آمادگی آزمون توسعه‌دهنده حرفه‌ای هوش مصنوعی مولد AWS (AIP-C01) - آخرین آپدیت

سرفصل ها و درس ها

مروری بر آزمون آمادگی توسعه‌دهنده حرفه‌ای هوش مصنوعی مولد AWS (AIP-C01) AWS Certified Generative AI Professional AIP-C01 Cert Prep Exam Overview

• مروری بر آزمون دوره توسعه‌دهنده حرفه‌ای هوش مصنوعی مولد AWS (AIP C01) AWS certified generative AI developer professional course (AIP-C01) exam overview

• حوزه‌های مورد بررسی در آزمون توسعه‌دهنده حرفه‌ای هوش مصنوعی مولد AWS (AIP C01) AWS certified generative AI developer professional course (AIP-C01) exam domain

1. مبانی آمازون وب سرویسز (AWS) 1. Amazon Web Services (AWS) Basics

• مدل مسئولیت مشترک AWS AWS shared responsibility model

• استراتژی‌های پاسخ‌دهی در آزمون Test-taking strategies

• زیرساخت جهانی AWS AWS global infrastructure

• نحوه ایجاد حساب کاربری AWS How to create an AWS account

• طرح‌های پشتیبانی AWS AWS support plans

• مروری بر آمازون وب سرویسز Amazon Web Services overview

2. اصول هوش مصنوعی (AI) و یادگیری ماشین (ML) 2. Artificial Intelligence (AI) and Machine Learning (ML) Fundamentals

• مدل LLM به عنوان داور چیست؟ What is LLM as a judge?

• پارامترهای استنتاج در عمل Inference parameters in action

• مهندسی ویژگی‌ها (Feature Engineering) Feature engineering

• تعداد Epoch و دقت مدل Epoch count and model accuracy

• معیارهای ارزیابی عملکرد Performance metrics

• تمرینات عملی تنظیم دقیق (Fine Tuning) Fine-tuning in practice

• اندازه دسته (Batch size)، نرخ یادگیری و Warm up Batch size, learning rate, and warm-up

• تنظیم دقیق برای وظایف خاص Fine-tuning for specific tasks

• استفاده از LLM به عنوان داور در ارزیابی مدل Amazon Bedrock LLM as a judge on Amazon Bedrock model evaluation

• مدل‌های پایه (Foundational Models) چیستند؟ What are foundational models?

• توضیح پایگاه‌های داده برداری، Embeddingها و RAG Vector databases, embeddings, and RAG explained

• برازش مدل (Model Fit) Model fit

• امبدینگ‌ها (Embeddings) چیستند؟ What are embeddings?

• منابع مدل‌های یادگیری ماشین Sources of ML models

• مدل‌های زبانی بزرگ (LLMs) چیستند؟ What are LLMs?

• اجزای خط لوله ML (مرور کلی) Components of ML pipeline (overview)

• تولید تقویت‌شده بازیابی (RAG) چیست؟ What is RAG?

• پارامترهای استنتاج Inference parameters

• اثرات بایاس (Bias) و واریانس Effects of bias and variance

• بایاس و واریانس Bias and variance

• مقدمه‌ای بر هایپرپارامترها Introduction to hyperparameters

• مانیتورینگ عملکرد مدل Monitoring model performance

3. سرویس Amazon Bedrock و هوش مصنوعی مولد 3. Amazon Bedrock and Generative AI

• درک مسیریابی هوشمند پرامپت در Amazon Bedrock Understanding intelligent prompt routing in Amazon Bedrock

• پیاده‌سازی ظرفیت پردازشی رزرو شده (Provisioned Throughput) Implementing provisioned throughput

• واحدهای مدل ظرفیت رزرو شده (MUs) در Amazon Bedrock Provisioned throughput model units (MUs) in Amazon Bedrock

• نرده‌های حفاظتی (Guardrails) در Amazon Bedrock Amazon Bedrock guardrails

• مدل رتبه‌بندی مجدد (Reranker) در Amazon Bedrock Reranker model in Amazon Bedrock

