نکته:
ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
این دوره صرفا آزمون یا تمرین می باشد و ویدیو ندارد.
نمونه ویدیویی برای نمایش وجود ندارد.
توضیحات دوره:
با استفاده از آزمونهای شبیهساز جامع و سناریو-محور به همراه توضیحات دقیق برای هوش مصنوعی عاملمحور (Agentic AI)، در آزمون 1Z0-1158-26 تسلط یابید.
سرفصلهای آزمون 1Z0-1158-26 را از طریق درسهای مبتنی بر سناریو، تستهای عملی و تحلیلهای سبک آزمون بیاموزید.
مبانی مدلهای زبانی بزرگ (LLM) شامل توکنسازی (Tokenization)، مهندسی پرامپت (Prompting) و مدیریت کانتکست را برای ایجاد پاسخهای سازمانی قابل اعتماد به کار بگیرید.
طراحی و پیادهسازی RAG در محیط OCI را با استفاده از Oracle Database 23ai Vector Search و الگوهای OCI Search/OpenSearch فرا بگیرید.
مفاهیم Fine-tuning و تعیین اندازه Dedicated AI Cluster را برای تطبیق با نیازهای حجم کاری، هزینه و اهداف عملکردی درک کنید.
گردشهای کاری هوش مصنوعی عاملمحور (حلقه عامل، حافظه، مفاهیم استفاده از ابزار/MCP) را بسازید و رویکرد مناسب Runtime را در OCI انتخاب کنید.
راهکارهای GenAI را با استفاده از OCI IAM، سیاستها، مبانی شبکه و کنترلهای انطباق و دادههای سازمانی ایمن کرده و مدیریت کنید.
پیش نیازها:
درک اولیه از مفاهیم ابری (مناطق، مبانی VCN/شبکه، مبانی شناسایی) مفید خواهد بود.
آشنایی با REST APIها و JSON (خواندن درخواستها و پاسخها) توصیه میشود.
پایتون یا هر زبان اسکریپتنویسی برای اتوماسیون و مثالها (مفید اما الزامی نیست).
مبانی SQL برای مثالهای پایگاه داده و بازیابی دادهها (مفاهیم Oracle DB) (مفید اما الزامی نیست).
توصیه میشود برای دنبال کردن آموزشها به یک حساب OCI دسترسی داشته باشید (نسخه Free Tier برای بسیاری از دموها کاربرد دارد).
به تجربه قبلی در GenAI نیاز نیست؛ این دوره از مفاهیم پایه تا سناریوهای آماده آزمون پیش میرود.
با اطمینان برای گواهینامه Oracle 1Z0-1158-26: OCI Enterprise AI Professional 2026 آماده شوید. این دوره بهگونهای طراحی شده است که دقیقاً مشابه آزمون واقعی، شما را از طریق تصمیمگیریهای عملی و سناریو-محور به چالش میکشد.
این دوره مجموعهای کامل از مهارتهای مورد نیاز یک متخصص OCI Enterprise AI را ارائه میدهد. شما پایه خود را در مدلهای زبانی بزرگ (LLMs) تقویت خواهید کرد، از جمله مبانی توکنسازی، مدیریت کانتکست و تکنیکهای مهندسی پرامپت برای تولید خروجیهای سازگار و قابل کنترل. سپس به سراغ الگوهای پیادهسازی سازمانی مانند تولید تقویتشده با بازیابی (RAG) با استفاده از Oracle Database 23ai Vector Search و OCI Search با OpenSearch خواهید رفت و مباحثی چون جذب داده، تکهبندی (Chunking)، Embeddings، استراتژیهای بازیابی و روشهای کاهش توهمات (Hallucinations) را پوشش خواهید داد.
در ادامه، به مباحث پیشرفتهای خواهید پرداخت که به طور معمول در سناریوهای آزمون ظاهر میشوند: مفاهیم Fine-tuning، انتخاب رویکرد مناسب برای شخصیسازی و ملاحظات کلیدی در مورد اندازهگیری Dedicated AI Cluster و توازنهای عملکردی. همچنین مبانی هوش مصنوعی عاملمحور (Agentic AI) شامل حلقه عامل، الگوهای حافظه و مفاهیم استفاده از ابزار مانند Model Context Protocol (MCP) و نحوه استقرار این حجمهای کاری از طریق OCI hosted runtimes و محیطهای کانتینری را خواهید آموخت.
در نهایت، این دوره بر آنچه برای سازمانها بیشترین اهمیت را دارد تأکید میکند: امنیت، IAM، حاکمیت و انطباق دادهها، تا راهکارهای شما نه تنها کاربردی، بلکه آماده محیط عملیاتی (Production-ready) باشند.
اگر به دنبال مسیری متمرکز و منطبق با آزمون، با توضیحات شفاف و سناریوهای واقعی سبک OCI هستید، این دوره برای شما طراحی شده است.
تمرین ها و آزمونها
تستهای تمرینی
Practice Tests
-
1Z0 1158 26 | مدلهای زبانی بزرگ (LLMs)، کلاسترها و معماری RAG
1Z0-1158-26 | Large Language Models (LLMs), Clusters, and RAG Architecture
-
1Z0 1158 26 | هوش مصنوعی عاملمحور، محیطهای اجرای میزبانیشده و حاکمیت ابری
1Z0-1158-26 | Agentic AI, Hosted Runtimes, and Cloud Governance
نمایش نظرات