آماده‌سازی برای آزمون گواهینامه Databricks Generative AI Engineer Associate - آخرین آپدیت

سرفصل ها و درس ها

مقدمه‌ای بر آزمون Databricks Generative AI Engineer Associate Introduction to Databricks Generative AI Engineer Associate Exam

• درباره آزمون Databricks Generative AI Engineer Associate About Databricks Generative AI Engineer Associate Exam

• برنامه‌ریز آزمون گواهینامه Certification Exam Planner

آشنایی با هوش مصنوعی مولد و اکوسیستم Databricks Introduction to Generative AI & Databricks Ecosystem

• هوش مصنوعی مولد چیست؟ What is Generative AI?

• انواع اپلیکیشن‌های GenAI، موارد استفاده و LLMها Types of Generative AI Applications, Usescases & LLMs

• مدل‌های زبانی بزرگ (LLMs) چگونه کار می‌کنند How Large Language Models (LLMs) works

• هوش مصنوعی مولد در Databricks: خدمات کلیدی و نحوه ساخت حساب Generative AI on Databricks: Key Offerings/ How to setup account

• کوییز بخش اول Quiz Section 1

دسترسی به Databricks Databricks Access

• راهنمای جامع پلتفرم Databricks Databricks Platform Walkthrough

• دسترسی به مدل‌ها از طریق Databricks Access Models using Databricks

مهندسی پرامپت (Prompt Engineering) Prompt Engineering

• آموزش مهندسی پرامپت و چارچوب‌های آن Learn Prompt Engineering & Frameworks

• پیاده‌سازی مهندسی پرامپت در Databricks Perform Prompt Engineering in Databricks

• فایل‌های کد Code files

• کوییز تمرینی Practice Quiz

تولید تقویت‌شده با بازیابی (RAG) Retrieval Augmented Generation (RAG)

• مقدمه‌ای بر RAG Introduction to RAG

• فایل داده‌ها Data File

• اجزای تشکیل‌دهنده RAG RAG Components

• پیاده‌سازی RAG در Databricks RAG in Databricks

کاتالوگ یونیتی (Unity Catalog) Unity Catlog

• درک Unity Catalog از دیدگاه GenAI Understand Unity Catlog from GenAI Perspective

• دموی Unity Catalog Unity Catlog Demo

• آزمون تمرینی Practice Test

مورد کاربردی: تعریف مسئله Use Case: Problem Statement

• تعریف مسئله Problem Statement

• قطعه کدهای مربوطه Code Snipped

آماده‌سازی داده‌ها Data Preparation

• استخراج داده‌ها Data Extraction

• دموی استخراج داده‌ها Data Extraction Demo

• قطعه کدهای مربوطه Code Snippet

• تحول داده‌ها (Transformation) Data Transformation

• آماده‌سازی داده‌ها Data Preperation

تکه‌بندی داده‌ها و استراتژی‌های Chunking Data Chunking and Chunking Strategies

• تکه‌بندی داده‌ها و استراتژی‌های Chunking Data Chunking and Chunking Strategies

• دموی تکه‌بندی Chunking Demo

• قطعه کدهای تکه‌بندی Chunking Code Snippet

• نوشتن داده‌های تکه‌بندی شده در جداول Delta در Unity Catalog Writing Chunked Data to Delta Tables in Unity Catalog

• قطعه کدهای مربوطه Code Snippet

• آزمون تمرینی تکه‌بندی Practice Test on Chunking

جاسازی‌های برداری و پایگاه داده‌های برداری Vector Embeddings and Vector Databases

• جاسازی‌های برداری (Vector Embeddings) Vector Embeddings

• مدل‌های Embedding Embedding Models

• پایگاه داده‌های برداری Vector Databases

• جستجوی برداری در Databricks Vector Search in Databricks

• اندیس جستجوی برداری Vector Search Index

• لیست کردن Endpointها و اندیس‌های جستجوی برداری Listing Vector Search Endpoint, Index