• محیط‌های آزمایش (Playgrounds) در Amazon Bedrock Amazon Bedrock playgrounds

• قطعه‌بندی محتوا (Chunking) در پایگاه دانش Amazon Bedrock Content chunking in Amazon Bedrock knowledge base

• پایگاه‌های دانش Amazon Bedrock Amazon Bedrock knowledge bases

• امنیت و حاکمیت با Guardrails در Amazon Bedrock Safety and governance with Amazon Bedrock guardrails

• مدیریت پرامپت‌ها در Amazon Bedrock Amazon Bedrock prompt management

• ارزیابی‌ها در Amazon Bedrock Amazon Bedrock evaluations

• سرویس Amazon Bedrock Amazon Bedrock

• اتوماسیون داده‌ها در Amazon Bedrock Amazon Bedrock data automation

• جریان‌های کاری (Flows) در Amazon Bedrock Amazon Bedrock flows

• بهینه‌سازی هزینه و انتخاب مدل در Amazon Bedrock Cost optimization and model selection in Amazon Bedrock

• استنتاج بین منطقه‌ای در Amazon Bedrock Cross-region inference in Amazon Bedrock

• مدیریت توکن‌ها در Amazon Bedrock Token management in Amazon Bedrock

• ظرفیت پردازشی رزرو شده Provisioned throughput

• مدل‌های پایه در Amazon Bedrock Foundation models in Amazon Bedrock

• نحوه عملکرد عامل‌های Amazon Bedrock How Amazon Bedrock agents work

4. هسته عامل‌های Amazon Bedrock (AgentCore) 4. Amazon Bedrock AgentCore

• تفسیرگر کد و ابزارهای مرورگر در Amazon Bedrock AgentCore Amazon Bedrock AgentCore code interpreter and browser tools

• مروری بر قابلیت مشاهده (Observability) در AgentCore Amazon Bedrock AgentCore observability overview

• مروری بر حافظه در Amazon Bedrock AgentCore Amazon Bedrock AgentCore memory overview

• مروری بر Amazon Bedrock AgentCore Amazon Bedrock AgentCore overview

• سرویس AWS Agent Squad چیست What is AWS Agent Squad

• مروری بر زمان اجرای (Runtime) AgentCore Amazon Bedrock AgentCore runtime overview

• سرویس AWS Strands Agents چیست What is AWS Strands Agents

• مروری بر درگاه (Gateway) در Amazon Bedrock AgentCore Amazon Bedrock AgentCore gateway overview

• الگوهای اعتبارسنجی انسان در چرخه (HITL) Human-in-the-loop (HITL) validation patterns

• مروری بر هویت در Amazon Bedrock AgentCore Amazon Bedrock AgentCore identity overview

5. بررسی عمیق هوش مصنوعی مولد 5. Generative AI: Deep Dive

• دیسیپلین امنیتی: حقوقی و حریم خصوصی Security discipline: Legal and privacy

• دیسیپلین امنیتی: کنترل‌ها Security discipline: Controls

• دیسیپلین امنیتی: تاب‌آوری Security discipline: Resilience

• درک محدوده مدل‌های آموزش‌دیده توسط کاربر Understanding self-trained models scope

• اعتبارسنجی انطباق و محدوده Validating compliance and scope

• دیسیپلین امنیتی: حاکمیت و انطباق Security discipline: Governance and compliance

• ماتریس تعیین محدوده امنیتی هوش مصنوعی مولد Generative AI security scoping matrix

• دیسیپلین امنیتی: مدیریت ریسک Security discipline: Risk management

• درک محدوده اپلیکیشن‌های سازمانی Understanding enterprise app scope

• درک محدوده اپلیکیشن‌های مصرف‌کننده Understanding consumer app scope

• مقدمه‌ای بر ماتریس تعیین محدوده امنیتی Introduction to security scoping matrix

• درک پروتکل کانتکست مدل Understanding model context protocol

• درک محدوده مدل‌های تنظیم‌شده (Fine-tuned) Understanding fined-tuned models scope

• مروری بر قابلیت مشاهده در هوش مصنوعی مولد Generative AI observability overview

6. مهندسی پرامپت و هوش مصنوعی مولد 6. Prompt Engineering and Generative AI

• لنگ‌چین (Langchain) چیست؟ What is Langchain?

