لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
[جدید] متخصص هوش مصنوعی AWS AIF-C01
[NEW] AWS Certified AI Practitioner AIF-C01
نکته:
آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره:
قبولی در آزمون AWS AI Practitioner AIF-C01 با این دوره توسط Jairo Pirona | آزمون عملی شامل | همه موضوعات تحت پوشش آزمون AWS Certified AI Practitioner (AIF-C01) مفاهیم کلیدی هوش مصنوعی، یادگیری ماشینی و هوش مصنوعی مولد را پشت سر بگذارید. موارد استفاده از هوش مصنوعی در دنیای واقعی را در خدمات وب آمازون شناسایی کنید. اقدامات مسئول و امنیت در راه حل های هوش مصنوعی را درک کنید. و بیشتر... پیش نیازها:محاسبات پایه و مهارت های ابری. دسترسی به حساب AWS برای تمرین عملی. علاقه به هوش مصنوعی و یادگیری ماشین. تمایل به دریافت گواهینامه AWS Certified AI Practitioner
آینده هوش مصنوعی (AI) و یادگیری ماشینی (ML) را با AWS کشف کنید. در این دوره آموزشی که برای آزمون AWS Certified AI Practitioner طراحی شده است، اصول هوش مصنوعی، یادگیری ماشین و یادگیری عمیق را که از طریق سرویس های پیشرفته AWS اعمال می شود، یاد خواهید گرفت. این دوره بر روی تجهیز شما به ابزارهای مورد نیاز برای درک، پیاده سازی و استفاده از راه حل های هوش مصنوعی در دنیای واقعی تمرکز دارد.
در طول ماژولها، مفاهیم اساسی، موارد استفاده عملی و بهترین شیوهها برای کار با فناوریهای پیشرفته مانند هوش مصنوعی مولد را بررسی خواهید کرد. علاوه بر این، ما اهمیت استفاده از هوش مصنوعی را به طور مسئولانه و ایمن و پیروی از استانداردهای صنعت بررسی خواهیم کرد.
این یک دوره خسته کننده از سخنرانی های صوتی و پاورپوینت نیست. در اینجا من مطالب را به شیوه ای تعاملی و جذاب ارائه خواهم کرد که شما را علاقه مند نگه می دارد و درک آن را آسان تر می کند. ویدیوهای رایگان موجود را بررسی کنید و تفاوت را خواهید دید!
چه چیزی یاد خواهید گرفت؟
مبانی هوش مصنوعی و یادگیری ماشین (ML) شما اصول AI و ML، از جمله شبکه های عصبی، بینایی کامپیوتر و پردازش زبان طبیعی (NLP) را خواهید فهمید. ما تفاوتهای کلیدی بین هوش مصنوعی، یادگیری ماشینی و یادگیری عمیق را بررسی میکنیم و یاد میگیریم که چگونه تشخیص دهیم که چه زمانی استفاده از این فناوریها مناسب است.
هوش مصنوعی مولد خواهید فهمید که چگونه هوش مصنوعی مولد می تواند محتوای جدیدی مانند متن، تصاویر و صدا را از داده های موجود ایجاد کند. نمونههایی از مدلهای تولیدی و کاربردهای عملی آنها را در صنایع، مانند تولید محتوای خلاقانه، توسعه نرمافزار، و موارد دیگر خواهیم دید.
مدل های پایه و تنظیم دقیق شما در مورد مدل های از پیش آموزش دیده و نحوه انتخاب مناسب برای سناریوهای مختلف یاد خواهید گرفت. علاوه بر این، تکنیکهای تنظیم دقیق را برای بهینهسازی عملکرد مدل و نحوه سفارشیسازی آنها برای موارد استفاده خاص بررسی خواهید کرد.
هوش مصنوعی مسئول شما اصول اخلاقی هوش مصنوعی، از جمله شفافیت، حریم خصوصی، و کاهش تعصب را درک خواهید کرد. این ماژول همچنین ابزارهایی را که AWS برای اطمینان از ایمن بودن، قابل توضیح بودن و رعایت استانداردهای مسئولیت مدل ها ارائه می دهد، پوشش می دهد.
امنیت، انطباق و حکمرانی برای راهحلهای هوش مصنوعی شما خواهید آموخت که چگونه استراتژیهای حاکمیتی و امنیتی را برای راهحلهای هوش مصنوعی پیادهسازی کنید و اطمینان حاصل کنید که سیستمها با استانداردهای نظارتی و بهترین عملکرد مطابقت دارند. این شامل مدیریت ایمن دادهها و محافظت از مدلها در برابر آسیبپذیریهای احتمالی است.
