آموزش دوره جامع توسعه‌دهنده حرفه‌ای هوش مصنوعی مولد AWS - آخرین آپدیت

دانلود Ultimate AWS Certified Generative AI Developer Professional

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: توسعه عملی GenAI در AWS با استفاده از Bedrock، SageMaker و Flows - شامل یک آزمون جامع ۷۵ سوالی. تسلط بر مهارت‌های لازم برای قبولی در آزمون گواهینامه Professional توسعه‌دهنده هوش مصنوعی مولد AWS. ساخت اپلیکیشن‌های هوش مصنوعی مولد آماده تولید در AWS با استفاده از Bedrock، SageMaker و ابزارهای serverless. طراحی و بهینه‌سازی خط لوله‌های RAG با استفاده از embeddings، پایگاه‌های داده برداری (Vector Databases) و تنظیمات بازیابی. ایجاد گردش‌های کاری AI Agentic با استفاده از Bedrock Agents، Flows، ابزارها و الگوهای چند-عاملی. ارزیابی و بهبود کیفیت مدل با Bedrock Evaluations، بررسی‌های grounding و کنترل‌های ایمنی. اتوماسیون و مقیاس‌پذیری سیستم‌های GenAI با Step Functions، Lambda، CI/CD و بهترین روش‌های AWS. پیشنیازها: داشتن دانش پایه AWS توصیه می‌شود. شما باید با سرویس‌های اصلی AWS مانند IAM، S3، Lambda و VPCها آشنا باشید. آشنایی با مفاهیم توسعه نرم‌افزار یا کلاود (APIs، JSON، گردش‌های کاری serverless) به شما کمک می‌کند سریع‌تر از بخش‌های عملی عبور کنید. آشنایی اولیه با AI یا یادگیری ماشین مفید است، اما نیازی به پیش‌زمینه عمیق در ML، علوم داده یا آموزش مدل نیست؛ ما تمام مفاهیم هوش مصنوعی مولد را از پایه پوشش می‌دهیم. برای تکمیل آزمایشگاه‌های عملی، به یک حساب AWS نیاز است. استفاده از لایه رایگان (Free-tier) برای اکثر تمرینات کافی است. یک کامپیوتر و اتصال پایدار به اینترنت برای دنبال کردن دروس ویدئویی و فعالیت‌های عملی مورد نیاز است. هیچ گواهینامه قبلی AWS مورد نیاز نیست، اما تجربه در مطالب سطح Associate موضوعات آزمون Professional را قابل دسترس‌تر می‌کند.

این دوره در تدوین سوالات ارزیابی از هوش مصنوعی استفاده کرده است. از هیچ آواتار AI یا صداهای مصنوعی استفاده نشده است.

با جامع‌ترین آمادگی موجود برای آزمون AWS Certified Generative AI Developer –Professional (AIP-C01 / AP1-C01)، به یک متخصص تایید شده هوش مصنوعی مولد AWS تبدیل شوید. این دوره هر آنچه نیاز دارید را فراهم می‌کند: تمرین عملی، پوشش فنی عمیق، آزمون جامع و همسویی کامل با راهنمای رسمی آزمون.

آنچه در این دوره گنجانده شده است:

  • بیش از ۲۴ ساعت آموزش ویدئوییدر قالب ۳۰۰+ درس

  • یک آزمون جامع ۷۵ سوالیبرای سنجش آمادگی شما

  • بیش از ۵۰ فعالیت و آزمایشگاه عملیبرای کسب مهارت‌های واقعی

  • فایل‌های PDF قابل دانلودبرای تمام اسلایدها و راهنمای مطالعه

  • ۱۲۵ سوال کوییز در سطح هر بخشبا سبک سوالات AWS

این یک گواهینامه سطح حرفه‌ای (Professional) چالش‌برانگیز است - بسیاری می‌گویند چالش‌برانگیزترین آن‌هاست. اگر در گواهینامه‌های AWS تازه‌کار هستید، شدیداً توصیه می‌کنیم با سطح Practitioner یا Associate (مانند آزمون AI Practitioner) شروع کنید تا با ساختار آزمون‌های AWS آشنا شوید. این نباید اولین آزمون AWS شما باشد.

