آموزش AWS Certified AI Practitioner (AIF-C01): کاربردهای مدل های پایه

سرفصل ها و درس ها

ملاحظات طراحی برای کاربردهای مدل پایه Design Considerations for Foundation Model Applications

• انتخاب مدل های پایه Selecting Foundation Models

• پارامترهای استنتاج Inference Parameters

• نسل افزوده شده بازیابی (RAG) Retrieval-augmented Generation (RAG)

• راه حل های ذخیره سازی برداری در AWS Vector Storage Solutions on AWS

• معاوضه هزینه برای سفارشی سازی Cost Tradeoffs for Customization

• عوامل برای وظایف چند مرحله ای Agents for Multi-step Tasks

• نکات امتحانی Exam Tips

تکنیک های مهندسی سریع Prompt Engineering Techniques

• مبانی مهندسی سریع Fundamentals of Prompt Engineering

• تکنیک های مهندسی سریع Prompt Engineering Techniques

• مزایا و بهترین شیوه ها Benefits and Best Practices

• خطرات و محدودیت های مهندسی سریع Risks and Limitations of Prompt Engineering

• نکات امتحانی Exam Tips

آموزش و تنظیم دقیق مدل های پایه Training and Fine-tuning Foundation Models

• عناصر کلیدی مدل های بنیاد آموزشی Key Elements of Training Foundation Models

• روش‌هایی برای تنظیم دقیق مدل‌های پایه Methods for Fine-tuning Foundation Models

• آماده سازی داده ها برای تنظیم دقیق یک مدل پایه Preparing Data to Fine-tune a Foundation Model

• نکات امتحانی Exam Tips

ارزیابی عملکرد مدل بنیاد Evaluating Foundation Model Performance

• رویکردهای ارزیابی برای مدل های بنیاد Evaluation Approaches for Foundation Models

• معیارهای عملکرد Performance Metrics

• همسویی اهداف تجاری Business Objective Alignment

• نکات امتحانی Exam Tips

بررسی سوالات امتحانی Exam Questions Review

• ملاحظات طراحی برای مدل های پایه Design Considerations for Foundation Models

• تکنیک های مهندسی سریع Prompt Engineering Techniques

• آموزش و تنظیم دقیق مدل های پایه Training and Fine-tuning Foundation Models

• ارزیابی عملکرد مدل بنیاد Evaluating Foundation Model Performance