آموزش هوش مصنوعی عامل‌محور و AWS Bedrock - آخرین آپدیت

دانلود AWS Bedrock and Agentic AI

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: ساخت اپلیکیشن‌های هوش مصنوعی مولد آماده برای محیط عملیاتی (Production) روی AWS آموزش مفاهیم و قابلیت‌های AWS Bedrock با استفاده از کنسول آشنایی با مدل‌های زبانی بزرگ (LLMs) در Bedrock، نحوه استفاده، زمان استفاده و انتظارات آموزش ساخت اپلیکیشن‌های کلاینت و SDKها برای عامل‌های Bedrock با استفاده از LLMها به‌کارگیری Claude Code برای توسعه اپلیکیشن‌های Bedrock نحوه استفاده از API Keyها آموزش مقایسه مدل‌های زبانی بزرگ (LLMs) استفاده از Bedrock Playground، تشخیص واترمارک و Tokenizerها نحوه استنتاج مدل با استفاده از Profiles، Batch، Provisioned Throughput و On-Demand ایجاد مدل‌های سفارشی - وارد کردن مدل، یادگیری تقویتی، Fine-Tuning و Distillation ساخت عامل‌ها (Agents) با استفاده از Action Groups و Knowledge Bases توسعه عامل‌ها - استدلال خودکار، اتوماسیون داده‌ها، Flows، Guardrails، پایگاه‌های دانش و مدیریت پرامپت نحوه ارزیابی مدل‌های LLM سفارشی راه‌اندازی سیستم لاگینگ برای دسترسی به Bedrock LLM برداری‌های متنی (Vector Embeddings) پیش‌نیازها: حساب کاربری پایه AWS، IAM، پایتون و Claude Code در VSCode

با این دوره جامع و عملی که برای توسعه‌دهندگان، معماران سیستم و متخصصان کلاود طراحی شده است، بر سرویس مدیریت‌شده هوش مصنوعی مولد آمازون وب سرویزی مسلط شوید. AWS Bedrock دسترسی مستقیم به مدل‌های پایه قدرتمند از تامین‌کنندگان پیشرو هوش مصنوعی از جمله Claude (Anthropic)، Llama (Meta)، Mistral و مدل‌های Titan (Amazon) را بدون نیاز به مدیریت زیرساخت فراهم می‌کند.

در این دوره، شما از پایه شروع می‌کنید و می‌آموزید که AWS Bedrock چیست، چگونه در اکوسیستم گسترده AWS جای می‌گیرد و چرا سازمان‌ها برای بارهای کاری هوش مصنوعی در محیط عملیاتی از آن استفاده می‌کنند. سپس به سراغ APIهای اصلی می‌روید: فراخوانی مدل‌ها، دریافت پاسخ‌های استریمینگ و مقایسه خروجی‌های مدل‌های مختلف برای انتخاب بهترین گزینه برای هر مورد کاربردی.

شما اپلیکیشن‌های واقعی را با استفاده از Bedrock Agents می‌سازید؛ دستیاران هوش مصنوعی خودمختاری که می‌توانند استدلال کنند، برنامه‌ریزی کنند و APIها و توابع Lambda شما را فراخوانی کنند. همچنین Retrieval-Augmented Generation (RAG) را با استفاده از Bedrock Knowledge Bases پیاده‌سازی می‌کنید تا اسناد و منابع داده‌های خود را برای پاسخ‌های دقیق و مستند به مدل‌های پایه متصل نمایید.

این دوره بهترین روش‌های امنیتی، از جمله مجوزهای IAM، نقاط انتهایی VPC و تضمین‌های حریم خصوصی داده‌ها را پوشش می‌دهد. همچنین برای فیلتر کردن محتوای مضر و اجرای سیاست‌های انطباق در استقرار سازمانی، Bedrock Guardrails را بررسی خواهید کرد.

در پایان، شما چندین اپلیکیشن هوش مصنوعی آماده برای محیط عملیاتی ساخته‌اید و اعتماد به نفس لازم برای طراحی راهکارهای مقیاس‌پذیر و امن هوش مصنوعی مولد روی AWS را خواهید داشت. چه در هوش مصنوعی مولد تازه‌کار باشید و چه در حال انتقال بارهای کاری موجود به AWS، این دوره تمام آنچه برای موفقیت با Amazon Bedrock نیاز دارید را در اختیار شما قرار می‌دهد.


