تسلط بر AWS Certified AI Practitioner AIF-C01 - آماده باشید!

Mastering AWS Certified AI Practitioner AIF-C01 - Hands On!

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره: شامل تست تمرین + تمرین! دوره آمادگی AWS AIF-C01. Bedrock، SageMaker، AI Fundamentals، و موارد دیگر در آزمون AIF-C01 AWS Certified AI Practitioner. سیستم‌های یادگیری ماشینی و MLOps با SageMaker Building سیستم‌های هوش مصنوعی مولد با Amazon Bedrock آموزش و تکنیک‌های تنظیم دقیق مدل‌های توسعه‌دهنده Q Amazon Q با AWS ارزیابی و اندازه‌گیری مدل‌های یادگیری ماشین شما هوش مصنوعی، امنیت و حاکمیت مسئول پیش نیازها: شما باید یک حساب AWS را همراه با فعالیت های عملی دنبال کنید. خدمات مورد استفاده چند دلار هزینه AWS هزینه خواهد داشت. شما باید آشنایی اولیه با AWS و AI داشته باشید، اما هیچ تجربه توسعه یا برنامه نویسی فرض نمی شود.

برای دانش خود در زمینه هوش مصنوعی و یادگیری ماشینی توسط آمازون گواهینامه دریافت کنید! تصور گواهینامه ای که در عصر امروزی هوش مصنوعی مولد وزن بیشتری داشته باشد، دشوار است.

امتحان AWS Certified AI Practitioner (AIF-C01/AI1-C01) فقط برای توسعه دهندگان نیست - هدف آن نقش های متنوعی در فضای فناوری است. چه PM، مدیر، حرفه ای فروش یا بازاریابی یا توسعه دهنده باشید - مفاهیم پشت هوش مصنوعی، GenAI و یادگیری ماشینی (ML) آنقدرها هم که فکر می کنید سخت نیستند. این دوره با اصول اولیه، توضیح موارد به زبان انگلیسی ساده و با مثال های ساده شروع می شود. بدون نیاز به کدنویسی!

با این حال، ما برای کسانی که آن را می خواهند عمیق خواهیم کرد. فعالیت‌های عملی به شما این امکان را می‌دهد که در ساخت یک ربات چت سفارشی با استفاده از پایگاه‌های پایه و دانش آمازون، ساختن محافظ‌ها برای ایمنی هوش مصنوعی، و ساختن یک نماینده کاملاً حرفه‌ای LLM مجهز به ابزارهایی برای گسترش یک برنامه هوش مصنوعی تمرین کنید - همه فقط با استفاده از کنسول AWS در وب و ویدیوهای نمایشی شما را در آموزش و استفاده از مدل‌های یادگیری ماشین با استفاده از Amazon SageMaker راهنمایی می‌کنند.

با یک آزمون تمرینی شامل 20 سوال و 80 سوال مسابقه به سبک امتحانات AWS، کاملاً برای امتحان آماده خواهید شد.

برخلاف سایر گواهینامه های AWS، تمرکز تجاری بزرگی روی این مورد وجود دارد. علاوه بر نحوه عملکرد این فناوری، بهترین شیوه‌ها را برای کل چرخه عمر هوش مصنوعی و یادگیری ماشین، ابعاد «هوش مصنوعی مسئول» و بهترین شیوه‌ها برای امنیت و حکمرانی با هوش مصنوعی بررسی خواهیم کرد.

برخی از موضوعاتی که به آنها خواهیم پرداخت عبارتند از:


  • مفاهیم و اصطلاحات اساسی هوش مصنوعی، ML، و هوش مصنوعی مولد

  • نحوه یادگیری عمیق و مدل‌های زبان بزرگ (LLM)

  • ارزیابی و اندازه‌گیری مدل‌های هوش مصنوعی

  • اصول طراحی یادگیری ماشین

  • عملیات یادگیری ماشین (MLOps)

  • از موارد AI، ML و GenAI استفاده کنید

  • مهندسی سریع

  • ساخت خطوط لوله یادگیری ماشین با SageMaker

  • الگوریتم های رایج یادگیری ماشین

  • ساخت برنامه های کاربردی هوش مصنوعی با Amazon Bedrock

  • بازیابی نسل افزوده (RAG)

  • نمایندگان LLM

  • Amazon Q Business، Q Developer و Q Apps

  • خدمات هوش مصنوعی و یادگیری ماشین سطح بالا AWS

  • آموزش مدل و تکنیک های تنظیم دقیق

  • هوش مصنوعی مسئول

  • حاکمیت و امنیت هوش مصنوعی

اگرچه این یک دوره آموزشی در مورد هوش مصنوعی است، اما توسط هوش مصنوعی تولید نشده است! شما از یک مربی انسانی واقعی که امتحان واقعی را پشت سر گذاشته است، با تجربه انسانی واقعی در ساخت برنامه های هوش مصنوعی در یک محیط حرفه ای یاد خواهید گرفت.

