جدید: برترین و جامع‌ترین دوره آموزشی گواهینامه رهبری هوش مصنوعی مولد - آخرین آپدیت

دانلود [NEW] The Ultimate Generative AI Leader Cert. Training

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره:

آماده‌سازی جامع برای آزمون رهبری هوش مصنوعی مولد گوگل کلود

[آخرین سرفصل] در اولین تلاش آزمون Generative AI Leader را با موفقیت پشت سر بگذارید!

دوره آموزشی جامع برای آزمون Google Cloud Generative AI Leader: بیش از 8 ساعت محتوای ویدئویی با کیفیت بالا + مجموعاً 263 پرسش و پاسخ به همراه توضیحات.

[به‌روزرسانی‌شده - سرفصل آزمون 2025] در آزمون Generative AI Leader مسلط شوید - بدون نیاز به دانش قبلی!

  • [قابل دانلود] خلاصه‌ای از مفاهیم کلیدی - فایل PDF (75 صفحه).

مباحث کلیدی که در این دوره خواهید آموخت:

  • تمایز بین هوش مصنوعی (Artificial Intelligence)، یادگیری ماشین (Machine Learning) و یادگیری عمیق (Deep Learning).
  • شناسایی انواع مختلف داده‌های مورد استفاده در یادگیری ماشین و ارزیابی الزامات کیفیت داده برای پروژه‌های موفق.
  • بررسی کاربردهای بینایی ماشین (Computer Vision) و پردازش زبان طبیعی (Natural Language Processing - NLP).
  • یادگیری مراحل کلیدی در فرایند یادگیری ماشین.
  • تشخیص و بکارگیری انواع اصلی یادگیری ماشین: نظارت‌شده (Supervised)، نظارت‌نشده (Unsupervised)، تقویتی (Reinforcement) و نیمه‌نظارت‌شده (Semi-Supervised).
  • بررسی چرخه عمر کامل یادگیری ماشین شامل فازهای توسعه، استقرار و نگهداری.
  • ارزیابی دسترسی‌پذیری داده و مسائل مربوط به کیفیت که می‌توانند بر موفقیت پروژه‌های یادگیری ماشین تأثیر بگذارند.
  • توضیح اینکه چگونه الگوریتم‌های یادگیری ماشین داده‌های خام را به پیش‌بینی‌ها و تصمیمات هوشمند تبدیل می‌کنند.
  • بررسی وضعیت فعلی هوش مصنوعی مولد و جایگاه مدل‌های پایه گوگل در اکوسیستم رقابتی.
  • ارزیابی قابلیت‌های چندوجهی Gemini برای متن، کد و استدلال در کاربردهای مختلف تجاری.
  • مقایسه معماری سبک وزن Gemma با مدل‌های بزرگ‌تر و تعیین اینکه چه زمانی بازدهی بر توان خروجی خام اولویت دارد.
  • تجزیه و تحلیل قابلیت‌های تولید تصویر از متن Imagen و ارزیابی پتانسیل آن برای پروژه‌های خلاقانه و تجاری.
  • انتخاب مناسب‌ترین مدل پایه گوگل بر اساس الزامات و محدودیت‌های خاص پروژه.
  • تجزیه و تحلیل استراتژی "AI-first" گوگل و توضیح اینکه چگونه مزیت‌های رقابتی در بازار محاسبات ابری ایجاد می‌کند.
  • ارزیابی ویژگی‌های هوش مصنوعی سازمانی Google Cloud از جمله امنیت، حریم خصوصی، قابلیت اطمینان و مقیاس‌پذیری.
  • بررسی معماری Hypercomputer گوگل کلود، TPUs و GPUs برای درک نقش آنها در تقویت حجم‌کارهای هوش مصنوعی مولد.
  • تعیین عوامل کلیدی که Google Cloud را برای مقیاس‌بندی ابتکارات هوش مصنوعی سازمانی مناسب می‌سازد.
  • مرور پلکان اشتراک Gemini App و انتخاب طرح مناسب برای نیازهای شخصی یا تجاری.
  • درک راهکارهای Vertex AI Search و Google Search در کاربردهای تجاری.
  • کشف قابلیت‌های Google Agentspace و شناسایی کاربردهای آن در صنایع مختلف.
  • بررسی اینکه چگونه Gemini AI باعث بهبود Gmail، Docs و Sheets برای بهره‌وری بیشتر می‌شود.
  • درک عوامل مکالمه‌ای و ابزارهای خدمات مشتری که تعامل را بهبود می‌بخشند.
