آموزش هوش مصنوعی مولد برای مهندسین ابر - آخرین آپدیت

دانلود Generative AI for Cloud Engineers

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره:

تسلط بر هوش مصنوعی مولد در مهندسی ابری با بیش از 1000 اعلان

آیا به دنبال استفاده از قدرت هوش مصنوعی مولد (GenAI) برای بهینه‌سازی و خودکارسازی عملیات ابری خود هستید؟ با این دوره جامع، هوش مصنوعی مولد برای مهندسان ابری، به دنیای هوش مصنوعی مولد قدم بگذارید و مهارت‌های لازم برای ارتقای مهندسی ابری خود را به دست آورید.

آنچه خواهید آموخت:

  • درک مبانی، قابلیت‌ها و محدودیت‌های هوش مصنوعی مولد در زمینه رایانش ابری

  • دسترسی به بیش از 1000 اعلان اختصاصی برای خودکارسازی ابری، مدیریت هزینه، امنیت و عیب‌یابی

  • تجزیه و تحلیل تکامل هوش مصنوعی در محیط‌های ابری و چگونگی تغییر شکل گردش کارهای خودکارسازی سنتی

  • تمایز بین اسکریپت‌نویسی/خودکارسازی مرسوم و تولید زیرساخت مبتنی بر GenAI

  • ارزیابی و ادغام پلتفرم‌های پیشرو GenAI (OpenAI، Anthropic، AWS Bedrock، Google Vertex AI، Azure OpenAI) در عملیات ابری واقعی

  • یادگیری نحوه احراز هویت، مصرف و مدیریت APIهای هوش مصنوعی مولد در بین ارائه‌دهندگان مختلف با بهترین شیوه‌ها

  • مقایسه مدل‌های زبانی بزرگ (LLMs) و مدل‌های انتشار و کاربرد آنها در وظایف ابری مانند تهیه، مستندسازی و نظارت

  • مهندسی اعلانات مؤثر برای تولید زیرساخت به عنوان کد (IaC) با استفاده از Terraform، CloudFormation و Pulumi

  • تولید خودکار YAMLهای Kubernetes، نمودارهای Helm و کد خط لوله CI/CD با استفاده از ابزارهای GenAI

  • استفاده از GenAI برای اندازه بندی صحیح VM، برنامه ریزی منابع و مقیاس بندی پیش بینی برای بهینه سازی هزینه و عملکرد

  • تشخیص ناهنجاری‌ها، خلاصه سازی گزارش‌ها و معیارها و تولید اسناد RCA و گزارش‌های حادثه با استفاده از اعلان‌های زبان طبیعی

  • پیاده سازی تشخیص تهدید مبتنی بر GenAI، تولید خط مشی IAM و تجزیه و تحلیل گزارش‌های ممیزی

  • امنیت استفاده از GenAI خود را از طریق بهترین شیوه‌ها از جمله پیشگیری از تزریق اعلان، رمزگذاری و چرخش کلید تضمین کنید

  • ایجاد گردش کارهای GitOps و DevOps با پشتیبانی LLM، از جمله اسکریپت‌های استقرار و منطق بازگشت

  • ایجاد محیط‌های ابری خود ترمیم شونده با عوامل محرک اعلان و ابزارهای نظارتی یکپارچه LLM

  • استفاده از GenAI برای تولید خودکار توابع بدون سرور، اسکلت‌های میکروسرویس و مستندات API

  • ادغام هوش مصنوعی مولد در سیستم‌های CI/CD (GitHub Actions، GitLab CI، Jenkins) برای خودکارسازی و اعتبارسنجی

  • توسعه دستیاران ChatOps مجهز به هوش مصنوعی برای Slack یا Teams برای مدیریت منابع ابری با استفاده از زبان طبیعی

  • انجام آزمایشگاه‌های عملی برای ساخت پروژه‌های واقعی با استفاده از GenAI در محیط‌های AWS، Azure و GCP

  • تبدیل شدن به یک رهبر در ابتکارات GenAI در مهندسی ابری، خودکارسازی پلتفرم و تحول DevOps بومی ابری

پیش نیازها:

دانش پایه در مورد مفاهیم رایانش ابری

هیچ تجربه قبلی با هوش مصنوعی مولد لازم نیست، اما علاقه به خودکارسازی مبتنی بر هوش مصنوعی و رابط‌های زبان طبیعی تشویق می‌شود.

