آموزش Claude با Amazon Bedrock از شرکت Anthropic - آخرین آپدیت

دانلود Claude with Amazon Bedrock by Anthropic

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره:

ساخت اپلیکیشن‌های هوش مصنوعی در سطح تولید (Production) با مدل Claude، فراتر از دسترسی ساده به API است؛ شما به سیستم‌هایی نیاز دارید که قابلیت بازیابی داده‌ها، استفاده از ابزارها، کشینگ و مقیاس‌پذیری را داشته باشند. Amazon Bedrock زیرساخت‌های مدیریت شده‌ای را برای ساخت این سیستم‌ها در اکوسیستم AWS فراهم می‌کند. این دوره به شما می‌آموزد که چگونه API مدل Claude را پیاده‌سازی کنید، اپلیکیشن‌های آماده برای محیط تولید بسازید و قابلیت‌های پیشرفته‌ای مانند استفاده از ابزارها (Tool Use)، تولید تقویت‌شده با بازیابی (RAG) و عامل‌های автоном (Autonomous Agents) را به کار بگیرید.

در ابتدا با الگوهای اصلی پیاده‌سازی API شروع خواهید کرد و سپس نحوه ساخت سیستم‌های RAG و خط‌لوله‌های (Pipelines) هوش مصنوعی گفتگو-محور را خواهید آموخت. در ادامه، نحوه توسعه عامل‌های خودکار برای کارهایی مانند تولید کد و عیب‌یابی (Debugging) و همچنین تکنیک‌های بهینه‌سازی عملکرد از جمله کشینگ و طراحی معماری مقیاس‌پذیر را بررسی می‌کنید.

نکته: این دوره نیازمند تسلط ابتدایی بر برنامه‌نویسی پایتون و درک پایه از سرویس‌های AWS و Amazon Bedrock است.

این دوره توسط شرکت Anthropic تهیه شده است و ما مفتخریم که این آموزش را در کتابخانه خود میزبانی کنیم.


سرفصل ها و درس ها

مقدمه Introduction

  • خوش‌آمدگویی به دوره Welcome to the course

  • مروری بر مدل‌های Claude Overview of Claude models

1. کار با API 1. Working with the API

  • کنترل خروجی مدل Controlling model output

  • استریمینگ (Streaming) Streaming

  • داده‌های ساختاریافته Structured data

  • تمرین پرامپت سیستمی System prompt exercise

  • پرامپت‌های سیستمی System prompts

  • گفتگوهای چندمرحله‌ای Multiturn conversations

  • ارسال درخواست Making a request

  • تمرین داده‌های ساختاریافته Structured data exercise

  • تمرین ساخت چت‌بات Chatbot exercise

  • پارامتر دما (Temperature) Temperature

  • دسترسی به API Accessing the API

2. ارزیابی پرامپت‌ها 2. Prompt Evaluations

  • نمره‌دهی مبتنی بر کد Code-based grading

  • نمره‌دهی مبتنی بر مدل Model-based grading

  • ارزیابی پرامپت Prompt evaluation

  • اجرای ارزیابی Running the eval

  • تولید مجموعه‌داده‌های تست Generating test datasets

  • گردش کار معمول ارزیابی A typical eval workflow

  • تمرین ارزیابی پرامپت‌ها Exercise on prompt evals

3. مهندسی پرامپت 3. Prompt Engineering

  • ارائه مثال‌ها Providing examples

  • مهندسی پرامپت Prompt engineering

  • شفاف و مستقیم بودن Being clear and direct

  • تمرین پرامپت‌نویسی Exercise on prompting

  • دقیق بودن در درخواست Being specific

  • ساختاردهی با تگ‌های XML Structure with XML tags

4. استفاده از ابزارها 4. Tool Use

  • استفاده دسته‌ای از ابزارها Batch tool use

  • توابع ابزاری Tool functions

  • استخراج انعطاف‌پذیر ابزارها Flexible tool extraction

  • طرحواره JSON برای ابزارها JSON schema for tools

  • داده‌های ساختاریافته با ابزارها Structured data with tools

  • ابزار ویرایشگر متن The text editor tool

  • ارسال نتایج ابزارها Sending tool results

  • مقدمه‌ای بر استفاده از ابزارها Introducing tool use

  • مدیریت پاسخ‌های ابزارها Handling tool use responses

  • اجرای توابع ابزاری Running tool functions

  • افزودن ابزارهای متعدد Adding multiple tools

  • گفتگوهای چندمرحله‌ای با ابزارها Multiturn conversations with tools

5. تولید تقویت‌شده با بازیابی (RAG) 5. Retrieval-Augmented Generation (RAG)