  • شناسایی اینکه کدام راهکارهای از پیش ساخته‌شده Google AI بهترین تناسب را با چالش‌های خاص گردش کار دارند.
  • یادگیری تکنیک‌های RAG و grounding که دقت پاسخ AI و ارتباط متنی را بهبود می‌بخشند.
  • درک رویکرد یکپارچه پلتفرم Vertex AI برای چرخه عمر کامل توسعه AI از آموزش تا استقرار.
  • درک قابلیت‌های Vertex AI Agent Builder برای ایجاد عوامل هوش مصنوعی خودمختار که وظایف چندمرحله‌ای را انجام می‌دهند.
  • کشف اینکه چگونه سرویس‌ها و APIهای Google Cloud ابزارهای اساسی برای ساخت سیستم‌های عامل پیچیده را فراهم می‌کنند.
  • یادگیری نحوه تعامل عوامل AI با محیط‌های خارجی از طریق برنامه‌های افزودنی، عملکردها و مخازن داده برای انجام اقدامات واقعی.
  • درک راهکارهای Google Cloud مانند grounding ،RAG و مهندسی سریع برای ساخت سیستم‌های AI قابل اعتمادتر.
  • شناسایی محدودیت‌های مدل پایه متداول شامل توهمات، سوگیری و قطع دانش که بر عملکرد AI تأثیر می‌گذارند.
  • یادگیری نحوه نظارت و ارزیابی مداوم با استفاده از Vertex AI تضمین می‌کند که برنامه‌های AI قوی و آماده تولید هستند.
  • درک اصول اساسی مهندسی سریع که خلاقیت را با رویکردهای سیستماتیک برای عملکرد بهینه LLM ترکیب می‌کند.
  • یادگیری تکنیک‌های سریع‌سازی ضروری شامل سرعت‌دهی صفر شات، سرعت‌دهی چند شات و سرعت‌دهی مبتنی بر نقش برای موارد استفاده مختلف.
  • کشف استراتژی‌های پیشرفته مانند استدلال زنجیره‌ای و پارامترهای استنتاج که رفتار و خروجی مدل AI را کنترل می‌کنند.
  • شناسایی انواع مختلف راهکارهای تجاری هوش مصنوعی مولد و درک اینکه چگونه چالش‌های سازمانی واقعی را برطرف می‌کنند.
  • یادگیری مراحل و ملاحظات اساسی برای ادغام سیستماتیک هوش مصنوعی مولد در گردش کارهای سازمانی.
  • درک عوامل تصمیم‌گیری کلیدی از جمله الزامات تجاری، محدودیت‌های فنی و اندازه‌گیری ROI برای پیاده‌سازی موفقیت‌آمیز AI.
  • درک اینکه چرا امنیت باید در هر مرحله از چرخه عمر یادگیری ماشین از توسعه تا استقرار ادغام شود.
  • یادگیری چارچوب هوش مصنوعی امن (SAIF) گوگل و نحوه پرداختن آن به چالش‌های امنیتی منحصربه‌فرد در سیستم‌های هوش مصنوعی مولد.
  • کشف ابزارهای امنیتی Google Cloud از جمله IAM ،Security Command Center و سرویس‌های نظارت برای حفاظت جامع AI.
  • درک اینکه چرا شیوه‌های هوش مصنوعی مسئولانه از جمله شفافیت و اخلاق برای موفقیت تجاری پایدار و اعتماد ذینفعان ضروری است.
  • آشنایی با ملاحظات مربوط به حریم خصوصی در هوش مصنوعی مولد و کشف اقدامات حفاظتی مانند ناشناس‌سازی داده‌ها و تکنیک‌های نام مستعار.
  • کشف اینکه چگونه کیفیت داده بر سوگیری و انصاف تأثیر می‌گذارد و استراتژی‌هایی را برای ساخت سیستم‌های AI مسئولانه و قابل توضیح درک می‌کند.

پیش‌نیازها: بدون نیاز به دانش یا تجربه قبلی در هوش مصنوعی یا محاسبات ابری.

به دوره آموزشی گواهینامه رهبری هوش مصنوعی مولد خوش آمدید - راهنمای کامل شما برای قبولی در آزمون.

نام من ولادیمیر است و من مدرس شما خواهم بود. من دارای گواهینامه رهبری هوش مصنوعی مولد گوگل کلود، AWS AI Practitioner، متخصص مدیریت پروژه، Scrum Master و Product Owner هستم. من در حال حاضر به عنوان مدیر محصول چابک در یک شرکت توسعه نرم‌افزار کار می‌کنم.