آنچه خواهید آموخت:

هوش مصنوعی مولد در AWS، محبوب‌ترین پلتفرم کلاود جهان را با پیشرفته‌ترین تکنیک‌های AI ترکیب می‌کند. این دوره به شما کمک می‌کند تا هر دو را از طریق سناریوهای واقعی، مثال‌های هدایت‌شده و الگوهای معماری عملی به دست آورید. شما یاد خواهید گرفت که چگونه:

  • ساخت اپلیکیشن‌های GenAI با استفاده از Amazon Bedrock، SageMaker و Knowledge Bases

  • طراحی سیستم‌های AI Agenticبا استفاده از Bedrock Agents، Flows، OpenSearch، S3 Vectors، Strands، Agent Squad و AgentCore

  • به‌کارگیری تکنیک‌های بهینه‌سازی برای خط لوله‌های RAG، استراتژی‌های embedding و عملکرد مدل‌های پایه

  • مدیریت پرامپت‌ها و گردش‌های کاری ساختاریافته با Prompt Managementو Bedrock Flows

  • ارزیابی کیفیت و ایمنی مدل با استفاده از Bedrock Evaluations

  • آماده‌سازی و پردازش داده‌ها با Bedrock Data Automation، SageMaker، Glue، Comprehend، Textractو موارد دیگر

  • ارکستراسیون سیستم‌های AI در سطح تولید با استفاده از Step Functions، Lambda، Pipelines و ابزارهای CI/CD

هر ماژول بر اساس دامنه‌های آزمون AWS و مهارت‌های ذکر شده در مستندات رسمی AWS طراحی شده است. ما کل نقشه راه آزمون را ترسیم کرده‌ایم تا مطمئن شویم هیچ نکته‌ای را از دست نمی‌دهید.

آشنایی با مدرسان

Frank Kane (Sundog Education)
فرانک بیش از یک میلیونزبان‌آموز را در Udemy در زمینه‌های AI، یادگیری ماشین و مهندسی داده راهنمایی کرده است. او خودش آزمون AIP-C01 را گذرانده استو اطمینان حاصل کرده که این دوره به طور جامع محتویات آن را پوشش می‌دهد. فرانک نه سال در دفتر مرکزی آمازون به عنوان مهندس ارشد و مدیر ارشد فعالیت کرده، سیستم‌های یادگیری ماشین در مقیاس بزرگ ساخته و ۲۶ پتنتثبت کرده است. تخصص فرانک تبدیل موضوعات پیچیده AI به مطالب کاربردی و قابل فهم است.

Stéphane Maarek
استفان یکی از معتمدترین مدرسان AWS در جهان است که بیش از سه میلیونزبان‌آموز در Udemy دارد و تخصص عمیقی در تمامی مسیرهای گواهینامه AWS دارد.

اگر آماده‌اید تا بر هوش مصنوعی مولد در AWS مسلط شوید و یکی از آینده‌دارترین گواهینامه‌های موجود را کسب کنید، ما مشتاقیم شما را در هر قدم راهنمایی کنیم. بیایید شروع کنیم!


سرفصل ها و درس ها

مقدمه Introduction

  • تنظیم سرعت پخش و زیرنویس‌ها Adjusting the Playback Speed and Captions

  • مرور کلی دوره Course Overview

  • دریافت منابع دوره Get the Course Materials

  • تنظیم هشدار هزینه (Billing Alarm) در AWS Setting Up an AWS Billing Alarm

مبانی هوش مصنوعی مولد و Bedrock Generative AI Fundamentals and Bedrock

  • مقدمه بخش Section Intro

  • مرور کلی Amazon Bedrock Amazon Bedrock Overview

  • نکته‌ای سریع درباره دسترسی به مدل‌ها A quick note on model access

  • کار عملی با Bedrock Playground Hands-On with the Bedrock Playground

  • بررسی عمیق‌تر Bedrock Converse API More Depth on the Bedrock Converse API

  • تنظیم دقیق (Fine Tuning) مدل‌های پایه در Bedrock Fine-Tuning Foundation Models in Bedrock

  • سازگاری رتبه پایین (LoRA) و نحوه عملکرد Fine Tuning Low-Rank Adaptation (LoRA) - How Fine-Tuning Works

  • تولید تقویت شده با بازیابی (RAG) Retrieval-Augmented Generation (RAG)

  • ذخیره‌سازهای برداری و جستجوی معنایی Vector Stores and Semantic Search

  • پایگاه‌های دانش Bedrock Bedrock Knowledge Bases

  • کار عملی با Knowledge Bases Hands-On with Knowledge Bases

  • هشدار: OpenSearch را برای مدت طولانی روشن نگذارید! Really, don't leave OpenSearch up and running for long!

