آموزش ادغام خدمات AWS با LLM و سایر FMها

Integrating AWS services with LLMs and other FMs

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
توضیحات دوره:

این دوره برای پوشش خدمات مختلف AWS طراحی شده است که به شما امکان می دهد با مدل های زبان بزرگ و سایر مدل های پایه یکپارچه شوید. خدمات تحت پوشش عبارتند از:

  • Amazon Q - یک چت ربات مبتنی بر هوش مصنوعی که می تواند مطابق با نیازهای شما به عنوان یک تجارت سفارشی شود
  • Amazon Bedrock - سرویس مدیریت شده ای که به شما امکان می دهد با دسترسی به تعدادی مدل پایه مختلف از طریق API، برنامه های کاربردی هوش مصنوعی ایجاد کنید
  • Amazon CodeWhisperer - این امکان را به شما می دهد تا برنامه های خود را به راحتی و کارآمد با کمک کدهای تولید شده از طریق یادگیری ماشین کدنویسی کنید


اهداف آموزشی:

Amazon Q:

  • بدانید آمازون Q چیست
  • مزایای استفاده از Amazon Q را در شرکت خود کشف کنید
  • حوزه های مختلف تخصص Amazon Q را کاوش کنید
  • برنامه ها و ویژگی های قیمت گذاری Amazon Q را بشناسید
  • ویژگی های مختلف و موارد استفاده
  • نحوه پیکربندی یک برنامه وب جدید آمازون Q که به سیستم ها و مخازن داده های تجاری متصل می شود
  • نحوه تعامل با برنامه وب Amazon Q
  • نحوه کنترل دسترسی به Amazon Q در یک سازمان
  • نحوه استفاده از نرده‌های محافظ و کنترل‌های چت برای افزایش کیفیت تعامل کاربر نهایی با Amazon Q
  • نحوه پیکربندی افزونه هایی که مستقیماً از Amazon Q با سرویس های شخص ثالث تعامل دارند
  • نحوه کار با Amazon Q در کنسول AWS و یک IDE
  • نحوه استفاده از Amazon Q با Amazon CodeWhisperer
  • نحوه استفاده از Amazon Q با خدمات مهندسی داده
  • نحوه استفاده از Amazon Q با CodeCatalyst

Amazon CodeWhisperer:

  • بدانید CodeWhisperer چه کاری انجام می دهد و مزایایی که ارائه می دهد
  • نحوه تولید قطعه کد با CodeWhisperer
  • پیشنهادات Amazon CodeWhisperer را در Cloud9 IDE فعال کنید
  • از پیشنهادات Amazon CodeWhisperer برای نوشتن و استقرار تابع پایتون استفاده کنید

Amazon Bedrock:

  • آنچه Amazon Bedrock به شما اجازه می دهد انجام دهید
  • مدل های مختلف پایه که در زمان ایجاد این درس توسط Bedrock پشتیبانی می شود
  • چگونه می‌توانید اجرای استنباط را با Amazon Playgrounds آزمایش کنید
  • چگونه ارزیابی مدل به شما امکان مقایسه و تجزیه و تحلیل عملکرد و خروجی های پاسخ مدل های مختلف را می دهد
  • انواع مختلف ارزیابی مدل موجود و نحوه پیکربندی آنها
  • اصول راه اندازی API های خود با Amazon Bedrock
  • با نحوه استفاده از Python و Boto3 SDK برای تعامل با Bedrock API آشنا شوید
  • بیاموزید که چگونه استنتاج تک اعلان را با استفاده از کد برای تولید تصویر و متن اجرا کنید
  • نحوه جابه‌جایی بین مدل‌های بنیادی با استفاده از کد
  • را بیاموزید
  • گزینه‌های فراخوانی را برای Bedrock Runtime درک کنید


بازخورد

از همه بازخوردها و پیشنهادات استقبال می‌کنیم - اگر مطمئن نیستید از کجا شروع کنید یا برای شروع کمک می‌خواهید، لطفاً با ما تماس بگیرید.





سرفصل ها و درس ها

به حداکثر رساندن توسعه و بینش داده های تجاری با آمازون Q Maximizing Development and Business Data Insights with Amazon Q

  • معرفی Introduction

  • آمازون Q چیست؟ What is Amazon Q?