من به طرز باورنکردنی به هوش مصنوعی مولد علاقه مندم زیرا معتقدم که این فقط یک فناوری نیست، بلکه یک نیروی انقلابی است که به ما این امکان را می‌دهد تا نوآوری کنیم و مشکلات واقعی را به روش‌هایی حل کنیم که هرگز فکرش را نمی‌کردیم.

من 10 سال گذشته را صرف تدریس آنلاین کرده‌ام و به هزاران دانشجو کمک کرده‌ام تا گواهینامه‌های خود را کسب کنند. اکنون، من اینجا هستم تا با یک دوره جامع که همه چیزهایی را که باید بدانید را پوشش می‌دهد، به شما در انجام همین کار کمک کنم.

در پایان این دوره، شما:

  • برای شرکت در آزمون رسمی Google Cloud Generative AI Leader به خوبی آماده خواهید بود.
  • پایه‌ای قوی در مفاهیم اصلی AI، ML و یادگیری عمیق خواهید داشت - که به سادگی و واضح توضیح داده شده است - و من بیش از 200 اسلاید با نمودارها و تصاویر ایجاد کرده‌ام تا مطمئن شوم که این مورد است.
  • درک عمیقی از پیشنهادات قدرتمند هوش مصنوعی مولد Google Cloud، از مدل‌های پایه مانند Gemini، Imagen و Veo گرفته تا خدمات تخصصی مانند Vertex AI Search و Agent Builder به دست خواهید آورد.
  • بر تکنیک‌های عملی مانند مهندسی سریع، RAG و تنظیم دقیق مسلط خواهید شد و یاد خواهید گرفت که چگونه اصول هوش مصنوعی مسئولانه را در سناریوهای دنیای واقعی به کار ببرید.

در مورد ساختار دوره، موارد زیر را خواهید یافت:

  • 14 بخش ساختاریافته، منطبق با 4 بخش آزمون: مبانی هوش مصنوعی مولد، پیشنهادات هوش مصنوعی مولد Google Cloud،: تکنیک‌هایی برای بهبود خروجی مدل هوش مصنوعی مولد
  • و استراتژی‌های تجاری برای یک راهکار موفق Gen AI
  • بیش از 80 درس ویدئویی مختصر (تقریباً 8 ساعت در مجموع). هر ویدئو اسکریپت شده است تا از ارائه واضح و مختصر اطمینان حاصل شود - بدون پرکننده، بدون لحظات "اوم" و غیره
  • بیش از 160 سوال تمرینی با توضیحات مفصل، به عنوان آزمون در پایان هر بخش گنجانده شده است
  • 2 آزمون تمرینی کامل، هر کدام با 50 سوال که فرمت واقعی آزمون را منعکس می‌کنند
  • یک خلاصه PDF قابل دانلود 75 صفحه‌ای از نکات کلیدی - عالی برای تجدید نظر در آخرین لحظه
  • به روز رسانی‌های منظم بر اساس آخرین تغییرات در پیشنهادات Google Cloud GenAI و محتوای آزمون

این دوره برای هر کسی طراحی شده است که به دنبال کسب گواهینامه Google Cloud Generative AI Leader و افزودن آن به جعبه ابزار حرفه‌ای خود است - بدون نیاز به تجربه قبلی در AI یا cloud. چه هدف شما درک نحوه عملکرد هوش مصنوعی در محیط‌های تجاری دنیای واقعی باشد و چه آماده شدن برای نقش بعدی خود، این دوره دانش و اطمینان لازم برای قبولی در آزمون را به شما می‌دهد.

ایده‌آل برای متخصصان کسب و کار، مدیران پروژه و هر کسی که می‌خواهد مهارت‌های رهبری هوش مصنوعی را به جعبه ابزار خود اضافه کند - بدون نیاز به تجربه قبلی در AI."

در پایان، نه تنها برای قبولی در آزمون آماده خواهید بود، بلکه مفاهیم پشت آن را نیز درک خواهید کرد.

آماده شروع هستید؟ ویدئوهای پیش نمایش - به خصوص "نقشه راه موفقیت" - را تماشا کنید تا استراتژی من را برای کمک به شما در قبولی در آزمون و درک واقعی مطالب ببینید.

روی ثبت نام کلیک کنید و بیایید سفر رهبری هوش مصنوعی مولد خود را با هم آغاز کنیم.

شما را در داخل می‌بینم!

