Agent) Lab - Setup Supervisor Agent

  • پروژه عملی: استقرار چت‌بات دستیار وام مسکن در AWS ECS Lab - Deploy a Mortgage Assistant Chatbot to AWS ECS

پروژه عملی: توسعه دستیار رزرو هتل با AWS Bedrock، Dynamo و توابع Lambda Lab - Develop Hotel Booking Assistant with AWS Bedrock, Dynamo & Lambda Functions

  • مقدمه‌ای بر مورد کاربردی Introduction to the Use-Case

  • پروژه عملی: استقرار توابع Lambda دستیار رزرو هتل Lab - Deploy Hotel Booking Assistant Lambda Functions

  • پروژه عملی: استقرار کامل دستیار رزرو هتل با استفاده از AWS ECS Lab - Full Deployment of Hotel Booking Assistant Using AWS ECS

استفاده از Redshift به عنوان پایگاه دانش برای داده‌های ساختاریافته Redshift as a KnowledgeBase for Structured Data

  • مقدمه‌ای بر منابع داده ساختاریافته برای پایگاه دانش Introduction to Structured Data Source for KnowledgeBase

  • پروژه عملی: تنظیم Redshift Serverless برای لیست آپارتمان‌های اجاره‌ای Lab - Setup Redshift Serverless for Rental Apartment Listings

  • پروژه عملی: تنظیم پایگاه دانش با منبع داده Redshift Lab - Setup KnowledgeBase with Redshift Data Source

  • پروژه عملی: تنظیم عامل‌های دستیار اجاره با استفاده از Bedrock Lab - Setup Rental Assistant Agents Using Bedrock

  • نکات مهم قبل از استفاده از Redshift با Bedrock KnowledgeBase Remember This Before Using Redshift with Bedrock KnowledgeBase

  • تمرین: استقرار توابع Lambda برای کوئری گرفتن از Redshift برای عامل‌های Bedrock Lab - Assignment | Deploy Lambda Functions to Query Redshift for Bedrock Agents

گردش‌کارهای اپلیکیشن‌های هوش مصنوعی مولد با استفاده از Bedrock Flows Workflows for Generative AI Apps Using Bedrock Flows

  • مقدمه‌ای بر Bedrock Flows Introduction to Bedrock Flows

  • پروژه عملی: ساخت اولین گردش‌کار برای بازخوردهای کاربران در فروشگاه‌های آنلاین Lab - Build Your First Workflow for User Feedback for Ecommerce Stores

  • پروژه عملی: یکپارچه‌سازی Bedrock KnowledgeBase با Flows برای پاسخ‌های قابل اطمینان Lab - Integrate Bedrock KnowledgeBase with Flows for Reliable Responses

  • مقدمه‌ای بر گفتگوهای چند-مرحله‌ای (Multi-turn) Introduction to Multi-turn Conversations

  • پروژه عملی: استقرار عامل‌ها با Bedrock Flows - بخش اول Lab - Deploy Agents with Bedrock Flows | Part 1

  • پروژه عملی: استقرار عامل‌ها با Bedrock Flows - بخش دوم Lab - Deploy Agents with Bedrock Flows | Part 2

  • پروژه عملی: فراخوانی Bedrock Flows با استفاده از Python/Boto3 SDK Lab - Invoke Bedrock Flows Using Python/Boto3 SDK

نمایش نظرات

آموزش ساخت عامل‌های هوش مصنوعی End-to-End در دنیای واقعی با استفاده از AWS Bedrock
جزییات دوره
9h 37m
50
(آخرین آپدیت)
163
- 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