  • استراتژی‌های Pre-Retrieval و تکه تکه کردن داده‌ها (Chunking) Pre-Retrieval and Chunking Strategies

  • مدیریت استراتژی‌های Chunking در Bedrock Managing Chunking Strategies with Bedrock

  • بهینه‌سازی ذخیره‌ساز برداری و Embeddings Optimizing your Vector Store and Embeddings

  • ارزیابی عملکرد RAG Evaluating RAG Performance

  • مدل‌ها و خط لوله‌های چندوجهی (Multimodal) در Bedrock Mulitmodal Models and Pipelines with Bedrock

  • نرده‌های حفاظتی Bedrock (Guardrails) Bedrock Guardrails

  • بررسی‌های استدلال خودکار در Guardrails Bedrock Guardrails Automated Reasoning Checks

  • کار عملی با Bedrock Guardrails Hands-On with Bedrock Guardrails

  • حذف اطلاعات در سطح توکن (Token Level Redaction) Token-Level Redaction

  • مدیریت پرامپت در Amazon Bedrock Amazon Bedrock Prompt Management

  • گردش‌های کاری پرامپت در Bedrock (Prompt Flows) Bedrock Prompt Flows

  • اجبار به استفاده از داده‌های ساختاریافته Enforcing Use of Structured Data

  • مقدمه‌ای بر مهندسی پرامپت (Prompt Engineering) Intro to Prompt Engineering

  • کالبدشناسی یک پرامپت Anatomy of a Prompt

  • بهترین روش‌های نوشتن پرامپت Prompt Best Practices

  • انواع پرامپت‌ها Types of Prompts

  • سوء استفاده از پرامپت و کاهش سوگیری (Bias) Prompt Misuse and Mitigating Bias

  • یکپارچه‌سازی سازمانی Enterprise Integration

  • لنز هوش مصنوعی مولد در ابزار AWS Well Architected AWS Well-Architected Tool Generative AI Lens

  • کوییز: Bedrock و مبانی GenAI Quiz: Bedrock and GenAI Fundamentals

مدیریت داده‌ها برای هوش مصنوعی مولد Managing Data for Generative AI

  • مقدمه بخش Section Intro

  • کار با داده‌های ساختاریافته Dealing with Structured Data

  • اتوماسیون داده‌های Amazon Bedrock Amazon Bedrock Data Automation

  • SageMaker Data Wrangler SageMaker Data Wrangler

  • توجه: یافتن Data Wrangler ممکن است دشوار باشد NOTICE: Data Wrangler can be hard to find

  • دمو: SageMaker Studio، Canvas و Data Wrangler Demo: SageMaker Studio, Canvas, and Data Wrangler

  • AWS Glue AWS Glue

  • AWS Glue Studio AWS Glue Studio

  • کیفیت داده‌های Glue Glue Data Quality

  • متریک‌های CloudWatch CloudWatch Metrics

  • AWS Transcribe AWS Transcribe

  • کار عملی با AWS Transcribe AWS Transcribe - Hands On

  • Amazon Comprehend Amazon Comprehend

  • کار عملی با Amazon Comprehend Amazon Comprehend - Hands On

  • استفاده ترکیبی از Comprehend، Lambda و Bedrock Using Comprehend, Lambda, and Bedrock together

  • Amazon Comprehend Medical Amazon Comprehend Medical

  • مقدمه‌ای بر OpenSearch در GenAI Intro to OpenSearch in GenAI

  • معرفی سرویس Amazon OpenSearch (بخش ۱) Introducing Amazon OpenSearch Service (part 1)

  • معرفی سرویس Amazon OpenSearch (بخش ۲) Introducing Amazon OpenSearch Service (part 2)

  • مدیریت ایندکس OpenSearch و طراحی برای پایداری OpenSearch Index Management and Designing for Stability

  • عملکرد سرویس Amazon OpenSearch Amazon OpenSearch Service Performance

  • Amazon OpenSearch Serverless Amazon OpenSearch Serverless

  • استفاده و تنظیم OpenSearch به عنوان ذخیره‌ساز برداری Using and Tuning OpenSearch as a Vector Store