• توکن‌ها و پرامپت‌ها در هوش مصنوعی مولد Tokens and prompts in generative AI

• پرامپت‌نویسی زنجیره تفکر (Chain of Thought) Chain of thought prompting

• لنگ‌گراف (Langraph) چیست؟ What is Langraph ?

• توکن‌ها در هوش مصنوعی چیستند؟ What are tokens in AI?

• نحوه عملکرد توکن‌گذاری، از جملات تا زیر-کلمات How tokenization works, from sentences to subwords

• انواع پرامپت‌ها و تکنیک‌های آن‌ها Types of prompts and techniques

• مقدمه‌ای بر مهندسی پرامپت Introduction to prompt engineering

• سازنده اپلیکیشن‌های هوش مصنوعی مولد در AWS Generative AI application builder on AWS

• کشینگ پرامپت (Prompt Caching) چیست What is prompt caching

• هوش مصنوعی عاملیت‌محور (Agentic AI) چیست؟ What is agentic AI?

• لنگ‌اسمیت (Langsmith) چیست؟ What is Langsmith?

• سرویس AWS Neuron برای هوش مصنوعی مولد AWS Neuron for Gen AI

7. دسته‌بندی سرویس‌های AWS 7. AWS Service Categories

• مروری بر سرویس‌های یکپارچه‌سازی اپلیکیشن AWS AWS application integration services overview

• مروری بر سرویس‌های امنیتی AWS AWS security services overview

• مروری بر سرویس‌های شبکه و توزیع محتوا AWS AWS networking and content delivery services overview

• مروری بر سرویس‌های انتقال و مهاجرت داده AWS AWS transfer and migration services overview

• مروری بر سرویس‌های مانیتورینگ AWS AWS monitoring services overview

• مروری بر سرویس‌های پردازشی (Compute) AWS AWS compute services overview

• مروری بر سرویس‌های حسابرسی و انطباق AWS AWS audit and compliance services overview

• مروری بر سرویس‌های استقرار (Deployment) AWS AWS deployment services overview

• مروری بر سرویس‌های پایگاه داده AWS AWS database services overview

• مروری بر سرویس‌های یادگیری ماشین AWS AWS machine learning services overview

• دسته‌بندی سرویس‌های AWS AWS services categories

• مروری بر سرویس‌های کانتینری AWS AWS container services overview

• مروری بر سرویس‌های تحلیل داده (Analytics) AWS AWS analytics services overview

• مروری بر سرویس‌های مدیریت هویت AWS AWS identity services overview

• مروری بر سرویس‌های ذخیره‌سازی AWS AWS storage services overview

• مروری بر سرویس‌های مدیریت و حاکمیت AWS AWS management and governance services overview

8. سرویس‌های AI/ML در AWS 8. AWS AI/ML Services

• سرویس Amazon Transcribe همراه با آزمایشگاه عملی Amazon Transcribe with hands-on labs

• سرویس Amazon Textract Amazon Textract

• هوش مصنوعی تقویت‌شده آمازون (A2I) همراه با آزمایشگاه عملی Amazon Augmented AI (A2I) with hands-on labs

• مروری بر Amazon Augmented AI (A2I) Amazon Augmented AI (A2I) overview

• سرویس Amazon Translate همراه با آزمایشگاه عملی Amazon Translate with hands-on labs

• شروع کار با Amazon Q Business Getting started with Amazon Q business

• سرویس Amazon Comprehend همراه با آزمایشگاه عملی Amazon Comprehend with hands-on labs

• ساخت یک تجربه وب سفارشی برای Amazon Q Business Building a custom Amazon Q business web experience

• سرویس Amazon Nova Amazon Nova

• جستجوی برداری (Vector Search) در سرویس‌های AWS AWS vector search across services

• آزمایشگاه عملی Amazon Polly Amazon Polly hands-on lab

• سرویس Amazon Lex همراه با آزمایشگاه‌های عملی Amazon Lex with hands-on labs

• سرویس Amazon Rekognition Amazon Rekognition

• مجموعه Amazon Quick Suite: همکار هوش مصنوعی شما Amazon Quick Suite: your agentic AI teammate