  • مزایای آمازون Q Benefits of Amazon Q

  • حوزه های تخصصی آمازون Q Amazon Q Areas of Expertise

  • ویژگی های اضافی Amazon Q Additional Amazon Q Features

  • خلاصه Summary

توانمندسازی کارایی سازمانی با آمازون Q Business Empowering Enterprise Efficiency with Amazon Q Business

  • معرفی Introduction

  • Amazon Q Business چیست؟ What is Amazon Q Business?

  • اجزای برنامه تجاری آمازون Q Amazon Q Business Application Components

  • کنترل‌ها، حفاظ‌ها، امنیت و حریم خصوصی Amazon Q Business Admin Amazon Q Business Admin Controls, Guardrails, Security, and Privacy

  • ایجاد نسخه نمایشی برنامه تجاری آمازون Q Creating an Amazon Q Business Application Demo

  • تعامل با آمازون Q Business Web Application Demo Interacting with an Amazon Q Business Web Application Demo

  • نسخه ی نمایشی گاردریل های تجاری و کنترل های چت آمازون Q Amazon Q Business Guardrails and Chat Controls Demo

  • نسخه ی نمایشی افزونه های تجاری آمازون Q Amazon Q Business Plugins Demo

  • خلاصه Summary

آمازون Q برای سازندگان و توسعه دهندگان Amazon Q for Builders and Developers

  • معرفی Introduction

  • استفاده از آمازون Q در کنسول AWS به عنوان سازنده Using Amazon Q in the AWS Console as a Builder

  • عیب یابی با آمازون Q در کنسول Troubleshooting with Amazon Q in the Console

  • استفاده از Amazon Q در IDE خود به عنوان یک توسعه دهنده Using Amazon Q in your IDE as a Developer

  • استفاده از دستورات Q Amazon با Amazon CodeWhisperer در IDE شما Using Amazon Q Commands with Amazon CodeWhisperer in your IDE

  • استفاده از Amazon Q به عنوان مهندس داده Using Amazon Q as a Data Engineer

  • استفاده از Amazon Q با CodeCatalyst Using Amazon Q with CodeCatalyst

  • خلاصه Summary

افزایش توسعه IDE با قابلیت های هوش مصنوعی با استفاده از توسعه دهنده آمازون Q Enhancing IDE Development with AI Capabilities Using Amazon Q Developer

  • معرفی Introduction

  • مبانی برنامه نویس آمازون Q The Basics of Amazon Q Developer

  • چت با توسعه دهنده آمازون Q در IDE شما Chatting with Amazon Q Developer in your IDE

  • تولید قطعه کد با توسعه دهنده Amazon Q Generating Code Snippets With Amazon Q Developer

  • تولید کدهای بیشتر با توسعه دهنده Amazon Q Generating More Code Snippets With Amazon Q Developer

  • تنظیمات مهم برای تولید کد درون خطی با توسعه دهنده آمازون Q Important Settings for Inline Code Generation with Amazon Q Developer

  • خلاصه Summary

اصلاح کد و پشتیبانی IaC با Amazon CodeWhisperer Code Remediation and IaC Support with Amazon CodeWhisperer

  • معرفی Introduction

  • اسکن های امنیتی و اصلاح کد Security Scans and Code Remediation

  • پشتیبانی IaC با Amazon CodeWhisperer IaC Support with Amazon CodeWhisperer

  • سفارشی سازی Amazon CodeWhisperer Amazon CodeWhisperer Customizations

  • Amazon CodeWhisperer برای خط فرمان Amazon CodeWhisperer for command line

  • خلاصه Summary

ساخت و مقیاس‌بندی برنامه‌های هوش مصنوعی مولد با Amazon Bedrock Building and Scaling Generative AI Applications with Amazon Bedrock

  • معرفی Introduction

  • بستر آمازون چیست؟ What Is Amazon Bedrock?