• جستجوی شباهت (Similarity Search) Similarity Search

• دموی جستجوی شباهت Similarity Search Demo

• قطعه کدهای مربوطه Code Snippet

• بازرتبه‌بندی (Reranker) Reranker

• تولید پاسخ مناسب: فراخوانی LLM Generate Proper Response: Call LLM

• آزمون تمرینی Practice Test

ساخت زنجیره‌ها (Chains) Building Chains

• آشنایی با Langchain Langchain

• فراخوانی LLM با استفاده از ChatDatabricks Calling LLM using ChatDatabricks

• قطعه کدهای مربوطه Code Snippet

• بازیاب (Retriever) Retriever

• دموی بازیاب Retriever Demo

• قطعه کدهای مربوطه Code Snippet

• تنظیمات پیکربندی Configuration Settings

• قطعه کدهای مربوطه Code Snippet

• شکل‌دهی به کانتکست Context Formation

• قطعه کدهای مربوطه Code Snippet

• قالب پرامپت (Prompt Template) Prompt Template

• دموی قالب پرامپت Prompt Template Demo

• قطعه کدهای مربوطه Code Snippet

• ساخت زنجیره (Building Chain) Building Chain

• قطعه کدهای مربوطه Code Snippet

• خلاصه RAG RAG Summary

• آزمون تمرینی Practice Test

آزمون تمرینی RAG RAG Practice Test

• کوییز RAG RAG Quiz

ارزیابی مدل Model Evaluation

• چرا ارزیابی LLM ضروری است؟ Why LLM Evaluation

• مقایسه ارزیابی ML سنتی و ارزیابی LLM Comparison of Traditional ML Evaluation and LLM Evaluation

• ارزیابی اجزای داده Data Components Evaluation

• اجزای ارزیابی مدل Model Evaluation Components

• معیارهای ارزیابی مدل‌های پایه: BLUE و ROUGE Foundation Model Evaluation Metrics, BLUE, ROUGE

• ارزیابی مدل: LLM به عنوان داور Model Evaluation: LLM as a Judge

• ارزیابی RAG RAG Evaluation

• آزمون تمرینی ارزیابی مدل Model Evaluation Practice Test

استقرار مدل Model Deployment

• چرخه حیات پروژه GenAI GenAI Project LifeCycle

• آشنایی با MLFlow MLFLow

• استراتژی‌های استقرار مدل Model Deployment Strategies

• استقرار دسته‌ای (Batch Deployment) Batch Deployment

• استقرار آنی (Real Time Deployment) Real Time Deployment

• سرویس‌دهی مدل (Model Serving) Model Serving

• مانیتورینگ سیستم‌های AI AI Systems Monitoring

• جدول استنتاج (Inference Table) Inference Table

• دموی استقرار دسته‌ای Batch Deployment Demo

• قطعه کدهای مربوطه Code Snippet

• دموی استقرار آنی Real Time Deployment Demo

• قطعه کدهای مربوطه Code Snippet

• آزمون تمرینی Practice Test

هوش مصنوعی عامل‌محور (Agentic AI) Agentic AI

• مقدمه‌ای بر هوش مصنوعی عامل‌محور (Agentic AI) Agentic AI Introduction

• پیاده‌سازی Agentic AI در Databricks Agentic AI over Databricks

• استفاده از Unity Catalog و Agent Brick برای ساخت عامل AI Use of Unity Catalog and Agent Brick to build AI Agent

• عامل ناظر (Supervisor Agent) Supervisor Agent

• ارزیابی عامل Agent Evaluation

• دموی عامل هوش مصنوعی AI Agent Demo

• کوییز Quiz

پروژه جامع نهایی End to End Project

• معرفی پروژه Project Introduction

• درک مسئله تجاری Understand Business Problem Statement

• معماری پروژه Project Architecture

• تحلیل داده‌ها Understand Data

• دمو: محیط Playground Demo: Playground

• دمو: Streamlit Demo: Streamlit

• طراحی داده‌ها در Unity Catalog Unity Catalog Data Design

• کدهای پروژه Project Code

• فایل‌های کد Code file

• استقرار عامل هوش مصنوعی Deployment of the AI Agent

ریسک‌ها، چالش‌ها و ملاحظات هوش مصنوعی AI Risk, Challenges and Consideration

• چالش‌ها، ریسک‌ها، کاهش مخاطرات و ملاحظات AI AI Challenges, Risk, Mitigation and Consideration

• آزمون تمرینی حاکمیت مدل (Model Governance) Model Governance Practice Test