مهندس آموزش ماشین گواهی AWS - Associate MLA-C01

AWS Certified Machine Learning Engineer - Associate MLA-C01

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره: تنها دوره ای که برای گذراندن آزمون مهندسی ماشین یادگیری معتبر AWS نیاز دارید | MLA-C01 | شامل آزمون کامل تمرینی! در آزمون کاردانی مهندس یادگیری ماشین گواهی شده AWS (MLA-C01) از جمله آزمون تمرین کامل شرکت کنید. توضیحات کامل برای آزمون ACE همه اسلایدها به صورت PDF قابل دانلود در دسترس هستند همه موضوعات پوشش داده شده و 100% به روز نسخه های نمایشی عملی با سناریوهای دنیای واقعی شروع به ساخت حرفه یادگیری ماشینی، آموزش و استقرار مدل های یادگیری ماشین در Amazon SageMaker Ingestion داده ها و پیش پردازش با SageMaker Data Wrangler Full Machine Learning Pipelines با SageMaker و موارد دیگر تسلط بر چرخه زندگی کامل یادگیری ماشین با مهارت های دنیای واقعی پیش نیازها: هیچ تجربه قبلی با AWS یا یادگیری ماشین مورد نیاز نیست!

تنها دوره‌ای که برای آماده‌سازی و گذراندن آزمون کاردانی مهندسی یادگیری ماشین گواهی‌شده AWS (MLA-C01) و تبدیل شدن به یک مهندس آموزش ماشین دارای گواهینامه AWS - همکار نیاز دارید!

آمادگی امتحان و یادگیری یادگیری ماشینی در AWS را با پروژه‌های عملی واقعی، آزمون‌ها و یک امتحان کامل تمرینی سرگرم‌کننده، آسان و بسیار مؤثر کنید!

این دوره هر موضوعی را که برای تسلط بر آزمون به آسانی نیاز دارید به شما آموزش می دهد.


چرا این تنها دوره‌ای است که برای قبولی در آزمون مهندس یادگیری ماشین خبره AWS نیاز دارید؟

  • هر موضوع به طور عمیق پوشش داده شده است

  • 100% به روز!

  • عملی عملی

  • امتحان عملی کامل شامل همه توضیحات

  • مهارت های عملی دنیای واقعی

  • نکات موفقیت

  • این دوره گام به گام شما را راهنمایی می کند تا به بهترین شکل ممکن برای امتحان آماده شوید

  • وقت خود را هدر ندهید، اما روی آنچه واقعاً برای تسلط بر امتحان مهم است تمرکز کنید!


این دوره گام به گام شما را راهنمایی می کند تا به بهترین شکل ممکن برای امتحان آماده شوید و حرفه موفق خود را در یادگیری ماشین شروع کنید!


مربی شما

سلام، نام من نیکولای است و دارای گواهینامه AWS هستم و AWS و تجزیه و تحلیل داده را در بیش از 200 کشور تدریس می کنم. ماموریت من با این دوره این است که استرس خود را از آمادگی برای امتحان دور کنم، آن را سرگرم کننده اما بسیار موثر برای به حداکثر رساندن زمان آمادگی شما کنم. من می‌خواهم مطمئن شوم که در سفر حرفه‌ای خود، بهترین شانس را برای موفقیت و پیشبرد حرفه خود با گواهینامه مهندس یادگیری ماشین AWS دارید.


اکنون ثبت نام کنید و دریافت کنید:


  • دسترسی مادام العمر شامل همه به روز رسانی های آینده

  • محتوای ویدیویی با کیفیت بالا

  • فایل های پروژه همه اسلایدها به عنوان منابع قابل دانلود

  • امتحان عملی کامل با توضیحات

  • نکاتی برای موفقیت در پشتیبانی در سطح متخصص

  • 30 روز ضمانت بازگشت وجه (بدون سوال!)



