لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
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
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