[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؟

  1. 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.

  2. 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.

  3. 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.

  4. 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.

  5. 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 2: اصول هوش مصنوعی مولد (24٪ محتوای امتیازدهی شده)

  • دامنه 3: کاربردهای مدل های بنیادی (28٪ محتوای امتیازدهی شده)

  • دامنه 4: رهنمودهایی برای هوش مصنوعی مسئول (14٪ 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

  • تکنیک های مهندسی سریع Prompt engineering techniques

  • خطرات و محدودیت های بالقوه مهندسی سریع Potential risks and limitations of prompt engineering

  • سوالات جایزه رسمی AWS Certified AI Practitioner - دامنه 3 AWS Certified AI Practitioner Official Bonus Questions - Domain 3

دامنه 4: دستورالعمل برای هوش مصنوعی مسئول Domain 4: Guidelines for Responsible AI

  • مقدمه Intro

  • هوش مصنوعی مسئول Responsible AI

  • چالش های هوش مصنوعی مسئول Responsible AI Challenges

  • ابعاد اصلی هوش مصنوعی مسئول Core dimensions of responsible AI

  • مزایای تجاری هوش مصنوعی مسئول Business benefits of responsible AI

  • خدمات و ابزارهای آمازون برای هوش مصنوعی مسئول Amazon Services and Tools for Responsible AI

  • ملاحظات مسئول برای انتخاب مدل Responsible Considerations to Select a Model

  • آماده سازی مسئول برای مجموعه داده ها Responsible Preparation for Datasets

  • مدل های شفاف و قابل توضیح Transparent and Explainable Models

  • ابزارهای AWS برای شفافیت و توضیح پذیری AWS tools for transparency and explainability

  • معاملات مسئول هوش مصنوعی Responsible AI Trade-Offs

  • اصول طراحی انسان محور برای هوش مصنوعی قابل توضیح Principles of Human-Centered Design for Explainable AI

  • سوالات پاداش رسمی AWS Certified AI Practitioner - دامنه 4 AWS Certified AI Practitioner Official Bonus Questions - Domain 4

دامنه 5: امنیت، انطباق، و حاکمیت برای راه حل های هوش مصنوعی Domain 5: Security, Compliance, and Governance for AI Solutions

  • مقدمه Intro

  • راهنمای استراتژیک برای امنیت، حاکمیت و انطباق Strategic Guidance for Security, Governance, and Compliance

  • استانداردهای انطباق برای سیستم های هوش مصنوعی Compliance Standards for AI Systems

  • خدمات AWS برای حاکمیت و انطباق AWS Services for Governance and Compliance

  • استراتژی های حاکمیت داده Data Governance Strategies

  • رویکردهای اجرای راهبردهای حکمرانی Approaches for Implementing Governance Strategies

  • ملاحظات امنیتی و حریم خصوصی برای سیستم های هوش مصنوعی Security and Privacy Considerations for AI Systems

  • خدمات و ویژگی های AWS برای ایمن سازی سیستم های هوش مصنوعی AWS Services and Features for Securing AI Systems

  • درک داده ها و نسل مدل Understanding Data and Model Lineage

  • بهترین روش ها برای مهندسی داده های امن Best Practices for Secure Data Engineering

  • سوالات پاداش رسمی AWS Certified AI Practitioner - دامنه 5 AWS Certified AI Practitioner Official Bonus Questions - Domain 5

خدمات یادگیری ماشینی - Hands On Machine Learning Services – Hands On

  • Amazon Q Business Intro Amazon Q Business INTRO

  • آمازون Q Business PARTE 1. Amazon Q Business PARTE 1.

  • Amazon Q Business PARTE 2. Amazon Q Business PARTE 2.

  • Amazon Q Business PARTE 3. Amazon Q Business PARTE 3.

  • بستر آمازون Amazon Bedrock

  • شناسایی آمازون Amazon Rekognition

  • آمازون SageMaker Amazon SageMaker

  • هوش مصنوعی آمازون (Amazon A2I) Amazon Augmented AI (Amazon A2I)

  • آمازون درک Amazon Comprehend

  • Amazon Comprehend DEMO Amazon Comprehend DEMO

  • آمازون کندرا Amazon Kendra

  • ردیاب تقلب آمازون Amazon Fraud Detector

  • آمازون لکس Amazon Lex

  • آمازون پولی Amazon Polly

  • متن آمازون Amazon Textract

  • رونویسی آمازون Amazon Transcribe

  • ترجمه آمازون Amazon Translate

  • شخصی سازی آمازون Amazon Personalize

آمادگی امتحان - متخصص AI دارای گواهی AWS Exam Prep - AWS Certified AI Practitioner

  • سوالات سبک امتحانی Exam-Style Questions

  • ثبت نام در آزمون Register for the Exam

  • 50% تخفیف در آزمون گواهینامه خود اعمال کنید Apply a 50% discount on your certification exam

  • پیش آزمون رسمی: متخصص AI دارای گواهی AWS (AIF-C01) Official Pretest: AWS Certified AI Practitioner (AIF-C01)

نمایش نظرات

[جدید] متخصص هوش مصنوعی AWS AIF-C01
جزییات دوره
8.5 hours
99
Udemy (یودمی) Udemy (یودمی)
(آخرین آپدیت)
21
5 از 5
دارد
دارد
دارد
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Jairo Alberto Pirona Martínez  Trainer   Solutions Architect Jairo Alberto Pirona Martínez Trainer Solutions Architect

Arquitecto de Soluciones en la Nube (AWS، Azure، GCP)