---

این دوره وابسته به پلتفرم ابری گوگل (GCP) یا گوگل LLC نیست و توسط آنها تایید یا حمایت نمی‌شود. Google Cloud و تمام نام‌های محصولات Google علائم تجاری Google LLC هستند. تمام لوگوها و علائم تجاری فقط برای اهداف آموزشی و شناسایی استفاده می‌شوند.

این دوره حاوی استفاده از هوش مصنوعی است.


سرفصل ها و درس ها

Introduction & Core Generative AI Concepts

  • The Goal Of This Course And My Teaching Methodology-هدف این دوره و متدولوژی تدریس من The Goal Of This Course And My Teaching Methodology

  • Google Cloud Generative AI Leader Exam Details-جزئیات امتحان Google Cloud Generative AI Leader Google Cloud Generative AI Leader Exam Details

  • [Roadmap To Success] Get The Google Cloud Generative AI Leader Certification-[نقشه راه موفقیت] دریافت گواهینامه Google Cloud Generative AI Leader [Roadmap To Success] Get The Google Cloud Generative AI Leader Certification

  • [Fast Learning] Download The Most Important Points In PDF Slides-[یادگیری سریع] دانلود مهمترین نکات در اسلایدهای PDF [Fast Learning] Download The Most Important Points In PDF Slides

  • Artificial intelligence (AI)-هوش مصنوعی (AI) Artificial intelligence (AI)

  • Your Experience With This Course-تجربه شما از این دوره Your Experience With This Course

  • Machine Learning (ML)-یادگیری ماشین (ML) Machine Learning (ML)

  • Deep Learning (DL)-یادگیری عمیق (DL) Deep Learning (DL)

  • Explaining AI, ML, and DL to Executive Leadership-توضیح AI، ML و DL برای رهبری اجرایی Explaining AI, ML, and DL to Executive Leadership

  • Please, Introduce Yourself-لطفا خودتان را معرفی کنید Please, Introduce Yourself

  • Computer Vision & Natural Language Processing - Key Advancements-بینایی کامپیوتر و پردازش زبان طبیعی - پیشرفت های کلیدی Computer Vision & Natural Language Processing - Key Advancements

  • Foundation Models: Architecture and Capabilities-مدل‌های پایه: معماری و قابلیت‌ها Foundation Models: Architecture and Capabilities

  • Large Language Models (LLMs) Explained-توضیح مدل‌های زبانی بزرگ (LLM) Large Language Models (LLMs) Explained

  • Multimodal Foundation Models-مدل‌های پایه چندوجهی Multimodal Foundation Models

  • Diffusion Models-مدل‌های انتشار Diffusion Models

  • Prompt Tuning vs Prompt Engineering-تنظیم پرامپت در مقابل مهندسی پرامپت Prompt Tuning vs Prompt Engineering

  • [Section Recap] Introduction & Core Generative AI Concepts-[جمع‌بندی بخش] مقدمه و مفاهیم اصلی هوش مصنوعی مولد [Section Recap] Introduction & Core Generative AI Concepts

  • [Quiz] Introduction & Core Generative AI Concepts-[آزمون کوتاه] مقدمه و مفاهیم اصلی هوش مصنوعی مولد [Quiz] Introduction & Core Generative AI Concepts

Machine Learning Fundamentals - Learning Approahces & Data Types-مبانی یادگیری ماشین - رویکردهای یادگیری و انواع داده Machine Learning Fundamentals - Learning Approahces & Data Types

  • Intro-مقدمه Intro

  • The Machine Learning Process-فرایند یادگیری ماشین The Machine Learning Process

  • Data Types in Machine Learning-انواع داده در یادگیری ماشین Data Types in Machine Learning

  • Learning Types - Supervised Learning - Part 1-انواع یادگیری - یادگیری نظارت شده - قسمت 1 Learning Types - Supervised Learning - Part 1

  • Learning Types - Supervised Learning - Part 2-انواع یادگیری - یادگیری نظارت شده - قسمت 2 Learning Types - Supervised Learning - Part 2

  • Learning Types - Unsupervised Learning - Part 1-انواع یادگیری - یادگیری بدون نظارت - قسمت 1 Learning Types - Unsupervised Learning - Part 1

  • Learning Types - Unsupervised Learning - Part 2-انواع یادگیری - یادگیری بدون نظارت - قسمت 2 Learning Types - Unsupervised Learning - Part 2

  • Learning Types - Reinforcement Learning-انواع یادگیری - یادگیری تقویتی Learning Types - Reinforcement Learning