متخصص شوید چرخه زندگی کامل یادگیری ماشین را در AWS بیاموزید:


  • امتحان مهندس یادگیری ماشین گواهی شده AWS را بگذرانید

  • در یادگیری ماشینی در AWS استاد شوید و متخصص شوید

  • با SageMaker مدل‌های یادگیری ماشینی بسازید، آموزش دهید، و به کار بگیرید.

  • جریان های کاری ML را با SageMaker Pipelines هماهنگ کنید

  • اجرای انتقال و تبدیل داده با SageMaker Data Wrangler و AWS Glue

  • از SageMaker Feature Store برای مهندسی ویژگی استفاده کنید

  • استقرار مدل‌ها با استفاده از استنتاج بلادرنگ، دسته‌ای و بدون سرور

  • مدل های مانیتور در حال تولید با SageMaker Model Monitor

  • با SageMaker Debugger و Profiler مدل ها را اشکال زدایی و بهینه سازی کنید

  • روش‌های هوش مصنوعی مسئول را با SageMaker Clarify اجرا کنید

  • سرویس‌های ذخیره‌سازی و پردازش داده AWS مربوط به ML را بدانید

  • جریان کاری ML خود را با IAM، KMS و VPC ها ایمن کنید

  • اجرای خطوط لوله CI/CD برای ML با استفاده از SageMaker و AWS CodePipeline

  • بهینه سازی هزینه ها و نظارت بر حجم کاری ML با CloudWatch و ابزارهای مدیریت هزینه AWS

  • و خیلی بیشتر!


چه در یادگیری ماشینی تازه کار هستید یا به دنبال گسترش تخصص AWS خود هستید، این دوره همه چیزهایی را که نیاز دارید ارائه می دهد - آزمایشگاه های عملی، یک امتحان تمرینی کامل، و محتوای به روز که همه جنبه های یادگیری ماشین در AWS را پوشش می دهد. .


همین امروز از این فرصت استفاده کنید - این می تواند اولین قدم شما برای موفقیت در حرفه مهندسی یادگیری ماشین باشد!

منتظر دیدار شما در داخل دوره هستم!


سرفصل ها و درس ها

مقدمه Introduction

  • خوش آمدید! Welcome!

  • درباره امتحان و این دوره About the exam & this course

  • نکات مهم این دوره Important tips for this course

  • همه اسلایدها All Slides

SageMaker: Basics & Setup SageMaker: Basics & Setup

  • AWS Free Tier Account ML AWS Free Tier Account ML

  • بررسی اجمالی SageMaker SageMaker Overview

  • نوت بوک SageMaker SageMaker Notebooks

  • راه اندازی نمونه نوت بوک SageMaker Setting Up SageMaker Notebook Instance

  • عملیات اساسی در نمونه نوت بوک SageMaker Basic Operations in SageMaker Notebook Instance

  • SageMaker Studio راه اندازی دامنه و کاربران SageMaker Studio Setting Up Domain & Users

  • نمای کلی SageMaker Studio SageMaker Studio Overview

  • AWS Budgets Machine Learning AWS Budgets Machine Learning

  • SageMaker: Basics & Setup SageMaker: Basics & Setup

SageMaker: داده‌ها و مهندسی ویژگی SageMaker: Data Ingestion & Feature Engineering

  • آماده سازی داده ها با Data Wrangler Data Preparation with Data Wrangler

  • SageMaker: داده‌ها و مهندسی ویژگی SageMaker: Data Ingestion & Feature Engineering

  • داده ها را با استفاده از Data Wrangler وارد کنید Import data using Data Wrangler

  • Data Rangler - بینش را دریافت کنید Data Wrangler - Get Insights

  • Data Rangler Transform Data Data Wrangler Transform Data

  • صادرات داده در Data Wrangler Export Data in Data Wrangler

  • توقف اجرای نمونه ها Stop Running Instances

  • درک مهندسی ویژگی Understanding Feature Engineering

  • فروشگاه ویژگی SageMaker SageMaker Feature Store

  • فروشگاه ویژگی - ایجاد ویژگی ها و گروه های ویژه Feature Store - Creating Features & Feature Group