محتوای دوره و توزیع دامنه
این دوره با پنج حوزه کلیدی آزمون AWS Certified AI Practitioner همراستا شده است و پایه محکمی برای کمک به شما برای دستیابی به گواهینامه فراهم می کند. این دامنه ها به صورت زیر توزیع می شوند:
دامنه 1: مبانی هوش مصنوعی و ML (20٪ محتوای امتیازدهی شده)
دامنه 5: امنیت، انطباق و حاکمیت برای راهکارهای هوش مصنوعی (14٪ محتوای امتیازدهی شده)
این دوره برای چه کسانی است؟
این دوره برای هر کسی طراحی شده است که به دنبال درک کاملی از اصول هوش مصنوعی و یادگیری ماشین با AWS است. لازم نیست در برنامه نویسی یا ریاضیات پیشرفته متخصص باشید. این دوره همه چیز را از مفاهیم اولیه گرفته تا برنامه های کاربردی پیشرفته تر، همه را به روشی قابل دسترس پوشش می دهد. این ایده آل است برای:
حرفهایانی که به دنبال ورود به حوزه هوش مصنوعی هستند
توسعه دهندگانی که به دنبال پیاده سازی راه حل های AI در AWS هستند
رهبران تجاری که می خواهند هوش مصنوعی را در پروژه های خود ادغام کنند
نامزدهای آزمون AWS Certified AI Practitioner
پیش نیازها
هیچ دانش فنی قبلی در زمینه هوش مصنوعی یا یادگیری ماشینی مورد نیاز نیست، اما آشنایی اولیه با سرویسهای AWS و مفاهیم رایانش ابری به شما کمک میکند بیشترین بهره را از محتوای دوره ببرید.
سرفصل ها و درس ها
مقدمه
Introduction
مقدمه
INTRO
درباره امتحان AWS Certified AI Practitioner
About the AWS Certified AI Practitioner exam
ایجاد یک حساب AWS
Creating an AWS Account
بودجه های AWS
AWS Budgets
AWS Cost Explorer
AWS Cost Explorer
تولد هوش مصنوعی
The birth of Artificial Intelligence
دانلود فایل ها و اسلایدها
Files and slides download
دانلود مطالب درسی
Download study material
دامنه 1: مبانی هوش مصنوعی و ML
Domain 1: Fundamentals of AI and ML
مقدمه دامنه 1 - مبانی یادگیری ماشین و هوش مصنوعی
Intro Domain 1 - Fundamentals of Machine Learning and Artificial Intelligence
اصطلاحات اولیه هوش مصنوعی (AI، ML، یادگیری عمیق، شبکه های عصبی، بینایی کامپیوتر، و غیره) P1
Basic AI terms (AI, ML, deep learning, neural networks, computer vision, etc) P1
اصطلاحات اولیه هوش مصنوعی (AI، ML، یادگیری عمیق، شبکه های عصبی، بینایی کامپیوتر، و غیره) P2
Basic AI terms (AI, ML, deep learning, neural networks, computer vision, etc) P2
شباهت ها و تفاوت های بین هوش مصنوعی، ML و یادگیری عمیق
Similarities and differences between AI, ML, and deep learning
استنتاج ها، داده ها و تکنیک های یادگیری در هوش مصنوعی. PARTE 1
Inferences, Data and Learning Techniques in AI. PARTE 1
استنتاج ها، داده ها و تکنیک های یادگیری در هوش مصنوعی. PARTE 2
Inferences, Data and Learning Techniques in AI. PARTE 2
استنتاج ها، داده ها و تکنیک های یادگیری در هوش مصنوعی. PARTE 3
Inferences, Data and Learning Techniques in AI. PARTE 3
شناسایی برنامه هایی که AI/ML می تواند ارزش افزوده ایجاد کند
Recognizing the applications where AI/ML can add value
تعیین زمانی که راه حل های AI/ML مناسب نیستند
Determining when AI/ML solutions are not appropriate
انتخاب تکنیک های ML مناسب برای موارد استفاده خاص
Selecting the appropriate ML techniques for specific use cases
موارد استفاده عملی از هوش مصنوعی - خدمات AI/ML مدیریت شده توسط AWS. قسمت 1
Practical AI use cases - AWS managed AI/ML services. PART 1
موارد استفاده عملی از هوش مصنوعی - خدمات AI/ML مدیریت شده توسط AWS. قسمت 2
Practical AI use cases - AWS managed AI/ML services. PART 2
نمونه هایی از برنامه های کاربردی هوش مصنوعی در دنیای واقعی