  • دسترسی به مدل های سنگ بستر Accessing Bedrocks Models

  • آزمایش استنتاج در حال اجرا بر روی مدل‌ها با استفاده از زمین‌های بازی بستر Experimenting With Running Inference on Models Using Bedrock Playgrounds

  • با ارزیابی مدل بستر، مدل مناسب را برای برنامه‌های هوش مصنوعی نسل خود انتخاب کنید Select the Right Model for Your Gen AI Applications with Bedrock Model Evaluations

  • راه اندازی Amazon Bedrock API Setting up Your Amazon Bedrock API

  • خلاصه Summary

تعامل با مدل های بنیاد بستر آمازون با استفاده از API ها Interacting with Amazon Bedrock Foundation Models using APIs

  • معرفی Introduction

  • راه اندازی برای استفاده از Amazon Bedrock API Setup to Use Amazon Bedrock APIs

  • تعامل با مدل های بنیاد بستر از طریق کد Interacting With Bedrock Foundation Models Through Code

  • تولید تصویر از طریق تماس های API Image Generation Through API Calls

  • فراخوانی یک مدل با جریان Invoking A Model With Streaming

  • خلاصه Summary

امنیت و حریم خصوصی بستر آمازون Amazon Bedrock Security and Privacy

  • معرفی Introduction

  • امنیت و حریم خصوصی بستر آمازون Amazon Bedrock Security and Privacy

  • کنترل دسترسی، حکمرانی و انطباق بر بستر آمازون Amazon Bedrock Access Control, Governance, and Compliance

  • هوش مصنوعی مسئول با حفاظ بستر آمازون Responsible AI with Amazon Bedrock Guardrails

  • خلاصه Summary

ارکستراسیون بستر آمازون با استفاده از پایگاه های دانش و عوامل Amazon Bedrock Orchestration using Knowledge Bases and Agents

  • معرفی Introduction

  • پایگاه دانش چیست؟ What is a Knowledge Base?

  • ایجاد یک پایگاه دانش Building a Knowledge Base

  • تعامل با پایگاه دانش شما Interacting with Your Knowledge Base

  • عوامل بستر آمازون Amazon Bedrock Agents

  • ساخت یک عامل Building an Agent

  • خلاصه Summary

نمایش نظرات

نظری ارسال نشده است.

آموزش ادغام خدمات AWS با LLM و سایر FMها
خرید اشتراک و دانلود خرید تکی و دانلود | 160,000 تومان (5 روز مهلت دانلود) زمان تقریبی آماده سازی لینک دانلود این دوره آموزشی حدود 5 تا 24 ساعت می باشد.
جزییات دوره
3h 45m
61
CloudAcademy cloudacademy-small
24 خرداد 1403 (آخرین آپدیت رو دریافت می‌کنید، حتی اگر این تاریخ بروز نباشد.)
78
5 از 5
ندارد
دارد
دارد

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Alana Layton Alana Layton

آلانا لیتون یک مربی فنی با تجربه، توسعه‌دهنده محتوای فنی و مهندس ابری است که در سیاتل، واشنگتن زندگی می‌کند. حرفه او شامل تدریس در مورد AWS در سراسر جهان، ایجاد محتوای سرگرم کننده AWS و کار در مشاوره بوده است. او در حال حاضر دارای شش گواهینامه AWS است. در خارج از Cloud Academy، می‌توانید ببینید که او در حال آزمایش دانش خود در موارد بی‌اهمیت بار، خواندن، یا آموزش برای ماراتن است.

Alana Layton Alana Layton

آلانا لیتون یک مربی فنی با تجربه، توسعه‌دهنده محتوای فنی و مهندس ابری است که در سیاتل، واشنگتن زندگی می‌کند. حرفه او شامل تدریس در مورد AWS در سراسر جهان، ایجاد محتوای سرگرم کننده AWS و کار در مشاوره بوده است. او در حال حاضر دارای شش گواهینامه AWS است. در خارج از Cloud Academy، می‌توانید ببینید که او در حال آزمایش دانش خود در موارد بی‌اهمیت بار، خواندن، یا آموزش برای ماراتن است.

CloudAcademy یک پلتفرم آموزش آنلاین است که به کاربران کمک می‌کند مهارت‌های خود را در زمینه محاسبات ابری (Cloud Computing) و فناوری‌های مرتبط با آن ارتقا دهند. این پلتفرم طیف گسترده‌ای از دوره‌های آموزشی، آزمون‌ها و تمرینات عملی را در موضوعاتی مانند AWS، Microsoft Azure، Google Cloud Platform، DevOps، امنیت سایبری و داده‌های بزرگ ارائه می‌دهد.