  • نوت بوک های SageMaker- تنظیم ویژگی ها SageMaker Notebooks- Setting up Features

  • SageMaker Ground Truth SageMaker Ground Truth

  • SageMaker: داده‌ها و مهندسی ویژگی SageMaker: Data Ingestion & Feature Engineering

  • ایجاد مشاغل برچسب زدن در Groud Truth Create Labeling Jobs in Groud Truth

  • راه اندازی نیروی کار Groud Truth Setting up Groud Truth Workforce

  • Ground Truth Plus Ground Truth Plus

SageMaker: Training & Hyperparameter Tuning SageMaker: Training & Hyperparameter Tuning

  • آموزش با الگوریتم های داخلی Training with Built-in Algorithms

  • SageMaker JumpStart SageMaker JumpStart

  • SageMaker: Training & Hyperparameter Tuning SageMaker: Training & Hyperparameter Tuning

  • استقرار یک مدل با استفاده از JumpStart Deploy a Model Using JumpStart

  • مدل های آموزشی - مسیرهای بالقوه Training Models - Potential Paths

  • آموزش مدل را آماده کنید Prepare The Training Of The Model

  • مدل قطار Train Model

  • بررسی مدل آموزش دیده Reviewing the Trained Model

  • تنظیم مدل و فراپارامترها Model Tuning & Hyperparameters

  • تکنیک های بهینه سازی هایپرپارامتر Hyperparamter Optimization Techniques

  • SageMaker: Training & Hyperparameter Tuning SageMaker: Training & Hyperparameter Tuning

  • تنظیم فراپارامتر در نوت بوک ها Hyperparameter Tuning in Notebooks

  • تنظیم فراپارامتر در رابط کاربری Hyperparameter Tuning in the UI

  • بوم SageMaker SageMaker Canvas

  • بوم SageMaker با استفاده از AutoML SageMaker Canvas Using AutoML

  • SageMaker Canvas Predict & Deploy SageMaker Canvas Predict & Deploy

  • اسکریپت آموزشی سفارشی Custom Training Script

  • ظروف Docker سفارشی Custom Docker Containers

  • آموزش توزیع شده Distributed Training

  • SageMaker: Training & Hyperparameter Tuning SageMaker: Training & Hyperparameter Tuning

SageMaker: ردیابی آزمایش SageMaker: Experiment Tracking

  • آزمایش های SageMaker SageMaker Experiments

  • MLflow راه اندازی سرور ردیابی MLflow Setting Up Tracking Server

  • آزمایش راه اندازی MLflow MLflow Setup Experiment

  • MLflow پیگیری و ضبط آزمایش‌ها MLflow Track & Record Experiments

  • سرور ردیابی را حذف کنید Delete Tracking Server

  • SageMaker: ردیابی آزمایش SageMaker: Experiment Tracking

SageMaker: Clarify & Responsible AI SageMaker: Clarify & Responsible AI

  • چالش های مسئول ال Challenges of Responsible Al

  • استراتژی‌ها در برابر تعصب و واریانس Strategies Against Bias & Variance

  • SageMaker Clarify SageMaker Clarify

  • SageMaker: Clarify & Responsible AI SageMaker: Clarify & Responsible AI

  • SageMaker Clarify Pre-Training Analysis SageMaker Clarify Pre-Training Analysis

  • SageMaker Clarify Review تجزیه و تحلیل قبل از آموزش SageMaker Clarify Review Pre-Training Analysis

  • SageMaker Clarify Model Bias Analysis SageMaker Clarify Model Bias Analysis

  • SageMaker Clarify Explainability Report SageMaker Clarify Explainability Report