- - - - - - - - - - - - - - - - - - - - - - - - - - - - - - -

مربی

هی، من فرانک کین هستم. من خودم امتحان AIF-C01 را با موفقیت پشت سر گذاشتم و اطمینان حاصل کردم که این دوره شامل همه چیزهایی است که شما باید بدانید. من نه سال به عنوان مهندس ارشد و مدیر ارشد برای آمازون از درون کار کردم و بیشتر به خاطر دوره های پرفروش خود در "داده های بزرگ"، تجزیه و تحلیل داده ها، یادگیری ماشین، هوش مصنوعی، آپاچی اسپارک، طراحی سیستم، شناخته شده ام. و Elasticsearch. 26 حق ثبت اختراع در زمینه یادگیری ماشینی به من اعطا شده است.

من از سال 2015 در Udemy تدریس می کنم، جایی که به بیش از 850000 دانش آموز در سراسر جهان رسیده ام!

من سخت کار کرده‌ام تا این دوره را با آخرین پیشرفت‌ها در فناوری‌های یادگیری ماشین و هوش مصنوعی AWS به‌روز نگه دارم و مطمئن شوم که برای آخرین نسخه این امتحان آماده هستید. بیایید شیرجه بزنیم و شما را آماده کنیم!

- - - - - - - - - - - - - - - - - - - - - - - - - - - - - - -

این دوره همچنین همراه با:

است
  • دسترسی مادام العمر به همه به روز رسانی های آینده

  • 9+ ساعت آموزش ویدیویی

  • 80 سوال مسابقه برای ارزیابی آمادگی شما

  • یک مربی پاسخگو در بخش Q A

  • گواهی تکمیل Udemy برای دانلود آماده است

  • ضمانت بازگشت پول 30 روزه "بدون سوال"!

اگر می‌خواهید امتحان AWS Certified AI Practitioner را بگذرانید و بر دنیای هوش مصنوعی و یادگیری ماشینی در پلتفرم AWS تسلط پیدا کنید، در این دوره به ما بپیوندید!


سرفصل ها و درس ها

مقدمه Introduction

  • مقدمه Introduction

  • Udemy 101 Udemy 101

  • کپی خود را از اسلایدها دریافت کنید Get Your Copy of the Slides

هوش مصنوعی و مبانی یادگیری ماشین AI and Machine Learning Fundamentals

  • طبقه بندی هوش مصنوعی و تکنیک های یادگیری ماشین Taxonomy of Artificial Intelligence and Machine Learning Techniques

  • تکنیک های یادگیری تحت نظارت Supervised Learning Techniques

  • ارزیابی یادگیری ماشینی نظارت شده با آموزش/آزمون و اعتبارسنجی متقابل Evaluating Supervised Machine Learning with Train/Test and Cross Validation

  • یادگیری بدون نظارت و خود نظارتی؛ یادگیری تقویتی Unsupervised and Self-Supervised Learning; Reinforcement Learning

  • تعصب/مبادله واریانس The Bias / Variance Tradeoff

  • طبقه بندی تکنیک های یادگیری ماشین A Taxonomy of Machine Learning Techniques

  • مقدمه ای بر پردازش زبان طبیعی (NLP) Intro to Natural Language Processing (NLP)

  • تاریخچه یادگیری عمیق؛ شبکه های عصبی چگونه کار می کنند History of Deep Learning; How Neural Networks Work

  • آموزش و تنظیم شبکه های عصبی Training and Tuning Neural Networks

  • شبکه های عصبی کانولوشن (CNN) Convolutional Neural Networks (CNNs)

  • شبکه های عصبی مکرر (RNN) Recurrent Neural Networks (RNNs)

  • معماری ترانسفورماتور و توجه به خود: هوش مصنوعی مولد چگونه کار می کند The Transformer Architecture and Self-Attention: How Generative AI Works

  • ترانسفورماتورها: اصطلاحات کلیدی (دما، پنجره های زمینه، حداکثر نشانه ها و غیره) Transformers: Key Terms (temperature, context windows, max tokens, etc.)