  • The Machine Learning Lifecycle & Google Cloud Tools-چرخه حیات یادگیری ماشین و ابزارهای Google Cloud The Machine Learning Lifecycle & Google Cloud Tools

  • Data Quality and Accessibility-کیفیت و دسترسی‌پذیری داده Data Quality and Accessibility

  • [Section Recap] Machine Learning Fundamentals - Learning Approahces & Data Types-[جمع‌بندی بخش] مبانی یادگیری ماشین - رویکردهای یادگیری و انواع داده [Section Recap] Machine Learning Fundamentals - Learning Approahces & Data Types

  • [Quiz] Machine Learning Fundamentals - Learning Approahces & Data Types-[آزمون کوتاه] مبانی یادگیری ماشین - رویکردهای یادگیری و انواع داده [Quiz] Machine Learning Fundamentals - Learning Approahces & Data Types

Google's Foundation Models-مدل‌های پایه گوگل Google's Foundation Models

  • Intro-مقدمه Intro

  • The Generative AI Landscape-چشم‌انداز هوش مصنوعی مولد The Generative AI Landscape

  • Gemini: Capabilities and Use Cases - Part 1-Gemini: قابلیت‌ها و موارد استفاده - قسمت 1 Gemini: Capabilities and Use Cases - Part 1

  • Gemini: Capabilities and Use Cases - Part 2-Gemini: قابلیت‌ها و موارد استفاده - قسمت 2 Gemini: Capabilities and Use Cases - Part 2

  • Demo: The Gemini App and Models-دمو: اپلیکیشن و مدل‌های Gemini Demo: The Gemini App and Models

  • Gemma: Capabilities and Use Cases-Gemma: قابلیت‌ها و موارد استفاده Gemma: Capabilities and Use Cases

  • Demo: Gemma-دمو: Gemma Demo: Gemma

  • Imagen: Capabilities and Use Cases-Imagen: قابلیت‌ها و موارد استفاده Imagen: Capabilities and Use Cases

  • Demo: Imagen-دمو: Imagen Demo: Imagen

  • Veo: Capabilities and Use Cases-Veo: قابلیت‌ها و موارد استفاده Veo: Capabilities and Use Cases

  • Demo: Veo-دمو: Veo Demo: Veo

  • [Section Recap] Google's Foundation Models-[جمع‌بندی بخش] مدل‌های پایه گوگل [Section Recap] Google's Foundation Models

  • [Quiz] Google's Foundation Models-[آزمون کوتاه] مدل‌های پایه گوگل [Quiz] Google's Foundation Models

Google Cloud's Strengths in Generative AI-نقاط قوت Google Cloud در هوش مصنوعی مولد Google Cloud's Strengths in Generative AI

  • Intro-مقدمه Intro

  • Google's AI-First Vision and Commitment to Innovation-دیدگاه AI-First گوگل و تعهد به نوآوری Google's AI-First Vision and Commitment to Innovation

  • Google's AI-First Strategy Discussion-بحث در مورد استراتژی AI-First گوگل Google's AI-First Strategy Discussion

  • The Google Cloud Enterprise-Ready AI Platform-پلتفرم هوش مصنوعی Enterprise-Ready گوگل کلود The Google Cloud Enterprise-Ready AI Platform

  • Advantages of Google's Comprehensive AI Ecosystem & Open Approach-مزایای اکوسیستم جامع هوش مصنوعی گوگل و رویکرد باز Advantages of Google's Comprehensive AI Ecosystem & Open Approach

  • Powering Gen AI: Google Cloud's AI-Optimized Infrastructure-توانمندسازی Gen AI: زیرساخت بهینه‌شده هوش مصنوعی Google Cloud Powering Gen AI: Google Cloud's AI-Optimized Infrastructure

  • Data Control & Democratizing AI on Google Cloud-کنترل داده و دموکراتیزه کردن AI در Google Cloud Data Control & Democratizing AI on Google Cloud

  • [Section Recap] Google Cloud's Strengths in Generative AI-[جمع‌بندی بخش] نقاط قوت Google Cloud در هوش مصنوعی مولد [Section Recap] Google Cloud's Strengths in Generative AI

  • [Quiz] Google Cloud's Strengths in Generative AI-[آزمون کوتاه] نقاط قوت Google Cloud در هوش مصنوعی مولد [Quiz] Google Cloud's Strengths in Generative AI

