آماده‌سازی آزمون گواهینامه رهبری هوش مصنوعی مولد گوگل کلاد (Google Cloud Generative AI Leader) - آخرین آپدیت

سرفصل ها و درس ها

مقدمه Introduction

• خوش‌آمدگویی به دوره گواهینامه رهبری هوش مصنوعی مولد Welcome to the Generative AI Leader Certification course

• چه کسانی باید در این دوره شرکت کنند: آیا این دوره برای شما مناسب است؟ Who should take this course: Is this course right for you?

• نحوه پیمایش و بهره‌برداری حداکثری از این دوره How to navigate and maximize this course

• رهبر هوش مصنوعی مولد گوگل کلاد: بررسی کلی آزمون و استراتژی آمادگی Google Cloud Generative AI Leader: Exam overview and preparation strategy

۱. مبانی هوش مصنوعی مولد: مفاهیم، مدل‌ها و ارتباطات تجاری 1. Fundamentals of Generative AI: Concepts, Models, and Business Relevance

• انتخاب مدل پایه مناسب: مودالیته، کانتکست و هزینه Choosing the right foundation model: Modality, context, and cost

• کاربردهای تجاری دنیای واقعی برای هوش مصنوعی مولد Real-world business applications of generative AI

• یادگیری نظارت شده، نظارت نشده و تقویتی در هوش مصنوعی مولد Supervised, unsupervised, and reinforcement learning in generative AI

• تسلط بر مهندسی پرامپت، مدل‌های انتشار (Diffusion) و هوش مصنوعی چندوجهی Mastering prompt engineering, diffusion models, and multimodal AI

• داده‌های برچسب‌دار در مقابل بدون برچسب: انتخاب استراتژی آموزشی مناسب Labeled vs. unlabeled data: Choosing the right training strategy

• داده‌های ساختاریافته در مقابل بدون ساختار در گردش کارهای هوش مصنوعی مولد Structured vs. unstructured data in generative AI workflows

• عملکرد مدل، تنظیم دقیق (Fine-tuning) و امنیت در هوش مصنوعی مولد Model performance, fine-tuning, and security in generative AI

• تطبیق ابزارهای هوش مصنوعی گوگل کلاد با چرخه حیات یادگیری ماشین Google Cloud AI tools mapped to the ML lifecycle

• مفاهیم کلیدی هوش مصنوعی مولد: AI، ML، NLP، LLMs و مدل‌های پایه Core concepts of generative AI: AI, ML, NLP, LLMs, and foundation models

• هوش مصنوعی مولد چیست؟ (توضیح Generative AI)، تعاریف و تمایزها What is generative AI (generative AI explained)? Definitions and differentiators

• معرفی مدل‌های پایه گوگل: Gemini، Gemma، Imagen و Veo Gemini, Gemma, Imagen, and Veo: Google's foundation models explained

• چرخه حیات یادگیری ماشین: از ورود داده‌ها تا استقرار مسئولانه The machine learning lifecycle: From data ingestion to responsible deployment

• پشته تکنولوژی Gen AI: از زیرساخت تا اپلیکیشن‌ها The gen AI technology stack: From infrastructure to applications

• کیفیت و دسترسی به داده‌ها: مبانی هوش مصنوعی مسئولانه Data quality and accessibility: Foundations of responsible AI

۲. هوش مصنوعی مولد گوگل کلاد: پلتفرم، ابزارها و قابلیت‌های سازمانی 2. Google Cloud Gen AI: Platform, Tools, and Enterprise Capabilities

• هوش مصنوعی آماده برای سازمان: حریم خصوصی، مقیاس و قابلیت اطمینان در گوگل کلاد Enterprise-ready AI: Privacy, scale, and reliability on Google Cloud

• سازنده ایجنت Vertex AI: ابزارهای کم‌کد (Low-code) برای گردش کارهای سفارشی Vertex AI agent builder: Low-code tools for custom AI workflows

• حریم خصوصی داده‌ها، حاکمیت مدل و کنترل با هوش مصنوعی گوگل کلاد Data privacy, model governance, and control with Google Cloud AI

• گوگل Agentspace: ایجنت‌های سفارشی، NotebookLM و ادغام جستجو Google Agentspace: Custom Agents, NotebookLM, and search integration

• هوش مصنوعی گفتار، بینایی، ترجمه و اسناد: APIهای گوگل کلاد Speech, vision, translation, and document AI: Google Cloud APIs

• جمنای برای گوگل ورک‌اسپیس: هوش مصنوعی در Gmail، Docs، Sheets و سایرین Gemini for Google Workspace: AI inside Gmail, Docs, Sheets, and more

• باز، تحت نظارت و پاسخگو: استراتژی هوش مصنوعی گوگل برای سازمان‌ها Open, governed, and accountable: Google's AI strategy for enterprises

• چه چیزی گوگل را در زمینه هوش مصنوعی مولد متمایز می‌کند What sets Google apart in generative AI