  • شبکه های متخاصم مولد (GAN) Generative Adversarial Networks (GANs)

  • مدل های انتشار Diffusion Models

  • شبکه های عصبی باقیمانده و WaveNet Residual Neural Networks and WaveNet

  • آزمون: اصول هوش مصنوعی و ML Quiz: AI and ML Fundamentals

اصول طراحی یادگیری ماشین و موارد استفاده Machine Learning Design Principles and Use Cases

  • اصول طراحی یادگیری ماشین و چرخه حیات Machine Learning Design Principles and Lifecycle

  • شناسایی هدف کسب و کار Business Goal Identification

  • چارچوب مسئله یادگیری ماشینی Framing the Machine Learning Problem

  • پردازش داده ها Data Processing

  • توسعه مدل، آموزش، و تنظیم Model Development, Training, and Tuning

  • استقرار Deployment

  • نظارت Monitoring

  • لنز یادگیری ماشینی با معماری خوب AWS (ML). The AWS Well-Architected Machine Learning (ML) Lens

  • عملیات یادگیری ماشینی (MLOps) Machine Learning Ops (MLOps)

  • موارد استفاده هوش مصنوعی AI Use Cases

  • موارد استفاده از دید کامپیوتر Computer Vision Use Cases

  • موارد استفاده مولد هوش مصنوعی Generative AI Use Cases

  • آزمون: اصول طراحی ML و موارد استفاده Quiz: ML Design Principles and Use Cases

مهندسی سریع Prompt Engineering

  • مزایای مهندسی سریع Benefits of Prompt Engineering

  • آناتومی یک اعلان Anatomy of a Prompt

  • بهترین شیوه های سریع Prompt Best Practices

  • انواع درخواست ها Types of Prompts

  • اجتناب از سوء استفاده سریع و کاهش تعصب Avoiding Prompt Mis-Use and Mitigating Bias

  • آزمون: مهندسی سریع Quiz: Prompt Engineering

هوش مصنوعی و یادگیری ماشین با آمازون SageMaker AI and Machine Learning with Amazon SageMaker

  • هشدار صورتحساب AWS را تنظیم کنید Set up an AWS Billing Alarm

  • مروری بر Amazon SageMaker Overview of Amazon SageMaker

  • پردازش داده، آموزش و استقرار با SageMaker Data Processing, Training, and Deployment with SageMaker

  • SageMaker Studio، SageMaker Debugger، SageMaker Experiments SageMaker Studio, SageMaker Debugger, SageMaker Experiments

  • SageMaker Autopilot SageMaker Autopilot

  • SageMaker Model Monitor و SageMaker Clarify SageMaker Model Monitor and SageMaker Clarify

  • پادمان های استقرار SageMaker (و سایر ویژگی ها) SageMaker Deployment Safeguards (and other features)

  • فروشگاه ویژگی SageMaker SageMaker Feature Store

  • SageMaker Lineage Tracking SageMaker Lineage Tracking

  • SageMaker Data Rangler SageMaker Data Wrangler

  • بوم SageMaker SageMaker Canvas

  • نسخه آزمایشی: SageMaker Studio، SageMaker Canvas، SageMaker Data Wrangler DEMO: SageMaker Studio, SageMaker Canvas, SageMaker Data Wrangler

  • یادگیری خطی، XGBoost، Seq2Seq Linear Learner, XGBoost, Seq2Seq

  • DeepAR، BlazingText، Obj2Vec، تشخیص اشیا DeepAR, BlazingText, Obj2Vec, Object Detection

  • طبقه بندی تصویر، تقسیم بندی معنایی، جنگل برش تصادفی، NTM، LDA Image Classification, Semantic Segmentation, Random Cut Forest, NTM, LDA

  • KNN، K-Means، PCA، ماشین های فاکتورسازی، بینش IP KNN, K-Means, PCA, Factorization Machines, IP Insights

  • DEMO: آموزش و استنباط با SageMaker و XGBoost DEMO: Training and Inference with SageMaker and XGBoost