ظهور هوش مصنوعی مولد (GenAI) شیوه طراحی، استقرار، نظارت و امنیت زیرساخت‌ها توسط متخصصان ابری را متحول می‌کند. این دوره جامع، هوش مصنوعی مولد برای مهندسان ابری، برای مهندسان ابری، متخصصان DevOps و SREها که قصد دارند قدرت GenAI را در گردش کارهای ابری خود ادغام کنند، طراحی شده است. این دوره با رمزگشایی GenAI—قابلیت‌ها، محدودیت‌ها و تفاوت آن با خودکارسازی سنتی—شروع می‌شود. فراگیران به بررسی تکامل هوش مصنوعی در محیط‌های ابری می‌پردازند و درک می‌کنند که چرا درک GenAI اکنون برای هر نقش ابری ضروری است. این دوره یک غواصی عمیق در پلتفرم‌های GenAI مانند OpenAI، Anthropic، Google Vertex AI و AWS Bedrock ارائه می‌دهد، از جمله نحوه تعامل با APIهای آنها، مدیریت محدودیت‌های استفاده و ادغام آنها در معماری‌های بومی ابری.

شما یاد خواهید گرفت که چگونه از مدل‌های زبانی بزرگ (LLM) و مدل‌های انتشار برای کارهای زیرساختی استفاده کنید—از تولید اسکریپت‌های Terraform، CloudFormation و Pulumi گرفته تا نوشتن خودکار YAMLهای Kubernetes و نمودارهای Helm. این دوره بر مهندسی اعلان برای زیرساخت به عنوان کد (IaC)، بهبود خط لوله CI/CD با ابزارهایی مانند GitHub Copilot و اندازه بندی صحیح منابع هوشمند، بهینه سازی هزینه و تشخیص ناهنجاری با استفاده از زبان طبیعی تأکید دارد. شما کشف خواهید کرد که چگونه خط‌مشی‌های IAM را به‌طور خودکار ایجاد کنید، گزارش‌ها و معیارها را خلاصه کنید، اسناد RCA را ایجاد کنید و اعلان‌های GitOps/DevOps را بنویسید که مستقیماً به خودکارسازی بی‌درنگ تغذیه می‌شوند. جلسات پیشرفته شامل تشخیص تهدید، استقرار امن GenAI، پیشگیری از تزریق اعلان و ایجاد ربات ChatOps برای Slack و Teams است.

آزمایشگاه‌های واقعی یادگیری را تقویت می‌کنند و شما را قادر می‌سازند تا قالب‌های IaC را برای AWS، Azure و GCP ایجاد کنید، استراتژی‌های امنیتی مبتنی بر GenAI را پیاده‌سازی کنید و هزینه‌های ابری را بهینه کنید. این دوره با آزمایشگاه‌های عملی، خودکارسازی دفترچه SRE، ایجاد اسکریپت خود ترمیم و ادغام LLMها در سیستم‌های CI/CD به پایان می‌رسد. با بیش از 1000 اعلان تخصصی، این دوره شما را به ابزارهایی مجهز می‌کند تا آینده زیرساخت ابری مبتنی بر هوش مصنوعی را هدایت کنید.


سرفصل ها و درس ها

Introduction to Generative AI in Cloud Engineering

  • هوش مصنوعی مولد چیست؟ What is Generative AI?