SageMaker: اشکال زدایی و استقرار SageMaker: Debugging & Deployment

  • SageMaker Debugger SageMaker Debugger

  • SageMaker Debugger (دستی) SageMaker Debugger (Hands-on)

  • پروفایل SageMaker SageMaker Profiling

  • استراتژی های استقرار مدل در SageMaker Model Deployment Strategies in SageMaker

  • SageMaker: اشکال زدایی و استقرار SageMaker: Debugging & Deployment

  • استقرار نقطه پایان استنتاج بلادرنگ Deploy Real-Time Inference Endpoint

  • استقرار نقطه پایانی با استفاده از مدل Artifact Deploying Endpoint using Model Artifact

  • نقطه پایان استنتاج بدون سرور Serverless Inference Endpoint

  • استقرار با استفاده از تبدیل دسته ای Deploy Using Batch Transform

  • استقرار به عنوان نقطه پایانی استنتاج ناهمزمان Deploy as Asynchronous Inference Endpoint

  • نقاط پایانی چند مدل و چند کانتینر در SageMaker Multi-Model & Multi-Container Endpoints in SageMaker

  • استقرار یک نقطه پایانی چند مدلی Deploying a Multi-Model Endpoint

  • SageMaker Neo SageMaker Neo

SageMaker: مدل های مانیتورینگ SageMaker: Monitoring Models

  • مدل های مانیتورینگ Monitoring Models

  • مانیتور مدل SageMaker SageMaker Model Monitor

  • نظارت بر کیفیت داده ها در SageMaker Monitoring Data Quality in SageMaker

  • نظارت بر کیفیت مدل با SageMaker Monitor Model Quality with SageMaker

  • SageMaker: مدل های مانیتورینگ SageMaker: Monitoring Models

  • مانیتورینگ مدل ایجاد یک پایه Model Monitoring Create a Baseline

  • مانیتور SageMaker یک برنامه ایجاد کنید SageMaker Monitor Create a Schedule

SageMaker: Pipelines & Model Registry SageMaker: Pipelines & Model Registry

  • خطوط لوله SageMaker SageMaker Pipelines

  • SageMaker Pipelines (دستی) SageMaker Pipelines (Hands-on)

  • رجیستری مدل Model Registry

  • رجیستری مدل SageMaker SageMaker Model Registry

  • SageMaker: Pipelines & Model Registry SageMaker: Pipelines & Model Registry

مفاهیم یادگیری ماشینی Machine Learning Concepts

  • درک مدل های یادگیری ماشینی Understanding Machine Learning Models

  • یادگیری تحت نظارت Supervised Learning

  • یادگیری بدون نظارت Unsupervised Learning

  • الگوریتم های تحلیل متن Text Analysis Algorithms

  • طبقه بندی تصویر Image Classification

  • مفاهیم یادگیری ماشینی Machine Learning Concepts

  • یادگیری تقویتی Reinforcement Learning

  • تقویت یادگیری با SageMaker Reinforcement Learning with SageMaker

  • مفاهیم یادگیری ماشینی Machine Learning Concepts

  • مفاهیم ارزیابی مدل Model Evaluation Concepts

  • معیارهای ارزیابی عملکرد Performance Evaluation Metrics

  • چرخه حیات توسعه یادگیری ماشین Machine Learning Development Lifecycle

  • MLOs MLOps

  • مفاهیم یادگیری ماشینی Machine Learning Concepts

خدمات یادگیری ماشین AWS AWS Machine Learning Services

  • آمازون بستر چیست؟ What is Amazon Bedrock?