Examples of real-world AI applications
چرخه حیات توسعه یادگیری ماشین بخش 1 (خط لوله ML، چرخه حیات و غیره)
Machine Learning Development Lifecycle. PART 1 (ML pipeline, lifecycle, etc)
چرخه حیات توسعه یادگیری ماشین بخش 2 (جمع آوری داده ها، داده های قبل و غیره)
Machine Learning Development Lifecycle. PART 2 (data collection, data pre, etc)
چرخه حیات توسعه یادگیری ماشین قسمت 3 (آموزش مدل، تیونینگ)
Machine Learning Development Lifecycle. PART 3 (model training, tuning)
چرخه حیات توسعه یادگیری ماشین بخش 4 (ارزیابی)
Machine Learning Development Lifecycle. PART 4 (Evaluation)
چرخه حیات توسعه یادگیری ماشین بخش 5 (ارزیابی)
Machine Learning Development Lifecycle. PART 5 (Evaluation)
چرخه حیات توسعه یادگیری ماشین قسمت 6 (استقرار)
Machine Learning Development Lifecycle. PART 6 (Deployment)
چرخه حیات توسعه یادگیری ماشین قسمت 7 (نظارت)
Machine Learning Development Lifecycle. PART 7 (Monitoring)
مفاهیم اساسی عملیات ML (MLOps)
Fundamental concepts of ML operations (MLOps)
سوالات پاداش رسمی AWS Certified AI Practitioner - دامنه 1
AWS Certified AI Practitioner Official Bonus Questions - Domain 1
دامنه 2: مبانی هوش مصنوعی مولد
Domain 2: Fundamentals of Generative AI
مقدمه
INTRO
مفاهیم بنیادی مولد هوش مصنوعی
Foundational Generative AI concepts
مدل های پایه (FM)
Foundation Models (FM)
مدل های چند وجهی
Multi-modal Models
شبکه های متخاصم مولد (GAN)
Generative Adversarial Networks (GANs)
شبکه های متخاصم مولد (GAN)
Variations Generative Adversarial Networks (GANs)
مدل های انتشار
Diffusion Models
موارد استفاده بالقوه برای مدلهای هوش مصنوعی مولد
Potential use cases for Generative AI models
چرخه عمر مدل بنیاد (هوش مصنوعی مولد)
Foundation model lifecycle (Generative AI)
مزایای هوش مصنوعی مولد
Advantages of Generative AI
معایب راه حل های هوش مصنوعی مولد
Disadvantages of Generative AI solutions
عواملی برای انتخاب مدل های مناسب هوش مصنوعی مولد
Factors to select appropriate Generative AI models
ارزش و معیارهای تجاری برای برنامه های کاربردی هوش مصنوعی مولد
Business value and metrics for Generative AI applications
خدمات و ویژگی های AWS برای توسعه برنامه های کاربردی هوش مصنوعی
AWS services and features to develop Generative AI applications
مزایا و مزایای راه حل های AWS AI
Advantages and Benefits of AWS AI solutions
معاوضه هزینه خدمات هوش مصنوعی AWS Generative
Cost tradeoffs of AWS Generative AI services
مجموعه خدمات AWS AI/ML/Gen AI
AWS AI/ML/Gen AI services stack
سوالات پاداش رسمی AWS Certified AI Practitioner - Domain 2
AWS Certified AI Practitioner Official Bonus Questions - Domain 2
دامنه 3: کاربردهای مدل های بنیاد
Domain 3: Applications of Foundation Models
مقدمه
INTRO
معیارهای انتخاب مدل های از پیش آموزش دیده
Criteria to choose pre-trained models
Retrieval Augmented Generation (RAG) و کاربردهای تجاری آن
Retrieval Augmented Generation (RAG) and its business applications
بهینه سازی مدل های پایه با RAG
Optimizing Foundation Models with RAG
بهینه سازی مدل های پایه با تنظیم دقیق
Optimizing Foundation Models with fine-tuning
مقدمه - مهندسی سریع
INTRO - Prompt Engineering
مفاهیم و ساختارهای مهندسی سریع
Concepts and constructs of prompt engineering
اصلاح دستورات
Modifying prompts
بهترین شیوه ها برای مهندسی سریع
Best practices for prompt engineering
نمایش نظرات