آموزش ابزارها و سرویس‌های AWS برای هوش مصنوعی - آخرین آپدیت

مبانی هوش مصنوعی مولد Fundamentals of Generative AI

• معرفی دوره Course Introduction

• اهداف یادگیری Learning Objectives

• مبانی هوش مصنوعی مولد Fundamentals of Generative AI

• دمو: آشنایی با سرویس‌های هوش مصنوعی AWS Demo : Getting Familiar with AWS AI Services

• مدل‌های Diffusion Diffusion Models

• مدل‌های زبانی بزرگ (LLMs) مبتنی بر Transformer Transformer-Based Large Language Models (LLMs)

• مدل‌های چندوجهی (Multi-modal) Multi-modal Models

• ویژگی‌های کلیدی Amazon Bedrock Key Features of Amazon Bedrock

• موردهای کاربردی Amazon Bedrock Amazon Bedrock – Use Cases

• دمو: بررسی کلی Bedrock Demo- Bedrock overview

• درک مفهوم GPT Understanding GPT

• پیاده‌سازی هوش مصنوعی مولد با Amazon Bedrock Implementing Generative AI with Amazon Bedrock

• جمع‌بندی Summary

• اهداف یادگیری Learning Objectives

• مفاهیم کلیدی در مدل‌های زبانی: بخش اول Key Concepts in Language Models: Part-1

• مفاهیم کلیدی در مدل‌های زبانی: بخش دوم Key Concepts in Language Models: Part-2

• پرامپت‌ها و مهندسی پرامپت Prompts and Prompt Engineering

• طراحی یک پرامپت Designing a Prompt

• هایپرپارامترها Hyperparameter

• انتخاب Top p، Top k و Temperature Choosing Top-p, Top-k and Temperature

• تکنیک‌های مهندسی پرامپت Prompt Engineering Techniques

• دمو: تکنیک‌های مهندسی پرامپت Demo- Prompt Engineering Techniques

• ریسک‌های مهندسی پرامپت Prompt Engineering Risks

• قالب‌های پرامپت (Prompt Templates) Prompt Templates

• دمو: پارامترهای بهینه‌سازی پرامپت Demo-Prompt Optimization Parameters

• مدل‌های پایه هوش مصنوعی مولد Generative AI Foundation Models

• کاربردهای عملی هوش مصنوعی مولد Practical Applications of Generative AI

• معرفی Amazon Q Amazon Q

• اجزای کلیدی Amazon Q Key Components of Amazon Q

• مبانی توسعه‌دهندگی با Amazon Q Developer Fundamentals on Amazon Q

• دمو: راهنمای گام‌به‌گام Amazon Q Demo- Amazon Q Walkthorugh

• جمع‌بندی Summary

تولید تقویت‌شده بازیابی (RAG) و بهینه‌سازی مدل‌های هوش مصنوعی RAG (Retrieval-Augmented Generation) and Optimizing AI Model

• اهداف یادگیری Learning Objectives

• تولید تقویت‌شده بازیابی (RAG) RAG (Retrieval-Augmented Generation)

• کاربردهای RAG Applications of RAG

• مزایا و معایب RAG RAG – Advantages and Disadvantages

• سرویس‌های مدیریت‌شده AI در AWS: بخش اول AWS AI Managed Services Part-1

• دمو: Amazon Transcribe در عمل Demo- Amazon Transcribe in Action

• دمو: راهنمای Amazon Translate Demo- Amazon Translate Walkthrough

• دمو: ساده‌سازی تحلیل متن با Comprehend Demo-Simplifying Text Analysis with Comprehend

• دمو: بررسی Amazon Polly Demo- Exploring Amazon Polly

• سرویس‌های مدیریت‌شده AI در AWS: بخش دوم AWS AI Managed Services Part-2

• دمو: درک Amazon Lex Demo- Understanding Amazon Lex

• دمو: راهنمای Amazon Rekognition Demo-Amazon Rekognition Walkthrough

• دمو: بررسی کلی Amazon Textract Demo- Amazon Textract Overview

• گزینه‌های دیتابیس AWS برای ذخیره Embeddingها AWS Database Options for Storing Embeddings

• جمع‌بندی Summary

• اهداف یادگیری Learning Objectives

• پیش‌آموزش و Fine-Tuning مدل‌ها با AWS Model Pre-Training and Fine-Tuning with AWS

• تنظیم دقیق (Fine-Tuning) برای هوش مصنوعی مکالمه‌محور Fine-Tuning for Conversational AI

• دمو: Fine-Tuning مدل Bedrock Demo- Fine-Tuning Bedrock Model

• تکنیک‌های ارزیابی مدل Model Evaluation Techniques

• ارزیابی و اصلاح مدل‌ها پس از استقرار Evaluate and Refine Models Post-deployment

• جمع‌بندی Summary

• پایان دوره Course Completion