Prebuilt Gen AI Offerings for Productivity & Work-پیشنهادهای Gen AI از پیش ساخته شده برای بهره وری و کار Prebuilt Gen AI Offerings for Productivity & Work

  • Intro-مقدمه Intro

  • Gemini App and Google AI Subscription Plans-اپلیکیشن Gemini و پلن های اشتراک Google AI Gemini App and Google AI Subscription Plans

  • Hands-On: Gems-عملی: Gems Hands-On: Gems

  • Hands-On: Saved Info (A Feature Within The Gemini App)-عملی: Saved Info (ویژگی داخل اپلیکیشن Gemini) Hands-On: Saved Info (A Feature Within The Gemini App)

  • Gemini Enterprise (Formerly Google Agentspace): Features and Applications-Gemini Enterprise (قبلاً Google Agentspace): ویژگی‌ها و کاربردها Gemini Enterprise (Formerly Google Agentspace): Features and Applications

  • Gemini for Google Workspace: AI-Powered Collaboration-Gemini برای Google Workspace: همکاری مبتنی بر هوش مصنوعی Gemini for Google Workspace: AI-Powered Collaboration

  • Hands-On: Gemini in Google Slides-عملی: Gemini در Google Slides Hands-On: Gemini in Google Slides

  • Hands-On: Gemini in Google Sheets-عملی: Gemini در Google Sheets Hands-On: Gemini in Google Sheets

  • Google Cloud's External Search Offerings (Vertex AI Search, Google Search)-پیشنهادهای جستجوی خارجی Google Cloud (Vertex AI Search، Google Search) Google Cloud's External Search Offerings (Vertex AI Search, Google Search)

  • Google's Customer Engagement Suite-مجموعه تعامل با مشتری گوگل Google's Customer Engagement Suite

  • Hands-On: NotebookLM-عملی: NotebookLM Hands-On: NotebookLM

  • [Section Recap] Prebuilt Gen AI Offerings for Productivity & Work-[جمع‌بندی بخش] پیشنهادهای Gen AI از پیش ساخته شده برای بهره وری و کار [Section Recap] Prebuilt Gen AI Offerings for Productivity & Work

  • [Quiz] Prebuilt Gen AI Offerings for Productivity & Work-[آزمون کوتاه] پیشنهادهای Gen AI از پیش ساخته شده برای بهره وری و کار [Quiz] Prebuilt Gen AI Offerings for Productivity & Work

Empowering Developers with Google Cloud AI Tools-توانمندسازی توسعه دهندگان با ابزارهای هوش مصنوعی Google Cloud Empowering Developers with Google Cloud AI Tools

  • Intro-مقدمه Intro

  • Vertex AI Platform: Unified ML Platform-پلتفرم Vertex AI: پلتفرم یکپارچه ML Vertex AI Platform: Unified ML Platform

  • Walkthrough: Vertex AI & Model Garden-راهنما: Vertex AI و Model Garden Walkthrough: Vertex AI & Model Garden

  • What are RAG and Grounding?-RAG و Grounding چیستند؟ What are RAG and Grounding?

  • Vertex AI Search (as a Developer Tool)-جستجوی Vertex AI (به عنوان ابزار توسعه دهنده) Vertex AI Search (as a Developer Tool)

  • AutoML on Vertex AI-AutoML در Vertex AI AutoML on Vertex AI

  • Demo: Google AI Studio - Three Prompt Types-دمو: Google AI Studio - سه نوع پرامپت Demo: Google AI Studio - Three Prompt Types

  • [Section Recap] Empowering Developers with Google Cloud AI Tools-[جمع‌بندی بخش] توانمندسازی توسعه دهندگان با ابزارهای هوش مصنوعی Google Cloud [Section Recap] Empowering Developers with Google Cloud AI Tools

  • [Quiz] Empowering Developers with Google Cloud AI Tools-[آزمون کوتاه] توانمندسازی توسعه دهندگان با ابزارهای هوش مصنوعی Google Cloud [Quiz] Empowering Developers with Google Cloud AI Tools

Gen AI Agents Gen AI Agents

  • Intro-مقدمه Intro

  • Vertex AI Agent Builder: Creating Custom AI Agents-Vertex AI Agent Builder: ساخت ایجنت‌های سفارشی هوش مصنوعی Vertex AI Agent Builder: Creating Custom AI Agents

  • Key Google Cloud Services & APIs for Agent Tooling-سرویس‌ها و APIهای کلیدی Google Cloud برای ابزارسازی ایجنت Key Google Cloud Services & APIs for Agent Tooling