  • آمازون بستر - معماری Amazon Bedrock - Architecture

  • Amazon Bedrock - موارد استفاده Amazon Bedrock - Use Cases

  • خدمات یادگیری ماشین AWS AWS Machine Learning Services

  • عملی: کاوش در بستر آمازون Hands-on: Exploring Amazon Bedrock

  • عملی: نصب کد ویژوال استودیو Hands-on: Installing Visual Studio Code

  • عملی: تنظیم کد ویژوال استودیو Hands-on: Setting up Visual Studio Code

  • عملی: فراخوانی مدل تایتان آمازون Hands-on: Invoking Amazon Titan Model

  • عملی: تولید تصویر در بستر Hands-on: Image Generation in Bedrock

  • شخصی سازی آمازون Amazon Personalize

  • عملی: Dataset Group (Amazon Personalize) Hands-on: Dataset Group (Amazon Personalize)

  • عملی: مجموعه داده های آموزشی (Amazon Personalize) Hands-on: Training Dataset (Amazon Personalize)

  • عملی: مدل قطار (Amazon Personalize) Hands-on: Train Model (Amazon Personalize)

  • عملی: پیش بینی کنید (Amazon Personalize) Hands-on: Make Predictions (Amazon Personalize)

  • ردیاب تقلب آمازون Amazon Fraud Detector

  • خدمات یادگیری ماشین AWS AWS Machine Learning Services

  • راه اندازی و نوع رویداد (آشکارساز تقلب آمازون) Setup & Event Type (Amazon Fraud Detector)

  • مدل ساخت و قطار (ردیاب تقلب آمازون) Build & Train Model (Amazon Fraud Detector)

  • مدل ما (دتکتور تقلب آمازون) را ارزیابی کنید Evaluate our Model (Amazon Fraud Detector)

  • ایجاد آشکارساز و پیش بینی (آشکارساز تقلب آمازون) Create Detector & Make Predictions (Amazon Fraud Detector)

  • پاکسازی منابع (دتکتور تقلب آمازون) Cleaning up Resources (Amazon Fraud Detector)

  • هوش مصنوعی آمازون افزوده شده است Amazon Augmented AI

  • آمازون درک Amazon Comprehend

  • خدمات یادگیری ماشین AWS AWS Machine Learning Services

  • عملی: آمازون درک Hands-on: Amazon Comprehend

  • Amazon Comprehend Medical Hands on Amazon Comprehend Medical Hands on

  • شناسایی آمازون Amazon Rekognition

  • عملی: شناسایی آمازون Hands-on: Amazon Rekognition

  • عملی: استفاده از تشخیص در عملکرد لامبدا Hands-on: Using Rekognition in Lambda Function

  • متن آمازون Amazon Textract

  • عملی: متن آمازون Hands-on: Amazon Textract

  • آمازون کندرا Amazon Kendra

  • خدمات یادگیری ماشین AWS AWS Machine Learning Services

  • عملی: ایجاد فهرست و همگام سازی (Amazon Kendra) Hands-on: Create an Index & Sync (Amazon Kendra)

  • عملی: ایجاد تجربه (Amazon Kendra) Hands-on: Create Experience (Amazon Kendra)

بلع داده ها Data Ingestion

  • AWS S3 - مبانی AWS S3 - Basics

  • ایجاد یک سطل در S3 (دستی) Create a Bucket in S3 (Hands-on)

  • آپلود فایل در S3 (دستی) Uploading files to S3 (Hands-on)

  • بلع داده ها Data Ingestion

  • پخش جریانی در مقابل مصرف دسته‌ای Streaming vs Batch Ingestion

  • چسب AWS AWS Glue

  • راه اندازی خزنده ها (دستی) Setting Up Crawlers (Hands-on)

  • بلع داده ها Data Ingestion

پرس و جو با آتنا Querying with Athena

  • AWS Athena - بررسی اجمالی AWS Athena - Overview

  • پرس و جو داده ها با استفاده از Athena (دستی) Query data using Athena (Hands-on)

  • پرس و جوهای فدرال Federated Queries

  • عملکرد و هزینه Performance & Cost

  • گروه های کاری Workgroups

  • گروه های کاری (دستی) Workgroups (Hands-on)

  • پرس و جو با آتنا Querying with Athena

خدمات پردازش داده AWS AWS Data Processing Services

  • هزینه های چسب Glue Costs

  • Run Glue ETL Jobs (دستی) Run Glue ETL Jobs (Hands-on)

  • زمان‌بندی خزنده‌ها و مشاغل ETL (به صورت عملی) Scheduling Crawlers & ETL Jobs (Hands-on)

  • ایالتی در مقابل بی تابعیتی Stateful vs Stateless

  • بلع داده های بدون حالت در چسب (دستی) Stateless Data Ingestion in Glue (Hands-on)

  • بلع حالت دار با نشانک ها (دستی) Stateful Ingestion with Bookmarks (Hands-on)

  • خدمات پردازش داده AWS AWS Data Processing Services

  • تبدیل چسب (ETL) Glue Transformations (ETL)

  • کیفیت داده های چسب (دستی) Glue Data Quality (Hands-on)

  • گردش کار چسب Glue Workflows

  • گردش کار چسب - (دستی) Glue Workflows - (Hands-on)

  • انواع کار چسب Glue Job Types

  • انواع کار چسب (دستی) Glue Job Types (Hands-on)

  • پارتیشن بندی Partitioning

  • خدمات پردازش داده AWS AWS Data Processing Services

  • AWS Glue DataBrew AWS Glue DataBrew

  • AWS Glue DataBrew - Transformations AWS Glue DataBrew - Transformations

  • AWS Glue DataBrew (Hands-On) AWS Glue DataBrew (Hands-On)

  • AWS Lambda AWS Lambda

  • بلع رویداد محور با AWS Lambda (دستی) Event-Driven Ingestion with AWS Lambda (Hands-on)

  • لایه های لامبدا Lambda Layers

  • خدمات پردازش داده AWS AWS Data Processing Services

  • قابلیت پخش مجدد Replayability

  • Amazon Kinesis برای جریان داده ها Amazon Kinesis for Streaming Data

  • آمازون کینزیس جریان داده Amazon Kinesis Data Streams

  • توان عملیاتی و تاخیر Throughput and Latency

  • ایجاد یک جریان داده (دستی) Creating a Data Stream (Hands-on)

  • فن خروجی پیشرفته برای مصرف کنندگان Kinesis Enhanced Fan-Out for Kinesis Consumers

  • داده‌ها را از استریم بکشید و مصرف کنید (دستی) Pull and Consume Data From Stream (Hands-on)

  • فراخوانی یک تابع لامبدا از Amazon Kinesis (دستی) Calling a Lambda Function From Amazon Kinesis (Hands-on)

  • مشکلات رایج و عیب یابی Common Issues & Troubleshooting

  • خدمات پردازش داده AWS AWS Data Processing Services

  • کینسیس فایرهوز Kinesis Firehose

  • ایجاد جریان داده Firehose (دستی) Creating Data Firehose Stream (Hands-on)

  • Data Firehose - Transformations with Lambda (Hands-on) Data Firehose - Transformations with Lambda (Hands-on)

  • سرویس مدیریت آمازون برای Apache Flink Amazon Managed Service for Apache Flink

  • آمازون MSK Amazon MSK

  • MSK Connect و MSK بدون سرور MSK Connect & MSK Serverless

  • خدمات پردازش داده AWS AWS Data Processing Services

  • آمازون EMR Amazon EMR

  • انواع و فضای ذخیره سازی خوشه AWS EMR AWS EMR Cluster Types & Storage

  • AWS EMR Storage & Scaling AWS EMR Storage & Scaling

  • گزینه های استقرار AWS EMR AWS EMR Deployment Options

  • خدمات پردازش داده AWS AWS Data Processing Services

راه حل های ذخیره سازی AWS AWS Storage Solutions

  • اهمیت پارتیشن بندی Importance of Partitioning

  • پارتیشن بندی با چسب (دستی) Partitioning with Glue (Hands-on)

  • کلاس های مدیریت چرخه حیات و ذخیره سازی Lifecycle Management & Storage Classes

  • استفاده از قوانین چرخه حیات Using Lifecycle Rules

  • کلاس های ذخیره سازی (دستی) Storage Classes (Hands-on)

  • طبقه بندی هوشمند (دستی) Intelligent Tiering (Hands-on)

  • قوانین چرخه زندگی (عملی) Lifecycle Rules (Hands-on)

  • نسخه در S3 Versioning in S3

  • نسخه سازی (دستی) Versioning (Hands-on)

  • راه حل های ذخیره سازی AWS AWS Storage Solutions

  • همانند سازی Replication

  • تکرار (تکثیر) Replication (Hands-on)

  • امنیت در S3 Security in S3

  • امنیت (عملی) Security (Hands-on)

  • سیاست های سطل Bucket Policies

  • نقاط دسترسی در S3 Access Points in S3

  • شیء لامبدا Object Lambda

  • اعلان های رویداد S3 S3 Event Notifications

  • اعلان‌های رویداد S3 (دستی) S3 Event Notifications (Hands-on)

  • S3 Select & Glacier Select S3 Select & Glacier Select

  • انتخاب S3 (دستی) S3 Select (Hands-on)

  • راه حل های ذخیره سازی AWS AWS Storage Solutions

  • داده مش Data Mesh

  • تبادل داده Data Exchange

  • فروشگاه بلوک الاستیک آمازون (EBS) Amazon Elastic Block Store (EBS)

  • تامین EBS EBS Provisioning

  • ولوم های EBS (دستی) EBS Volumes (Hands-on)

  • سیستم فایل الاستیک آمازون (EFS) Amazon Elastic File System (EFS)

  • راه حل های ذخیره سازی AWS AWS Storage Solutions

امنیت و انطباق AWS AWS Security and Compliance

  • نمای کلی IAM IAM Overview

  • کاربران، گروه ها و نقش IAM IAM Users, Groups & Role

  • سیاست های IAM IAM Policies

  • IAM Create User (دستی) IAM Create User (Hands-on)

  • خط‌مشی‌های IAM (عملی) IAM Policies (Hands-on)

  • IAM ایجاد گروه‌ها و نقش‌ها (عملی) IAM Create Groups & Roles (Hands-on)

  • امنیت و انطباق AWS AWS Security and Compliance

  • نمای کلی AWS KMS AWS KMS Overview

  • مدیریت و قیمت گذاری کلید AWS KMS AWS KMS Key Management & Pricing

  • AWS KMS Cross-Region & Cross-Account AWS KMS Cross-Region & Cross-Account

  • AWS Macie AWS Macie

  • اسرار AWS AWS Secrets

  • اسرار AWS (دستی) AWS Secrets (Hands-on)

  • سپر AWS AWS Shield

  • امنیت و انطباق AWS AWS Security and Compliance

  • ابر خصوصی مجازی و زیرشبکه ها Virtual Private Cloud & Subnets

  • دروازه ها Gateways

  • همتاسازی VPN و VPC VPN & VPC Peering

  • گروه های امنیتی و NACL Security Groups & NACLs

  • ویژگی های اضافی VPC Additional VPC features

  • امنیت و انطباق AWS AWS Security and Compliance

  • AWS CloudTrail AWS CloudTrail

  • دریاچه AWS CloudTrail AWS CloudTrail Lake

  • پیکربندی AWS AWS Config

  • پیکربندی AWS (دستی) AWS Config (Hands-on)

  • چارچوب خوش معماری AWS AWS Well-Architected Framework

  • ابزار خوش معماری AWS AWS Well-Architected Tool

  • امنیت و انطباق AWS AWS Security and Compliance

خدمات استقرار و ارکستراسیون AWS AWS Deployment and Orchestration Services

  • AWS CloudFormation AWS CloudFormation

  • AWS CloudFormation (دستی) AWS CloudFormation (Hands-on)

  • کانتینرهای داکر Docker Containers

  • آمازون ECS Amazon ECS

  • Amazon ECS - انواع راه اندازی Amazon ECS - Launch Types

  • Amazon ECS - نقش های IAM Amazon ECS - IAM Roles

  • آمازون ECR Amazon ECR

  • آمازون EKS Amazon EKS

  • خدمات استقرار و ارکستراسیون AWS AWS Deployment and Orchestration Services

ابزارهای نظارت و مدیریت هزینه AWS AWS Monitoring and Cost Management Tools

  • نمای کلی آمازون CloudWatch Amazon CloudWatch Overview

  • متریک Amazon CloudWatch (دستی) Amazon CloudWatch Metrics (Hands-on)

  • Amazon CloudWatch Metrics Stream Amazon CloudWatch Metrics Stream

  • هشدار آمازون CloudWatch Amazon CloudWatch Alarms

  • هشدارهای CloudWatch (دستی) CloudWatch Alarms (Hands-on)

  • گزارش‌های آمازون CloudWatch Amazon CloudWatch Logs

  • گزارش‌های CloudWatch (دستی) CloudWatch Logs (Hands-on)

  • فیلتر کردن و اشتراک گزارش CloudWatch آمازون Amazon CloudWatch Log Filtering & Subscription

  • آمازون CloudWatch Logs Agent Amazon CloudWatch Logs Agent

  • ابزارهای نظارت و مدیریت هزینه AWS AWS Monitoring and Cost Management Tools

خدمات هوش مصنوعی AWS AWS AI Services

  • Amazon Q Business چیست؟ What is Amazon Q Business

  • عملی: برنامه تجاری آمازون Q را ایجاد کنید Hands-on: Create Amazon Q Business Application

  • عملی: تخصیص کاربران و آزمایش برنامه Hands-on: Assign Users & Test Application

  • عملی: استفاده از کنترل های جهانی Hands-on: Using Global Controls

  • عملی: مسدود کردن کلمات Hands-on: Blocking Words

  • عملی: کنترل های موضوع Hands-on: Topic Controls

  • رونویسی آمازون Amazon Transcribe

  • عملی: آمازون رونویسی Hands-on: Amazon Transcribe

  • آمازون پولی Amazon Polly

  • خدمات هوش مصنوعی AWS AWS AI Services

  • عملی: قیمت‌گذاری و مدل‌ها (Amazon Polly) Hands-on: Pricing & Models (Amazon Polly)

  • عملی: تبدیل متن به گفتار (آمازون پولی) Hands-on: Text-to-Speech (Amazon Polly)

  • عملی: SSML برای تغییر خروجی گفتار (Amazon Polly) Hands-on: SSML to modify speech output (Amazon Polly)

  • عملی: ترجمه هم‌زمان (ترجمه آمازون) Hands-on: Real-time translation (Amazon Translate)

  • عملی: ترجمه کار دسته جمعی (ترجمه آمازون) Hands-on: Batch job translation (Amazon Translate)

تمرین تمرین، نکات امتحانی و برنامه ریزی Practice Exam, Exam Tips & Scheduling

  • آزمون عملی: دانشیار مهندس یادگیری ماشین دارای گواهی AWS Practice Exam: AWS Certified Machine Learning Engineer Associate

  • ثبت نام در آزمون و 30 دقیقه زمان بیشتر! Exam Signup & Get 30min more time!

  • نکات امتحان نهایی Final Exam Tips

نمایش نظرات

مهندس آموزش ماشین گواهی AWS - Associate MLA-C01
جزییات دوره
26.5 hours
252
Udemy (یودمی) Udemy (یودمی)
(آخرین آپدیت)
245
4.8 از 5
دارد
دارد
دارد
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Nikolai Schuler Nikolai Schuler

دانشمند داده و مشاور BI