• سرویس Amazon Q Amazon Q

• شروع کار با Amazon Q Developer Getting started with Amazon Q developer

9. Amazon SageMaker و خط لوله‌های AI و ML 9. Amazon SageMaker AI and ML Pipelines

• سرویس Amazon SageMaker Jumpstart Amazon SageMaker Jumpstart

• سرویس Amazon SageMaker Ground Truth Amazon SageMaker Ground Truth

• نقاط انتهایی مدل SageMaker (Endpoints) SageMaker model endpoints

• کارت‌های مدل SageMaker SageMaker model cards

• توصیه‌گر استنتاج Amazon SageMaker Amazon SageMaker inference recommender

• رجیستری مدل‌های SageMaker SageMaker model registry

• سرویس Amazon SageMaker Canvas Amazon SageMaker Canvas

• درک رانش مدل (Model Drift) در یادگیری ماشین Understanding model drift in machine learning

• سرویس Amazon SageMaker HyperPod Amazon SageMaker HyperPod

• مدیریت نقش‌ها در Amazon SageMaker Amazon SageMaker role manager

• سرویس SageMaker Clarify SageMaker Clarify

• ذخیره‌ساز ویژگی‌های Amazon SageMaker (Feature Store) Amazon SageMaker feature store

• کاتالوگ Amazon SageMaker Amazon SageMaker catalog

• نقاط انتهایی (Endpoints) در Amazon SageMaker Amazon SageMaker endpoints

• سرویس SageMaker Data Wrangler SageMaker Data Wrangler

10. سرویس Amazon EC2 10. Amazon EC2

• داده‌های کاربر در Instance Instance user data

• امنیت شبکه در Amazon EC2 Amazon EC2 network security

• متادیتاهای Instance Instance metadata

• آزمایشگاه عملی: اتصال نام دامنه به Instance EC2 با استفاده از Elastic IP Hands-on lab: Connecting the domain name to the EC2 instance using Elastic IP

• آزمایشگاه عملی: راه‌اندازی یک وب‌سرور روی Instance EC2 Hands-on lab: Setting up a web server on an EC2 instance

• تصویر ماشین آمازون (AMI) Amazon Machine Image (AMI)

• آزمایشگاه عملی: استفاده از EC2 Instance Connect برای اتصال به Instance Hands-on lab: Using EC2 Instance Connect to connect to your instance

• آزمایشگاه عملی: مقیاس‌بندی عمودی یک Instance در Amazon EC2 Hands-on lab: Vertically scaling an Amazon EC2 instance

• انواع Instanceها Instance types

• مروری بر Amazon EC2 Amazon EC2 overview

• شبکه‌سازی در Amazon EC2 Amazon EC2 networking

11. شبکه خصوصی مجازی آمازون (Amazon VPC) 11. Amazon Virtual Private Cloud (Amazon VPC)

• کالبدشکافی یک Amazon VPC The anatomy of an Amazon VPC

• آزمایشگاه عملی: بررسی کنسول Amazon VPC Hands-on lab: Exploring the Amazon VPC console

• معماری‌های شبکه در Amazon VPC Amazon VPC network architectures

• مروری بر Amazon VPC Amazon VPC overview

• آزمایشگاه عملی: ایجاد یک Amazon VPC Hands-on lab: Creating an Amazon VPC

12. مقیاس‌پذیری خودکار Amazon EC2 (Auto Scaling) 12. Amazon EC2 Auto Scaling

• انواع مقیاس‌بندی خودکار در Amazon EC2 Amazon EC2 Auto Scaling types

• قلاب‌های چرخه حیات (Lifecycle Hooks) در EC2 Auto Scaling Amazon EC2 Auto Scaling lifecycle hooks

• مقیاس‌بندی Instanceهای EC2 با استفاده از ASG Scaling Amazon EC2 instances using ASG