  • تکامل هوش مصنوعی در محیط های ابری Evolution of AI in Cloud Environments

  • تفاوت بین اتوماسیون سنتی و گردش کار GenAI Difference Between Traditional Automation and GenAI Workflows

  • چرا مهندسان ابری باید GenAI را درک کنند؟ Why Cloud Engineers Need to Understand GenAI

اکوسیستم GenAI برای مهندسی ابری GenAI Ecosystem for Cloud Engineering

  • بررسی اجمالی پلتفرم های GenAI (OpenAI، Anthropic، Google Vertex AI، AWS Bedrock) Overview of GenAI Platforms (OpenAI, Anthropic, Google Vertex AI, AWS Bedrock)

  • API های هوش مصنوعی مولد: احراز هویت، محدودیت های استفاده و یکپارچه سازی Generative AI APIs: Authentication, Usage Limits, and Integration

  • مدل های LLM در مقابل مدل های Diffusion: موارد استفاده در ابر LLMs vs. Diffusion Models: Use Cases in the Cloud

اتوماسیون زیرساخت ابری با استفاده از GenAI Cloud Infrastructure Automation Using GenAI

  • مهندسی Prompt برای تولید زیرساخت به عنوان کد (IaC) Prompt Engineering for Infrastructure-as-Code (IaC) Generation

  • تولید خودکار اسکریپت های Terraform، CloudFormation و Pulumi Auto-generating Terraform, CloudFormation, and Pulumi Scripts

  • ایجاد Kubernetes YAML ها و Helm Charts با استفاده از GenAI Creating Kubernetes YAMLs and Helm Charts using GenAI

  • پیشنهادات کد CI/CD Pipeline با GenAI (به عنوان مثال، GitHub Copilot) CI/CD Pipeline Code Suggestions with GenAI (e.g., GitHub Copilot)

بهینه سازی منابع ابری با استفاده از GenAI Optimizing Cloud Resources Using GenAI

  • برنامه ریزی منابع و Right-Sizing ماشین های مجازی با توصیه های مبتنی بر Prompt Resource Planning and Right-Sizing VMs with Prompt-Driven Recommendations

  • مقیاس بندی پیش بینی کننده و بهینه سازی هزینه مبتنی بر GenAI Predictive Scaling and GenAI-based Cost Optimization

  • Prompt های تجزیه و تحلیل گزارش (Log) برای تشخیص خودکار ناهنجاری ها Log Analysis Prompts for Auto-Detecting Anomalies

  • توصیه های مبتنی بر GPT برای نمونه های رزرو شده و طرح های پس انداز GPT-Driven Recommendations for Reserved Instances and Savings Plans

نظارت و قابلیت مشاهده با GenAI Monitoring and Observability with GenAI

  • استفاده از GenAI برای خلاصه کردن گزارش ها (Logs) و معیارها (Metrics) از ابزارهای نظارت ابری Using GenAI to Summarize Logs and Metrics from Cloud Monitoring Tools

  • تشخیص ناهنجاری در گزارش ها (Logs) با استفاده از GenAI (به عنوان مثال، Prometheus + LLMs) Anomaly Detection in Logs using GenAI (e.g., Prometheus + LLMs)

  • تجزیه و تحلیل علت ریشه ای مبتنی بر NLP برای قطعی های ابری NLP-Powered Root Cause Analysis for Cloud Outages

  • الگوهای Prompt برای گزارش دهی حوادث و اسناد RCA Prompt Templates for Incident Reporting and RCA Documents

اتوماسیون امنیت و انطباق Security and Compliance Automation

  • GenAI در تشخیص تهدید و اولویت بندی هشدار GenAI in Threat Detection and Alert Prioritization

  • تولید خودکار خط مشی های IAM و تجزیه و تحلیل گزارش های Audit Auto-Generating IAM Policies and Audit Logs Analysis

  • ایمن سازی API های GenAI و داده ها (رمزگذاری، چرخش کلید) Securing GenAI APIs and Data (Encryption, Key Rotation)

  • تزریق Prompt، سوء استفاده از مدل و دستورالعمل های استقرار ایمن Prompt Injection, Model Abuse, and Secure Deployment Guidelines

هوش مصنوعی مولد در DevOps و SRE Generative AI in DevOps & SRE

  • نوشتن Prompt های GitOps و DevOps Writing GitOps and DevOps Prompts

  • نوشتن متفاوت Prompt های GitOps و DevOps Different Writing GitOps and DevOps Prompts

  • یادداشت های انتشار و اعتبارسنجی استقرار مبتنی بر هوش مصنوعی AI-Powered Release Notes and Deployment Validation

  • مطالعه موردی: استفاده از GenAI برای اتوماسیون SRE Playbook Case Study: Using GenAI for SRE Playbook Automation