سرفصل ها و درس ها

مقدمه Introduction

  • مقدمه Introduction

  • کوییز بخش اکتشاف Quiz on Discovery

کاتالوگ مدل‌های LLM Model Catalog of LLMs

  • مدل‌های LLM LLM Models

  • مدل‌های برداری (Vector Embeddings) Vector Embeddings Models

  • کوییز مدل‌ها Quiz on Models

کلیدهای API بدراک Bedrock API Keys

  • کلیدهای API API Keys

  • کوییز کلیدهای API Quiz API Keys

سهمیه‌های Bedrock Labs Bedrock Labs Quotas

  • آزمایشگاه‌های بدراک (Bedrock Labs) Bedrock Labs

  • کوییز آزمایشگاه‌ها Quiz Labs

پلی‌گراند بدراک Bedrock Playground

  • استفاده از پلی‌گراند Using the playground

مقایسه مدل‌ها در پلی‌گراند Comparing Models in the Playgroud

  • مقایسه مدل‌ها Comparing Models

  • توکنایزر (Tokenizer) Tokenizer

استنتاج مدل‌های زبانی (LLM Inference) LLM Inference

  • پروفایل‌های استنتاج Inference Profiles

  • فراخوانی استنتاج بین‌منطقه‌ای با کلاینت پایتون Python Client calling Cross-Region Inference

  • استنتاج دسته‌ای (Batch Inference) Batch Inference

  • ظرفیت استنتاج تخصیصی (Provisioned Throughput) Inference Providioned Throughput

  • مدل‌های سفارشی On-Demand Custom Models on Demand

کد کلود (Claude Code) Claude Code

  • استفاده از Claude Code برای AWS Bedrock Using Claude Code for AWS Bedrock

  • استفاده از Claude Code برای ساخت کد پایتون جهت فراخوانی عامل بدراک Using Claude Code to create a Python to call a Bedrock Agent

  • کوییز استنتاج LLM Quiz LLM Inference

تنظیم مدل‌ها Tune Models

  • مدل‌های سفارشی Custom Models

  • تقطیر مدل - بخش اول Distill a Model Part 1

  • تقطیر مدل - بخش دوم Distill a Model Part 2

  • تنظیم دقیق (Fine Tuning) Fine Tuning

  • تنظیم دقیق یادگیری تقویتی (RFT) Re-Inforcement Fine Tuning - RFT

  • مسیریابی پرامپت (Prompt Routing) Prompt Routing

  • وارد کردن مدل‌ها Import Models

  • مسیریابی پرامپت برای عامل‌های چندگانه Prompt Routing for Mutil Agents

  • کوییز مدل‌های سفارشی Quiz on Custom Models

ساخت سیستم‌های هوش مصنوعی عامل‌محور Building Agentic AI Systems

  • ایجاد یک عامل (Agent) Creating an Agent

  • عامل با پایگاه دانش (Knowledge Base) Agent With a Knowledge Base

  • عامل با گروه عملیاتی (Action Group) Agent With a Action Group

  • چت‌بات Claude Code در حال فراخوانی عامل Claude Code Chatbot Calling Agent

  • سیستم‌های عامل‌های چندگانه Muti-Agents Systems

  • جریان‌های کاری (Flows) Flows

  • کوییز جریان‌های کاری Quiz Flows

  • پایگاه‌های دانش Knowledge Bases

  • استدلال خودکار Automatic Reasoning

  • استدلال خودکار برای تکالیف منزل Automatic Reasoning for Hometask

  • نرده‌های حفاظتی (Guardrails) Guardrails

  • عامل با گروه عملیاتی Agent With a Action Group

  • کوییز Guardrails Quiz guardrails

  • مدیریت پرامپت Prompt Management

  • کوییز پرامپت‌نویسی Quiz Prompting

  • اتوماسیون داده‌ها Data Automation

  • اتوماسیون داده‌های تصویری Data Automation Images

  • اتوماسیون داده‌های ویدئویی Data Automation Video

  • کوییز پروژه‌ها Quiz on Projects

ارزیابی Assess

  • ارزیابی‌ها Evaluations

  • کوییز ارزیابی‌ها Quiz Evaluations

پیکربندی Configuration

  • راه‌اندازی لاگینگ Setup Logging

اجنت‌کور (Agentcore) Agentcore

  • مقدمه‌ای بر Agentcore Introduction to Agentcore

کوییز لاگینگ Quiz Logging

  • کوییز لاگینگ Quiz Logging

تست نهایی Test

  • کوییز جامع تمام مباحث Quiz All Topics

نمایش نظرات

آموزش هوش مصنوعی عامل‌محور و AWS Bedrock
جزییات دوره
17.5 hours
41
(آخرین آپدیت)
14
2.5 از 5
ندارد
ندارد
ندارد
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar