مهندس آموزش ماشین گواهی AWS - Associate MLA-C01

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