  • ایجاد اسکریپت های خود ترمیم با منطق مبتنی بر Prompt Creating Self-Healing Scripts with Prompt-Driven Logic

  • ایجاد متفاوت اسکریپت های خود ترمیم با منطق مبتنی بر Prompt Different Creating Self-Healing Scripts with Prompt-Driven Logic

توسعه برنامه Cloud-Native با GenAI Cloud-Native Application Development with GenAI

  • تولید توابع Serverless (AWS Lambda، GCP Functions) با Prompt Generating Serverless Functions (AWS Lambda, GCP Functions) with Prompts

  • Prompt های متفاوت تولید توابع Serverless (AWS Lambda، GCP Functions) Different Prompts Generating Serverless Functions (AWS Lambda, GCP Functions)

  • اسکلت های کد Microservices از توضیحات API Microservices Code Skeletons from API Descriptions

  • Prompt های متفاوت - اسکلت های کد Microservices از توضیحات API Different Prompts - Microservices Code Skeletons from API Descriptions

  • GenAI برای مستندسازی API ها و معماری های ابری GenAI for Documenting APIs and Cloud Architectures

  • Prompt های متفاوت - GenAI برای مستندسازی API ها و معماری های ابری Different Prompts - GenAI for Documenting APIs and Cloud Architectures

ساخت دستیارهای هوش مصنوعی برای عملیات ابری Building AI Assistants for Cloud Operations

  • ایجاد دستیارهای ChatOps با استفاده از GenAI و یکپارچه سازی Slack/Teams و Prompt ها Creating ChatOps Assistants Using GenAI and Slack/Teams Integrations and Prompts

  • تنظیم دقیق LLM ها برای موارد استفاده پشتیبانی از زیرساخت Fine-tuning LLMs for Infrastructure Support Use Cases

  • اتوماسیون عیب یابی با عوامل مبتنی بر Prompt Automating Troubleshooting with Prompt-Driven Agents

  • Prompt های متفاوت - اتوماسیون عیب یابی با عوامل مبتنی بر Prompt Different Prompts - Automating Troubleshooting with Prompt-Driven Agents

  • ادغام LLM ها با ابزارهای CI/CD (Jenkins، GitLab CI) Integrating LLMs with CI/CD Tools (Jenkins, GitLab CI)

موارد استفاده GenAI در سراسر ارائه دهندگان ابر GenAI Use Cases Across Cloud Providers

  • GenAI برای AWS (Bedrock، CodeWhisperer، Lambda + LLMs) GenAI for AWS (Bedrock, CodeWhisperer, Lambda + LLMs)

  • GenAI برای GCP (Vertex AI، Duet AI، Cloud Functions) GenAI for GCP (Vertex AI, Duet AI, Cloud Functions)

  • Prompt های متفاوت Different Prompts

  • GenAI برای Azure (یکپارچه سازی OpenAI، AI Studio، Bicep Templates) GenAI for Azure (OpenAI Integration, AI Studio, Bicep Templates)

آزمایشگاه های عملی Hands-On Labs

  • آزمایشگاه 1: تولید اسکریپت های Terraform با استفاده از ChatGPT Lab 1: Generate Terraform Scripts using ChatGPT

  • آزمایشگاه 2: ایجاد Kubernetes Helm Charts از Prompt ها Lab 2: Create Kubernetes Helm Charts from Prompts

  • آزمایشگاه 3: تجزیه و تحلیل گزارش های CloudWatch با استفاده از GenAI Lab 3: CloudWatch Log Analysis using GenAI

  • آزمایشگاه 4: ساخت یک ربات ChatOps مبتنی بر GenAI Lab 4: Build a GenAI-powered ChatOps Bot

  • آزمایشگاه 5: ایجاد زیرساخت AWS به عنوان کد (IaC) با استفاده از هوش مصنوعی مولد Lab 5: Create AWS Infrastructure as Code (IaC) Templates Using Generative AI

  • آزمایشگاه 6: نحوه ایجاد Azure Resource Templates با استفاده از هوش مصنوعی مولد Lab 6: How to Create Azure Resource Templates Using Generative AI

