آموزش ساخت AI تولیدی با AWS: Amazon Q Developer ، Bedrock Studence و Banas Sagemaker - آخرین آپدیت
دانلود Building Generative AI with AWS: Amazon Q Developer, Bedrock Inference, and SageMaker Canvas
در این دوره ، متخصص MLOPS Noah Gift شما را در دنیای AI تولیدی در AWS راهنمایی می کند. درک خود را از نشانه گذاری ، معماری مدل چندگانه و نحوه ساخت و استقرار مدل های AI ایجاد کنید. تکنیک نوآورانه بازیابی (RAG) را بازیابی کنید و اجرای آن را در AWS با استفاده از عوامل دانش بستر مشاهده کنید. با ابزارهای توسعه دهنده A Amazon Q ، از جمله نصب و توسعه با استفاده از IntelliJ و VS Code و همچنین ویژگی هایی مانند دستیار اسناد و اسکن کد ، دست به دست شوید. با درسهایی در مورد IO تهیه شده و ارزیابی اعلان ها ، عمیق تر به بستر AWS شیرجه بزنید. خود را با Sagemaker Canvas ، یک محیط قوی برای کار با مجموعه داده ها و MLOP ها آشنا کنید. در پایان این دوره ، شما در استفاده از ابزارهای مختلف AWS برای بهینه سازی گردش کار هوش مصنوعی و یادگیری ماشین خود مهارت خواهید داشت.
این دوره توسط Pragmatic AI Labs LLC ایجاد شده است. ما خوشحالیم که این آموزش را در کتابخانه خود میزبانی می کنیم.
ماژول 1: مدل های پایه و مفاهیم اصلی Module 1: Foundation Models and Core Concepts
-
Rag Bedrock System Walkthrough RAG Bedrock system walkthrough
-
معماری زنگ زدگی بستر Bedrock rust architecture
-
آشنایی با راگ Introduction to RAG
-
نسخه ی نمایشی زنگ زدگی AWS BEDROCK AWS Bedrock rust demo
-
معماری چند مدل Multiple model architecture
-
هوش مصنوعی تولیدی در AWS Generative AI on AWS
-
Rag on AWS RAG on AWS
-
پارچه با عامل دانش بستر RAG with Bedrock knowledge agent
-
درک توکن Understanding tokenization
ماژول 2: ابزارهای توسعه دهنده Amazon Q Module 2: Amazon Q Developer Tools
-
آمازون Q در Intellij Amazon Q in IntelliJ
-
دستیار مستندات Documentation assistant
-
توسعه با آمازون q Development with Amazon Q
-
مقدمه توسعه دهنده Amazon q Amazon Q developer introduction
-
نصب آمازون Q در کد VS Installing Amazon Q in VS Code
-
اسکن کد q آمازون Amazon Q code scanning
ماژول 3: بستر AWS Module 3: AWS Bedrock
-
بستر تهیه شده io Bedrock provisioned IO
-
راه اندازی IO تهیه شده در بستر Setting up Bedrock provisioned IO
-
ارزیابی اعلان ها در بستر Evaluating prompts in Bedrock
ماژول 4: بوم و MLOP SAGEMAKER Module 4: SageMaker Canvas and MLOps
-
مقدمه بوم Sagemaker SageMaker canvas introduction
-
کار با مجموعه داده ها Working with datasets
-
بررسی اجمالی بوم UI Canvas UI overview
-
دوره نتیجه گیری Course conclusion
https://donyad.com/d/7a68c0
Noah Gift
کارشناس MLOps | انفرادی | نویسنده | استادیار | CTO
نوح به طور گسترده با AWS کار می کند و یک قهرمان یادگیری ماشین AWS است. او دارای چندین گواهینامه صنعتی برای AWS است. نوح آموزش و طراحی دوره های آموزشی ماشین فارغ التحصیل، MLOps، A.I.، علم داده و مشاوره در زمینه یادگیری ماشین و معماری ابری را انجام می دهد. مسئولیت های او شامل رهبری ابتکار صدور گواهینامه چند ابری برای دانش آموزان است. نوح نقش های مختلفی را به صورت حرفه ای ایفا کرده است، از جمله CTO، مدیر کل، مشاور مدیر ارشد فناوری، مشاور ارشد دانشمند داده و معمار ابر. او همچنین دارای چندین تیتراژ فیلم در فیلمهای اصلی برای کارهای فنی از جمله آواتار، مرد عنکبوتی 3 و بازگشت سوپرمن است.
Pragmatic AI Labs
آزمایشگاههای هوش مصنوعی عملگرا یک آموزشدهنده فناوری است.
آزمایشگاههای هوش مصنوعی عملی همه را، صرفنظر از ابزار یا پیشزمینه، به دانشی برای تغییر خود و ارتقای جوامع خود مجهز میکند. آزمایشگاههای هوش مصنوعی عملگرا تلاش میکنند تا آموزش را دموکراتیک کرده و زندگی را از طریق فناوری خلاقانه و اخلاقی تقویت کنند. با مدرسان برجسته از دانشگاههای برتر با تجربه صنعت در دنیای واقعی، برنامههای آن بر ارائه مهارتهای در دسترس و پیشرفته تمرکز دارد که منجر به تحقق مشاغل و در عین حال اجتناب از آسیب و بهبود رفاه انسان میشود.
نمایش نظرات