  • How Gen AI Agents Interact with the External Environment-نحوه تعامل ایجنت‌های Gen AI با محیط خارجی How Gen AI Agents Interact with the External Environment

  • Choosing Your Development Environment: Vertex AI Studio vs. Google AI Studio-انتخاب محیط توسعه: Vertex AI Studio در مقابل Google AI Studio Choosing Your Development Environment: Vertex AI Studio vs. Google AI Studio

  • [Section Recap] Gen AI Agents-[جمع‌بندی بخش] ایجنت‌های Gen AI [Section Recap] Gen AI Agents

  • [Quiz] Gen AI Agents-[آزمون کوتاه] ایجنت‌های Gen AI [Quiz] Gen AI Agents

Overcoming Foundation Model Limitations Overcoming Foundation Model Limitations

  • Intro-مقدمه Intro

  • Common Limitations of Foundation Models-محدودیت‌های رایج مدل‌های پایه Common Limitations of Foundation Models

  • Google Cloud Recommended Practices to Address Limitations-روش‌های پیشنهادی Google Cloud برای رفع محدودیت‌ها Google Cloud Recommended Practices to Address Limitations

  • Data Sources - Understanding Grounding in LLMs-منابع داده - درک Grounding در LLMها Data Sources - Understanding Grounding in LLMs

  • How Retrieval-Augmented Generation (RAG) Improves Output-نحوه بهبود خروجی توسط Retrieval-Augmented Generation (RAG) How Retrieval-Augmented Generation (RAG) Improves Output

  • Google Cloud Grounding Offerings-پیشنهادهای Grounding Google Cloud Google Cloud Grounding Offerings

  • The Importance of Continuous Monitoring & Evaluation of Gen AI Models-اهمیت نظارت و ارزیابی مداوم مدل‌های Gen AI The Importance of Continuous Monitoring & Evaluation of Gen AI Models

  • [Section Recap] Overcoming Foundation Model Limitations-[جمع‌بندی بخش] غلبه بر محدودیت‌های مدل‌های پایه [Section Recap] Overcoming Foundation Model Limitations

  • [Quiz] Overcoming Foundation Model Limitations-[آزمون کوتاه] غلبه بر محدودیت‌های مدل‌های پایه [Quiz] Overcoming Foundation Model Limitations

Mastering Prompt Engineering Mastering Prompt Engineering

  • Intro-مقدمه Intro

  • The Art and Science of Prompt Engineering for LLMs-هنر و علم مهندسی پرامپت برای LLMها The Art and Science of Prompt Engineering for LLMs

  • Essential Prompting Techniques-تکنیک‌های ضروری پرامپتینگ Essential Prompting Techniques

  • Advanced Prompting: Prompt Chaining, Chain-of-Thought, and ReAct Prompting-پرامپتینگ پیشرفته: زنجیره پرامپت، زنجیره تفکر و پرامپتینگ ReAct Advanced Prompting: Prompt Chaining, Chain-of-Thought, and ReAct Prompting

  • Controlling Model Behavior: (Token Count, Temperature, Top-P, and Top-K)-کنترل رفتار مدل: (تعداد توکن، دما، Top-P و Top-K) Controlling Model Behavior: (Token Count, Temperature, Top-P, and Top-K)

  • Explaining Prompt Engineering to a New Team Member-توضیح مهندسی پرامپت به یک عضو جدید تیم Explaining Prompt Engineering to a New Team Member

  • [Section Recap] Mastering Prompt Engineering-[جمع‌بندی بخش] تسلط بر مهندسی پرامپت [Section Recap] Mastering Prompt Engineering

  • [Quiz] Mastering Prompt Engineering-[آزمون کوتاه] تسلط بر مهندسی پرامپت [Quiz] Mastering Prompt Engineering

Implementing Transformational Gen AI Solutions Implementing Transformational Gen AI Solutions

  • Intro-مقدمه Intro

  • Identifying Types of Gen AI Solutions for Business-شناسایی انواع راه حل های Gen AI برای کسب و کار Identifying Types of Gen AI Solutions for Business

  • Key Factors Influencing Gen AI Needs-عوامل کلیدی موثر بر نیازهای Gen AI Key Factors Influencing Gen AI Needs

  • Choosing the Right Gen AI Solution: A Strategic Approach-انتخاب راه حل Gen AI مناسب: یک رویکرد استراتژیک Choosing the Right Gen AI Solution: A Strategic Approach

  • Identifying the Steps to Integrate Gen AI into an Organization-شناسایی مراحل ادغام Gen AI در یک سازمان Identifying the Steps to Integrate Gen AI into an Organization