  • جستجوی لغوی BM25 BM25 lexical search

  • خط‌لوله RAG با جستجوی چندگانه A multisearch RAG pipeline

  • مقدمه‌ای بر تولید تقویت‌شده با بازیابی (RAG) Introducing retrieval-augmented generation (RAG)

  • استراتژی‌های تکه‌تکه کردن متن (Chunking) Text chunking strategies

  • جاسازی‌های متنی (Embeddings) Text embeddings

  • پیاده‌سازی جریان RAG Implementing the RAG flow

  • بازیابی زمینه‌ای (Contextual Retrieval) Contextual retrieval

  • جریان کامل RAG The full RAG flow

  • رتبه‌بندی مجدد نتایج Reranking results

6. ویژگی‌های Claude 6. Features of Claude

  • تفکر گسترده (Extended Thinking) Extended thinking

  • ارجاعات (Citations) Citations

  • کشینگ پرامپت در عمل Prompt caching in action

  • کشینگ پرامپت Prompt caching

  • پشتیبانی از PDF PDF support

  • قوانین کشینگ پرامپت Rules of prompt caching

  • پشتیبانی از تصویر Image support

7. پروتکل کانتکست مدل (MCP) 7. Model Context Protocol (MCP)

  • کلاینت‌های MCP MCP clients

  • تعریف ابزارها با MCP Defining tools with MCP

  • تعریف منابع Defining resources

  • مقدمه‌ای بر MCP Introducing MCP

  • مرور MCP MCP review

  • دسترسی به منابع Accessing resources

  • تعریف پرامپت‌ها Defining prompts

  • ابزار MCP Inspector The MCP Inspector

  • پیاده‌سازی یک کلاینت Implementing a client

  • راه‌اندازی پروژه Project setup

  • پرامپت‌ها در کلاینت Prompts in the client

8. عامل‌ها (Agents) 8. Agents

  • ویژگی‌های عامل‌ها (Agents) Qualities of agents

  • Claude Code در عمل Claude Code in action

  • موازی‌سازی Claude Code Parallelizing Claude Code

  • عیب‌یابی خودکار Automated debugging

  • استفاده از کامپیوتر (Computer Use) Computer use

  • مروری بر عامل‌ها Agents overview

  • بهبودها با سرورهای MCP Enhancements with MCP servers

  • راه‌اندازی Claude Code Claude Code setup

  • نحوه عملکرد استفاده از کامپیوتر How computer use works

جمع‌بندی Conclusion

  • جمع‌بندی دوره Course wrap-up

نمایش نظرات

آموزش Claude با Amazon Bedrock از شرکت Anthropic
جزییات دوره
7h 26m
75
(آخرین آپدیت)
10,587
- از 5
دارد
دارد
دارد
Anthropic
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Anthropic Anthropic

شرکت Anthropic یک شرکت عام‌المنفعه است که هدف آن تضمین مزایای هوش مصنوعی و کاهش خطرات آن است.

آنتروپیک یک شرکت تحقیقاتی و ایمنی هوش مصنوعی است. ما سیستم‌های هوش مصنوعی قابل اعتماد، تفسیرپذیر و هدایت‌پذیری می‌سازیم. ما ایمنی هوش مصنوعی را به عنوان یک علم سیستماتیک می‌بینیم؛ تحقیقات انجام می‌دهیم، آن‌ها را در محصولاتمان به کار می‌بریم، بینش‌های به‌دست آمده را به تحقیقاتمان بازمی‌گردانیم و به طور منظم یافته‌های خود را با جهان به اشتراک می‌گذاریم. آنتروپیک تیمی متشکل از محققان، مهندسان، کارشناسان سیاست‌گذاری، رهبران کسب‌وکار و اپراتورهایی است که تجربیات خود را از حوزه‌های مختلف در این مسیر به کار می‌گیرند.