• مروری بر Amazon EC2 Auto Scaling Amazon EC2 Auto Scaling overview

13. مانیتورینگ با Amazon CloudWatch 13. Monitoring with Amazon CloudWatch

• رویدادهای Amazon CloudWatch (Amazon EventBridge) Amazon CloudWatch events (Amazon EventBridge)

• مروری بر Amazon CloudWatch Amazon CloudWatch overview

• هشدارها (Alarms) در CloudWatch CloudWatch alarms

• معیارهای (Metrics) CloudWatch برای Instanceهای EC2 CloudWatch metrics for EC2 instances

• لاگ‌ها و فیلترهای معیارهای CloudWatch CloudWatch logs and metric filters

14. امنیت، انطباق و مدیریت 14. Security, Compliance, and Management

• چارچوب طرح امنیت سایبری باز (OCSF) در Security Lake Open Cybersecurity Schema Framework (OCSF) in Security Lake

• سرویس AWS Audit Manager AWS Audit Manager

• سرویس Amazon Security Lake Amazon Security Lake

• سرویس Amazon Inspector Amazon Inspector

• پروفایلر Amazon CodeGuru Amazon CodeGuru Profiler

• مروری بر IAM IAM overview

• مدیریت دسترسی به منابع AWS (Resource Access Manager) AWS Resource Access Manager

• مرکز هویت AWS IAM Identity Center AWS IAM Identity Center

• سرویس AWS Secrets Manager AWS Secrets Manager

• سرویس AWS Firewall Manager چیست What is AWS Firewall Manager

• مبانی سیاست‌های (Policy) IAM IAM policy basics

• سرویس Amazon Fraud Detector Amazon Fraud Detector

• انواع سیاست‌های IAM IAM policy types

• هویت‌های IAM IAM identities

• منطق ارزیابی سیاست‌های IAM IAM policy evaluation logic

• تحلیل‌گر دسترسی IAM IAM access analyzer

• سرویس AWS Security Hub AWS Security Hub

• سرویس Amazon CodeGuru Reviewer Amazon CodeGuru Reviewer

• سرویس Amazon CodeGuru Security Amazon CodeGuru Security

• مروری بر سرویس مدیریت کلید AWS (KMS) AWS Key Management Service (KMS) overview

• سرویس AWS Shield AWS Shield

• تمرین عملی با Amazon Macie Amazon Macie hands-on

15. سرویس AWS Systems Manager 15. AWS Systems Manager

• سرویس Systems Manager AppConfig Systems Manager AppConfig

• اتوماسیون در Systems Manager Systems Manager Automation

• دستور اجرای Systems Manager (Run Command) Systems Manager Run Command

• ذخیره‌ساز پارامترهای Systems Manager Systems Manager Parameter Store

• مدیریت وصله‌ها (Patch Manager) در Systems Manager Systems Manager Patch Manager

• مدیریت تغییرات (Change Manager) در Systems Manager Systems Manager Change Manager

• آزمایشگاه عملی: ذخیره‌ساز پارامترهای AWS Systems Manager Hands-on lab: AWS Systems Manager Parameter Store

16. سرویس AWS CloudFormation 16. AWS CloudFormation

• اسکریپت‌های کمکی CloudFormation CloudFormation helper scripts

• سرویس CloudFormation: StackSets CloudFormation: StackSets

• مفاهیم DependsOn و WaitCondition DependsOn and WaitCondition

• مروری بر CloudFormation CloudFormation overview

• کالبدشکافی یک قالب (Template) در CloudFormation Anatomy of a CloudFormation template

• سرویس AWS CloudFormation Guard AWS CloudFormation Guard

• سرویس CloudFormation: منابع سفارشی CloudFormation: Custom resource

• سرویس CloudFormation: استک‌های تودرتو (Nested stacks) CloudFormation: Nested stacks