  • آزمایشگاه 7: ایجاد Google Cloud Deployment Manager Templates با استفاده از هوش مصنوعی مولد Lab 7: Create Google Cloud Deployment Manager Templates Using Generative AI

  • آزمایشگاه 8: افزایش امنیت ابری در AWS با هوش مصنوعی مولد Lab 8: Enhancing Cloud Security on AWS with Generative AI

  • آزمایشگاه 9: افزایش امنیت ابری در Google Cloud با هوش مصنوعی مولد Lab 9: Enhancing Cloud Security on Google Cloud with Generative AI

  • آزمایشگاه 10: نظارت و مدیریت عملکرد ابری مبتنی بر هوش مصنوعی با استفاده از GenAI Lab 10 : AI-Driven Cloud Performance Monitoring and Management Using GenAI

  • آزمایشگاه 11: استفاده از هوش مصنوعی مولد برای تجزیه و تحلیل و بهینه سازی هزینه های ابری Lab 11: Using Generative AI to Analyze and Optimize Cloud Spend

1000 Prompts - هوش مصنوعی مولد برای مهندسان ابری 1000 Prompts - Generative AI for Cloud Engineers

  • تولید الگوهای Terraform برای خدمات ابری Generating Terraform Templates for Cloud Services

  • ایجاد اسکریپت های CloudFormation برای منابع AWS Creating CloudFormation scripts for AWS resources

  • نوشتن الگوهای Bicep برای استقرارهای Azure Writing Bicep templates for Azure deployments

  • تولید اسکریپت GCP Deployment Manager GCP Deployment Manager script generation

  • بازسازی و مستندسازی ماژول IaC مبتنی بر Prompt Prompt-driven IaC module refactoring and documentation

  • طراحی نمودارهای معماری چند ابری با استفاده از prompts Designing multi-cloud architecture diagrams using prompts

  • مقایسه معادل های خدمات در AWS، Azure و GCP Comparing service equivalents across AWS, Azure, and GCP

  • GenAI برای prompts معماری با در دسترس بودن بالا و failover GenAI for high-availability and failover architecture prompts

  • تولید پیکربندی های شبکه hybrid ابری Generating cloud hybrid network configurations

  • مقایسه معماری cloud-native در مقابل serverless با استفاده از prompts Cloud-native vs. serverless architecture comparison using prompts

  • ایجاد و بررسی خط مشی IAM از طریق GenAI IAM policy creation and review via GenAI

  • تجزیه و تحلیل و رفع گروه های امنیتی پیکربندی نشده Analyzing and fixing misconfigured security groups

  • GenAI برای تولید پیکربندی های رمزگذاری KMS GenAI for generating KMS encryption configurations

  • ایجاد security playbooks برای پاسخ به حوادث Creating security playbooks for incident response

  • بررسی گزارش های Audit برای نقض خط مشی Reviewing audit logs for policy violations

  • خلاصه کردن گزارش های صورتحساب ابری Summarizing cloud billing reports

  • تولید توصیه های بهینه سازی هزینه Generating cost optimization recommendations

  • ایجاد هشدارهای بودجه با استفاده از IaC و GenAI Creating budget alerts using IaC and GenAI

  • پیش بینی هزینه های آینده با استفاده از مصرف تاریخی و هوش مصنوعی Forecasting future spend using historical usage and AI

  • پیش بینی هزینه های آینده با استفاده از مصرف تاریخی و هوش مصنوعی Forecasting future spend using historical usage and AI

  • شناسایی منابع ابری بیکار یا کم استفاده Identifying idle or underutilized cloud resources

  • تولید گردش کارهای GitHub Actions برای استقرارهای ابری Generating GitHub Actions workflows for cloud deployments

  • نوشتن pipelines های Jenkins با GenAI Writing Jenkins pipelines with GenAI

  • ساخت الگوهای GitLab CI برای workloads های کانتینری Building GitLab CI templates for container workloads

  • برنامه های rollback مبتنی بر Prompt برای استقرارهای ناموفق Prompt-based rollback plans for failed deployments

  • تولید changelogs و یادداشت های انتشار Generating changelogs and release notes

  • نوشتن قوانین هشدار برای Prometheus، CloudWatch، Azure Monitor Writing alert rules for Prometheus, CloudWatch, Azure Monitor