  • امتحان: آمازون SageMaker Quiz: Amazon SageMaker

هوش مصنوعی مولد با AWS Generative AI with AWS

  • هوش مصنوعی مولد با مدل های بنیادی و SageMaker JumpStart Generative AI with Foundation Models and SageMaker JumpStart

  • مقدمه ای بر بستر آمازون Introduction to Amazon Bedrock

  • با زمین بازی Bedrock برای تولید چت، متن و تصویر همراه باشید HANDS ON with the Bedrock Playground for Chat, Text, and Image Generation

  • تنظیم دقیق مدل های پایه با بستر Fine-Tuning Foundation Models with Bedrock

  • پایگاه های دانش بستر و نسل افزوده بازیابی (RAG) Bedrock Knowledge Bases and Retrieval-Augmented Generation (RAG)

  • با پایگاه های دانش بستر HANDS ON with Bedrock Knowledge Bases

  • نرده های سنگی Bedrock Guardrails

  • با نرده‌های حفاظ بستر HANDS ON with Bedrock Guardrails

  • نمایندگان LLM و عوامل بستر LLM Agents and Bedrock Agents

  • با عوامل بستر HANDS ON with Bedrock Agents

  • ویژگی های بیشتر بستر More Bedrock Features

  • ورود به سیستم فراخوانی مدل بستر Bedrock Model Invocation Logging

  • قیمت گذاری و امنیت بستر آمازون Amazon Bedrock Pricing and Security

  • توسعه دهنده آمازون Q (سابق CodeWhisperer) Amazon Q Developer (formerly CodeWhisperer)

  • آمازون Q Business Amazon Q Business

  • برنامه ها و قیمت آمازون Q Amazon Q Apps and Pricing

  • Amazon Quicksight و Quicksight Q Amazon Quicksight and Quicksight Q

  • امتحان: هوش مصنوعی مولد با AWS Quiz: Generative AI with AWS

خدمات سطح بالا AWS AI High-Level AWS AI Services

  • آمازون درک Amazon Comprehend

  • ترجمه آمازون Amazon Translate

  • رونویسی آمازون Amazon Transcribe

  • آمازون پولی Amazon Polly

  • شناسایی آمازون Amazon Rekognition

  • پیش بینی آمازون Amazon Forecast

  • آمازون لکس Amazon Lex

  • شخصی سازی آمازون Amazon Personalize

  • خدمات اضافی هوش مصنوعی و ML Additional AI and ML Services

  • آزمون: خدمات هوش مصنوعی سطح بالا Quiz: High-Level AI Services

آموزش، تنظیم، و اندازه گیری مدل های شما Training, Tuning, and Measuring your Models

  • مدل های پایه تنظیم دقیق Fine-Tuning Foundation Models

  • یادگیری تقویتی از بازخورد انسانی (RLHF) Reinforcement Learning from Human Feedback (RLHF)

  • آماده سازی داده ها برای تنظیم دقیق Preparing Data for Fine Tuning

  • تکنیک های ارزیابی برای مدل های پایه Evaluation Techniques for Foundation Models

  • معیارهای ROUGE، BLEU، و BERTscore برای LLM ROUGE, BLEU, and BERTscore metrics for LLM's

  • انتخاب یک استراتژی ارزیابی هوش مصنوعی Choosing a Generative AI Evaluation Strategy

  • ارزیابی مدل یادگیری ماشین: دقت، یادآوری، F1، RMSE Machine Learning Model Evaluation: Precision, Recall, F1, RMSE

  • منحنی های ROC، AUC، منحنی های P-R ROC Curves, AUC, P-R Curves

  • اندازه‌گیری مدل‌های رگرسیون (r-squared، RMSE، MAE) Measuring Regression Models (r-squared, RMSE, MAE)

  • امتحان: آموزش، تنظیم، و اندازه گیری مدل های خود Quiz: Training, Tuning, and Measuring your Models

هوش مصنوعی، مدیریت هوش مصنوعی و امنیت هوش مصنوعی Responsible AI, AI Governance, and AI Security

  • ابعاد هوش مصنوعی مسئول و ابزارهای AWS برای هوش مصنوعی مسئول Dimensions of Responsible AI, and AWS Tools for Responsible AI

  • بهترین روش ها برای هوش مصنوعی مسئول Best Practices for Responsible AI

  • SageMaker معیارها و تکنیک ها را روشن می کند SageMaker Clarify Metrics and Techniques