• Vertex AI، Model Garden و AutoML: ابزارهایی برای هر سطح از توسعه‌دهنده Vertex AI, model garden, and AutoML: Tools for every developer level

• جستجوی Vertex AI در مقابل جستجوی گوگل: بازیابی دانش سازمانی Vertex AI search vs. Google search: Enterprise knowledge retrieval

• اپلیکیشن Gemini در مقابل Gemini Advanced: انتخاب ابزار سازمانی مناسب Gemini app vs. Gemini Advanced: Choosing the right enterprise tool

• هوش مصنوعی تعامل با مشتری: مرکز تماس، دستیار ایجنت و تحلیل‌ها Customer engagement AI: Contact center, agent assist, and insights

• TPUها، GPUها و هایپرکامپیوتر AI: مقیاس‌بندی عملکرد با گوگل TPUs, GPUs, and the AI hypercomputer: Scaling performance with Google

• افزونه‌ها، پلاگین‌ها و دسترسی به داده‌ها: عملیاتی کردن ایجنت‌ها Extensions, plugins, and data access: making agents actionable

• تولید تقویت شده با بازیابی (RAG): APIها و گردش کارهای سازمانی Retrieval-augmented generation (RAG): APIs and enterprise workflows

• گوگل AI Studio در مقابل Vertex AI Studio: نمونه‌سازی در مقابل تولید Google AI Studio vs. Vertex AI Studio: Prototyping vs. production

۳. هوش مصنوعی مولد مسئولانه: ریسک‌ها، Grounding و کنترل خروجی 3. Responsible Generative AI: Risks, Grounding, and Output Control

• ریسک‌های رایج Gen AI: سوگیری، توهم و شکاف‌های دانشی Common gen AI risks: Bias, hallucination & knowledge gaps

• پرامپت‌نویسی نقش-محور و زنجیره‌سازی پرامپت برای رفتار ساختاریافته AI Role prompting and prompt chaining for structured AI behavior

• استراتژی‌های کاهش ریسک: Grounding، RAG، HITL و تنظیم دقیق Mitigation strategies: Grounding, RAG, HITL & fine-tuning

• چگونه RAG دقت، مرتبط بودن و اعتماد به خروجی را بهبود می‌بخشد How RAG improves output accuracy, relevance, and trust

• مفهوم Grounding در Gen AI: داده‌های سازمانی، شخص ثالث و عمومی Grounding in gen AI: Enterprise, third-party, and public data

• مانیتورینگ Gen AI: شاخص‌های کلیدی عملکرد (KPI)، مشاهده‌پذیری و Feature Store Monitoring gen AI: KPIs, observability & feature store

• تنظیم خروجی با پارامترهای نمونه‌برداری: Tokenها، Temperature و Top P Tuning output with sampling parameters: Tokens, temperature, top-p

• مهندسی پرامپت: تکنیک‌های Zero-shot، One-shot و Few-shot Prompt engineering: Zero-shot, one-shot, and few-shot techniques

• زنجیره تفکر (Chain of Thought) و پرامپت ReAct: استدلال و اقدام Chain-of-thought and ReAct prompting: Reasoning and action

۴. مقیاس‌بندی و حاکمیت هوش مصنوعی مولد در سازمان 4. Scaling and Governing Generative AI in the Enterprise

• مراحل ادغام هوش مصنوعی مولد در سازمان Steps to integrate gen AI into the enterprise

• مدیریت دسترسی (IAM)، زیرساخت امن و ابزارهای مانیتورینگ IAM, secure-by-design infrastructure, monitoring tools

• نقشه‌برداری راهکارها: متن، تصویر، کد و شخصی‌سازی Mapping solutions: Text, image, code, personalization

• حریم خصوصی: گمنام‌سازی و نام مستعارسازی Privacy: Anonymization and pseudonymization

• همسو کردن راهکارها با نیازهای کسب‌وکار Aligning solutions with business needs

• شفافیت، توضیح‌پذیری و پاسخگویی Transparency, explainability, and accountability

• تکنیک‌های اندازه‌گیری تاثیر Impact measurement techniques

• چارچوب امنیتی هوش مصنوعی گوگل (SAIF) The Google Secure AI Framework (SAIF)

• سوگیری، عدالت و استفاده اخلاقی در کسب‌وکار Bias, fairness, and ethical business use

۵. آماده‌سازی آزمون نهایی و آمادگی برای رهبری 5. Final Exam Preparation and Leadership Readiness

• اشتباهات رایج و نکات مدیریت زمان Common mistakes and time management tips

• دامنه‌های کلیدی برای تمرکز در آزمون Key domains to focus on for the exam

• استراتژی‌های آزمون نهایی و موفقیت در دریافت گواهینامه Final exam strategies and certification success

• نمونه سوالات و بررسی گام‌به‌گام تمرینات Sample questions and practice walkthrough