  • خلاصه کردن گزارش ها و معیارها با استفاده از LLM ها Summarizing logs and metrics using LLMs

  • ساخت داشبورد با استفاده از GenAI برای Grafana یا Looker Building dashboards using GenAI for Grafana or Looker

  • عیب یابی ناهنجاری های عملکرد با زبان طبیعی Troubleshooting performance anomalies with natural language

  • تجزیه و تحلیل علت ریشه ای از داده های نظارت ابری Root cause analysis from cloud monitoring data

  • تولید خط مشی های auto-scaling برای منابع محاسباتی Generating auto-scaling policies for compute resources

  • ایجاد قوانین مقیاس بندی افقی/عمودی با هوش مصنوعی Creating horizontal/vertical scaling rules with AI

  • اندازه بندی Kubernetes pods و nodes با استفاده از داده های مصرف Sizing Kubernetes pods and nodes using usage data

  • توصیه های نوع instance مبتنی بر هوش مصنوعی AI-based instance type recommendations

  • بهینه سازی Lambda/Cloud Functions با تجزیه و تحلیل مبتنی بر prompt Optimizing Lambda/Cloud Functions with prompt-driven analysis

  • استفاده از GenAI با AWS Bedrock، Azure OpenAI، Vertex AI Using GenAI with AWS Bedrock, Azure OpenAI, Vertex AI

  • ساخت برنامه های ابری serverless مبتنی بر GenAI Building serverless GenAI-powered cloud apps

  • اتوماسیون وظایف ابری با دستیارهای ChatOps Automating cloud tasks with ChatOps assistants

  • دستیارهای ابری مبتنی بر LLM برای تعاملات CLI/API LLM-based cloud assistants for CLI/API interactions

  • مهندسی Prompt برای مدیریت خدمات ابری از طریق صدا/چت Prompt engineering for managing cloud services via voice/chat

  • تولید گزارش های Audit با GenAI Generating audit reports with GenAI

  • ایجاد خط مشی های سازمانی برای GCP و Azure با استفاده از هوش مصنوعی Creating organization policies for GCP and Azure using AI

  • نقشه برداری انطباق (CIS، HIPAA، GDPR) با کنترل های ابری Mapping compliance (CIS, HIPAA, GDPR) with cloud controls

  • مستندسازی خودکار وضعیت های امنیتی Documenting security postures automatically

  • GenAI برای شناسایی policy drift و پیکربندی های نادرست GenAI for identifying policy drift and misconfigurations

  • مستندسازی خودکار IaC، Kubernetes YAML ها و pipelines های CI Auto-documenting IaC, Kubernetes YAMLs, and CI pipelines

  • ایجاد مقالات داخلی پایگاه دانش با استفاده از prompts Creating internal knowledge base articles using prompts

نمایش نظرات

آموزش هوش مصنوعی مولد برای مهندسین ابر
جزییات دوره
1.5 hours
103
Udemy (یودمی) Udemy (یودمی)
(آخرین آپدیت)
146
4.1 از 5
ندارد
دارد
دارد
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Edcorner Learning Edcorner Learning

دوره های آموزش آنلاین Edcorner گزینه های آموزشی متمرکز بر مشتری را در قالب های مختلف و روش های تحویل ارائه می دهد ، و به افراد و سازمان ها آموزش با کیفیت بالا ارائه می دهد که می تواند متناسب با سبک های یادگیری فردی و نیازهای خاص باشد ، مانند آموزش آنلاین ، آموزش سفارشی ، آموزش خود گام ، محل آموزش. مدرسان ما از سراسر حوزه دارای مهارت و تخصص بالایی هستند. Edcorner آموزش مهارت های زیر را ارائه می دهد: 1. HR و HR Analytics ، روز کاری HCM. 2. برنامه نویسی - C ، C ++ ، C Sharp ، JAVA ، JS ، Angular ، Python ، HTML CSS. PHP ، Flutter ، vb.net ، .net ، Unity و موارد دیگر. 3. امنیت سایبری. 4. بلاکچین. 5. SAP