  • کارت های خدمات و حکومت AI AI Governance and Service Cards

  • انتخاب مدل مسئول؛ آژانس مسئول Responsible Model Selection; Responsible Agency

  • آماده سازی مجموعه داده های مسئول Responsible Dataset Preparation

  • شفافیت مدل های هوش مصنوعی Transparency of AI Models

  • هوش مصنوعی و طراحی انسان محور (HCD) AI and Human-Centered Design (HCD)

  • دفاع در عمق Defense In Depth

  • خدمات امنیتی اضافی هوش مصنوعی Additional AI Security Services

  • امنیت در مهندسی داده Security in Data Engineering

  • مدل مسئولیت مشترک AWS AWS Shared Responsibility Model

  • نگرانی های مربوط به رعایت هوش مصنوعی AI Compliance Concerns

  • حاکمیت داده Data Governance

  • AWS AI Governance Services AWS AI Governance Services

  • ماتریس محدوده امنیت هوش مصنوعی مولد The Generative AI Security Scoping Matrix

  • آزمون: هوش مصنوعی، امنیت، و حکمرانی مسئول Quiz: Responsible AI, Security, and Governance

امتحان تمرینی Practice Exam

  • تست تمرینی (20 سوال) برای متخصص AWS Certified AI Practitioner AIF-C01 Practice Test (20 questions) for AWS Certified AI Practitioner AIF-C01

بسته بندی Wrapping Up

  • انتظار چه چیزی: نکات و آمادگی برای امتحان What to Expect: Exam Tips and Preparation

  • مروری بر راهنمای آزمون Overview of the Exam Guide

  • انواع سؤالات جدید: ترتیب، تطبیق، و مطالعه موردی The New Question Types: Ordering, Matching, and Case Study

  • سخنرانی پاداش Bonus Lecture

نمایش نظرات

تسلط بر AWS Certified AI Practitioner AIF-C01 - آماده باشید!
جزییات دوره
9.5 hours
108
Udemy (یودمی) Udemy (یودمی)
(آخرین آپدیت)
1,930
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

Frank Kane Frank Kane

یادگیری ماشین و داده های بزرگ، آمازون سابق

فرانک 9 سال را در آمازون و IMDb گذراند و فناوری را توسعه و مدیریت کرد که به طور خودکار توصیه های محصول و فیلم را به صدها میلیون مشتری ارائه می دهد. زمان. فرانک دارای 17 حق ثبت اختراع صادر شده در زمینه های محاسبات توزیع شده ، داده کاوی و یادگیری ماشین است. در سال 2012، فرانک شرکت موفق خود را به نام Sundog Software راه اندازی کرد که بر فناوری محیط واقعیت مجازی تمرکز دارد و به دیگران در مورد تجزیه و تحلیل داده های بزرگ آموزش می دهد.

Sundog Education by Frank Kane Sundog Education by Frank Kane

بنیانگذار ، آموزش Sundog. یادگیری ماشینی ماموریت ProSundog Education این است که مهارتهای شغلی بسیار ارزشمندی را در داده های بزرگ ، علوم داده و یادگیری ماشینی در دسترس همه افراد در جهان قرار دهد. کنسرسیوم مربیان متخصص ما ، دانش ما را در این زمینه های نوظهور با قیمت هایی که هرکس می تواند تحمل کند ، در اختیار شما قرار می دهد. Sundog Education توسط فرانک کین هدایت می شود و متعلق به شرکت فرانک ، Sundog Software LLC است. فرانک 9 سال را در آمازون و IMDb سپری کرد و فناوری را توسعه داد و به طور مداوم توصیه های محصول و فیلم را به صدها میلیون مشتری ارائه داد. فرانک دارای 17 اختراع ثبت شده در زمینه محاسبات توزیع شده ، داده کاوی و یادگیری ماشین است. در سال 2012 ، فرانك رفت و شركت موفق خود ، Sundog Software را كه متمركز بر فناوري محيط واقعيت مجازي است و به ديگران در مورد تجزيه و تحليل داده هاي بزرگ مي پردازد ، راه اندازي كرد. با توجه به تعداد دانشجویان ما قادر به پاسخگویی به پیامهای خصوصی نیستیم. لطفا سوالات خود را در پرسش و پاسخ دوره خود ارسال کنید. ممنون از اینکه میفهمی.