  • Measuring the Impact and ROI of Gen AI Initiatives-اندازه گیری اثر و ROI ابتکارات Gen AI Measuring the Impact and ROI of Gen AI Initiatives

  • [Section Recap] Implementing Transformational Gen AI Solutions-[جمع‌بندی بخش] پیاده سازی راه حل های تحول آفرین Gen AI [Section Recap] Implementing Transformational Gen AI Solutions

  • [Quiz] Implementing Transformational Gen AI Solutions-[آزمون کوتاه] پیاده سازی راه حل های تحول آفرین Gen AI [Quiz] Implementing Transformational Gen AI Solutions

Ensuring Secure AI Ensuring Secure AI

  • Intro-مقدمه Intro

  • The Importance of Security Throughout the ML Lifecycle-اهمیت امنیت در طول چرخه حیات ML The Importance of Security Throughout the ML Lifecycle

  • Understanding Google's Secure AI Framework (SAIF)-درک چارچوب هوش مصنوعی امن گوگل (SAIF) Understanding Google's Secure AI Framework (SAIF)

  • Leveraging Google Cloud Security Tools for AI (IAM, Security Command Center)-استفاده از ابزارهای امنیتی Google Cloud برای هوش مصنوعی (IAM، Security Command Center) Leveraging Google Cloud Security Tools for AI (IAM, Security Command Center)

  • [Section Recap] Ensuring Secure AI-[جمع‌بندی بخش] اطمینان از هوش مصنوعی امن [Section Recap] Ensuring Secure AI

  • [Quiz] Ensuring Secure AI-[آزمون کوتاه] اطمینان از هوش مصنوعی امن [Quiz] Ensuring Secure AI

Championing Responsible AI Championing Responsible AI

  • Intro-مقدمه Intro

  • The Imperative of Responsible AI and Transparency in Business-ضرورت هوش مصنوعی مسئولانه و شفافیت در کسب و کار The Imperative of Responsible AI and Transparency in Business

  • Navigating Privacy in Gen AI (Risks, Data Anonymization, Pseudonymization)-پیمایش حریم خصوصی در Gen AI (خطرات، ناشناس سازی داده، شبه ناشناس سازی) Navigating Privacy in Gen AI (Risks, Data Anonymization, Pseudonymization)

  • Describing the implications of data quality, bias, and fairness-توصیف پیامدهای کیفیت داده، سوگیری و انصاف Describing the implications of data quality, bias, and fairness

  • Describing the importance of accountability and explainability in AI systems-توصیف اهمیت پاسخگویی و قابلیت توضیح در سیستم های هوش مصنوعی Describing the importance of accountability and explainability in AI systems

  • [Section Recap] Championing Responsible AI-[جمع‌بندی بخش] حمایت از هوش مصنوعی مسئولانه [Section Recap] Championing Responsible AI

  • [Quiz] Championing Responsible AI-[آزمون کوتاه] حمایت از هوش مصنوعی مسئولانه [Quiz] Championing Responsible AI

Practice Exams Practice Exams

  • Intro-مقدمه Intro

  • [Unofficial] Google Cloud Generative AI Leader - Practice Exam 1-[غیر رسمی] Google Cloud Generative AI Leader - امتحان تمرینی 1 [Unofficial] Google Cloud Generative AI Leader - Practice Exam 1

  • [Unofficial] Google Cloud Generative AI Leader - Practice Exam 2-[غیر رسمی] Google Cloud Generative AI Leader - امتحان تمرینی 2 [Unofficial] Google Cloud Generative AI Leader - Practice Exam 2

Exam Tips & Final Words Exam Tips & Final Words

  • Google Cloud Generative AI Leader Exam: 8 Key Strategies for Success-امتحان Google Cloud Generative AI Leader: 8 استراتژی کلیدی برای موفقیت Google Cloud Generative AI Leader Exam: 8 Key Strategies for Success

  • Final Words-سخنان پایانی Final Words

  • Bonus Lecture-سخنرانی جایزه Bonus Lecture

نمایش نظرات

جدید: برترین و جامع‌ترین دوره آموزشی گواهینامه رهبری هوش مصنوعی مولد
جزییات دوره
8 hours
108
Udemy (یودمی) Udemy (یودمی)
(آخرین آپدیت)
6,144
4.7 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

Vladimir Raykov Vladimir Raykov

مدیر محصول چابک، اسکرام مستر خبره، PMP®