17. پایگاه‌های داده AWS 17. AWS Databases

• اعلان رویدادهای Amazon RDS Amazon RDS events notification

• مروری بر Amazon RDS Amazon RDS overview

• نسخه‌های Read Replica در Amazon RDS Amazon RDS read replica

• سرویس Amazon MemoryDB Amazon MemoryDB

• اجزای اصلی Amazon DynamoDB Amazon DynamoDB core components

• استقرارهای Multi-AZ در Amazon RDS Amazon RDS multi-AZ deployments

• مروری بر Amazon DynamoDB Amazon DynamoDB overview

• مروری بر Amazon Aurora Amazon Aurora overview

• سرویس Amazon RDS Proxy Amazon RDS proxy

18. ذخیره‌سازی (Storage) 18. Storage

• مدیریت بردارها با Amazon S3 Vectors Vector management with Amazon S3 vectors

• کلاس ذخیره‌سازی S3: بازیابی منعطف Glacier Amazon S3 storage class: Glacier flexible retrieval

• کلاس ذخیره‌سازی S3: بازیابی فوری Glacier Amazon S3 storage class: Glacier instant retrieval

• کلاس ذخیره‌سازی S3: لایه‌بندی هوشمند (Intelligent tiering) Amazon S3 storage class: Intelligent-tiering

• مدیریت داده‌های جدولی در S3 با Table Buckets Tabular data management in S3 with table buckets

• درک سرویس Amazon S3 Storage Lens Understanding Amazon S3 Storage Lens

• کلاس ذخیره‌سازی S3: استاندارد (Standard) Amazon S3 storage class: Standard

• کلاس‌های ذخیره‌سازی Amazon S3 Amazon S3 storage classes

• تبدیل داده‌ها با Amazon S3 Object Lambda Transform data with Amazon S3 object lambda

• مروری بر Amazon S3 Amazon S3 overview

• ایجاد یک Amazon S3 Creating an Amazon S3

• آپلود و دانلود اشیاء در Amazon S3 Uploading and downloading objects in Amazon S3

• کلاس ذخیره‌سازی S3: One Zone IA Amazon S3 storage class: One zone-IA

• بررسی کنسول Amazon S3 Exploring the Amazon S3 console

• کلاس ذخیره‌سازی S3: Standard IA Amazon S3 storage class: Standard-IA

19. بررسی عمیق AWS Glue 19. AWS Glue Deep Dive

• مروری بر AWS Glue AWS Glue overview

• AWS Glue برای مبتدیان AWS Glue for beginners

• تثبیت داده‌های استریم با AWS Glue Schema Registry Bulletproof your streaming data with AWS Glue schema registry

• پاک‌سازی داده‌ها با AWS Glue DataBrew Data cleaning with AWS Glue DataBrew

• بهبود داده‌ها با AWS Glue Data Quality Improve data with AWS Glue data quality

• توضیح Bookmarks در کارهای AWS Glue AWS Glue job bookmarks explained

• شروع کار با AWS Glue Crawler Getting started with AWS Glue crawler

• اتوماسیون کشف داده‌ها با AWS Glue Classifiers Automate data discovery with AWS Glue classifiers

• ساخت کارهای ETL بصری با AWS Glue Studio Building visual ETL jobs with AWS Glue Studio

• اتصالات AWS Glue: متمرکز کردن مدیریت منابع داده AWS Glue connections: Centralize your data source management

• اتوماسیون خط لوله‌ها با AWS Glue Triggers Automate pipelines with AWS Glue triggers

20. چارچوب معماری بهینه AWS (Well Architected Framework) 20. AWS Well-Architected Framework

• چارچوب AWS Well Architected چیست؟ What is the AWS Well-Architected Framework?

• ابزار Well Architected برای هوش مصنوعی مولد: نقشه راه موفقیت AWS Well-Architected Tool for generative AI: Your blueprint for success

• گام دوم ابزار WA: انجام بررسی معماری AWS WA Tool step 2: conduct architectural review

• لنز سفارشی ابزار WA برای بارهای کاری ML AWS Well-Architected Tool custom lens for your ML workloads

• ستون‌های چارچوب AWS Well Architected The pillars of the AWS Well-Architected Framework

• گام سوم ابزار WA: اعمال بهترین روش‌ها (Best Practices) AWS WA Tool step 3: apply best practices

• مقدمه‌ای بر لنزهای AWS Well Architected Introduction to AWS Well-Architected lenses

• گام اول ابزار WA: تعریف بار کاری (Workload) AWS WA Tool step 1: define workload

21. بررسی عمیق Amazon Route 53 21. Amazon Route 53 - Deep Dive

• مسیریابی Geoproximity در Route 53: مسیریابی بر اساس مکان با کنترل بایاس Route 53 geoproximity routing: Route by location with bias control

• مسیریابی وزنی در Route 53: تقسیم ترافیک به صورت حرفه‌ای Route 53 weighted routing: Split your traffic like a pro

• مسیریابی تأخیر (Latency) در Route 53: ارسال کاربران به سریع‌ترین سرور Route 53 latency routing: Send users to the fastest server

• مسیریابی Geolocation در Route 53: هدایت ترافیک بر اساس مکان کاربر Route 53 geolocation routing: Direct traffic by user location

• مسیریابی Failover در Route 53: بازیابی خودکار از فاجعه Route 53 failover routing: Automatic disaster recovery

• مسیریابی مبتنی بر IP در Route 53: مسیریابی ترافیک بر اساس محدوده‌های IP خاص Route 53 IP-based routing: Route traffic by specific IP ranges

• مسیریابی پاسخ چندمقداری در Route 53: توزیع ساده بار با بررسی سلامت Route 53 multivalue answer routing: Simple load distribution with health checks

• مسیریابی ساده در Route 53: اتصال دامنه در چند دقیقه Route 53 simple routing: Connect your domain in minutes

22. سایر سرویس‌های AWS 22. Other AWS Services

• مسیریابی (Routing) چیست؟ What is routing?

• سرویس AWS DataSync AWS DataSync

• سرویس AWS AppSync AWS AppSync

• دسترسی به Instance در Amazon EC2 با استفاده از SSH Accessing the Amazon EC2 instance using SSH

• سرویس Amazon API Gateway Amazon API Gateway

• مروری بر AWS Amplify AWS Amplify overview

• اتصال نام دامنه به Instance در Amazon EC2 با استفاده از Elastic IP Connecting the domain name to the Amazon EC2 instance using Elastic IP

• مروری بر AWS Cost Explorer AWS Cost Explorer overview

• سرویس Amazon OpenSearch Amazon OpenSearch Service

• مانیتورینگ صورت‌حساب AWS با اعلان‌های AWS Budgets Monitoring your AWS bill with AWS Budgets notification

• سرویس AWS Lake Formation چیست؟ What is AWS Lake Formation?

• سرویس AWS CloudShell AWS CloudShell

• ایجاد هشدار هزینه با Amazon CloudWatch برای نظارت بر هزینه‌های AWS Creating a billing alarm with Amazon CloudWatch to monitor AWS charges

23. پروژه‌های هوش مصنوعی مولد و آزمایشگاه‌های عملی 23. Generative AI Projects and Hands-On Labs

• کاتالوگ سرویس‌های AWS: ساده‌سازی حاکمیت داده‌ها AWS Service Catalog: Governance made simple

• پیامدهای اقتصادی و تجاری راهکارهای هوش مصنوعی مولد Economic and business implications of gen-AI solutions

• ترمینال انتقال داده AWS: انتقال داده‌ها به کلود AWS Data Transfer Terminal: Drive your data to the cloud

• آزمایشگاه عملی: ساخت تجربه وب سفارشی برای Amazon Q Business Building a custom Amazon Q business web experience hands-on lab

• یکپارچه‌سازی هوش مصنوعی مولد در جریان‌های کاری تجاری Integrating generative AI into business workflows

• آزمایشگاه عملی: Amazon S3 + Amazon Q Business Amazon S3 + Amazon Q business hands-on lab

• ساخت اپلیکیشن RAG با آگاهی از هزینه با Amazon Bedrock Building a cost-aware RAG application with Amazon Bedrock

• استخراج متن از اسناد بدون ساختار با Bedrock و Textract (آزمایشگاه عملی) Extracting text from unstructured documents using Bedrock and Textract (hands-on lab)

• آزمایشگاه عملی: Amazon Bedrock Serverless + Claude Haiku Amazon Bedrock Serverless + Claude Haiku hands-on lab