  • بردارهای Amazon S3 Amazon S3 Vectors

  • کار عملی با بردارهای S3 Amazon S3 Vectors - Hands On

  • نکته‌ای درباره ویدئوی تکمیلی بعدی Note on the following supplemental video

  • بردارهای S3 با Claude Code و Agent Toolkit برای AWS [بونوس - در آزمون نیست] S3 Vectors with Claude Code and Agent Toolkit for AWS [BONUS - NOT ON EXAM]

  • Amazon RDS Amazon RDS

  • کار عملی با Amazon RDS Amazon RDS - Hands On

  • Amazon RDS با مخازن اسنادی S3 Amazon RDS with S3 Document Repositories

  • Amazon Aurora Amazon Aurora

  • کار عملی با Amazon Aurora Amazon Aurora - Hands On

  • Amazon Aurora و افزونه pgvector Amazon Aurora and the pgvector Extension

  • Amazon DynamoDB Amazon DynamoDB

  • کار عملی با Amazon DynamoDB Amazon DynamoDB - Hands On

  • مفهوم WCU و RCU در DynamoDB Amazon DynamoDB - WCU & RCU

  • کار عملی با WCU و RCU در DynamoDB Amazon DynamoDB - WCU & RCU - Hands On

  • APIهای پایه Amazon DynamoDB Amazon DynamoDB - Basic APIs

  • کار عملی با APIهای پایه DynamoDB Amazon DynamoDB - Basic APIs - Hands On

  • Amazon DynamoDB DAX Amazon DynamoDB DAX

  • کار عملی با DynamoDB DAX Amazon DynamoDB DAX - Hands On

  • قابلیت TTL در Amazon DynamoDB Amazon DynamoDB - TTL

  • DynamoDB و هوش مصنوعی مولد DynamoDB and Generative AI

  • به‌روز نگه داشتن ذخیره‌ساز برداری Keeping your Vector Store Up to Date

  • ماژول‌های Re-Ranker در Bedrock Re-Ranker Modules in Bedrock

  • کلاس‌های ذخیره‌سازی Amazon S3 Amazon S3 - Storage Classes

  • کار عملی با کلاس‌های ذخیره‌سازی S3 Amazon S3 - Storage Classes - Hands On

  • قوانین چرخه عمر (Lifecycle Rules) در S3 Amazon S3 - Lifecycle Rules

  • کار عملی با قوانین چرخه عمر S3 Amazon S3 - Lifecycle Rules - Hands On

  • نکته‌ای درباره Namespaceهای منطقه‌ای S3 A note about S3 regional namespaces

  • تکثیر (Replication) در Amazon S3 Amazon S3 - Replication

  • نکاتی درباره تکثیر S3 Amazon S3 - Replication - Notes

  • کار عملی با تکثیر S3 Amazon S3 - Replication - Hands On

  • رمزنگاری S3 S3 Encryption

  • درباره DSSE KMS About DSSE-KMS

  • کار عملی با رمزنگاری S3 S3 Encryption - Hands On

  • رمزنگاری پیش‌فرض S3 S3 Default Encryption

  • لاگ‌های دسترسی S3 (Access Logs) S3 Access Logs

  • کار عملی با لاگ‌های دسترسی S3 S3 Access Logs - Hands On

  • نقاط دسترسی S3 (Access Points) S3 Access Points

  • کوییز: مدیریت داده‌ها برای هوش مصنوعی مولد Quiz: Managing Data for Generative AI

هوش مصنوعی عامل‌محور (Agentic AI) Agentic AI

  • مقدمه بخش Section Intro

  • عامل‌های LLM در Bedrock LLM Agents in Bedrock

  • کار عملی: Amazon Bedrock Agents Hands On: Amazon Bedrock Agents

  • هشدار: حذف منابع serverless OpenSearch را فراموش نکنید! WARNING: Remember to delete your OpenSearch serverless resources!

  • گردش‌های کاری چند-عاملی (Multi Agent) Multi-Agent Workflows

  • حافظه کوتاه‌مدت و بلندمدت عامل‌ها Short and Long-Term Agent Memory

  • عامل‌های Strands Strands Agents

  • Agent Squad Agent Squad

  • معرفی Amazon AgentCore Amazon AgentCore Introduction

  • حافظه و ابزارهای AgentCore AgentCore Memory and Tools

  • واردات Bedrock، Gateway و هویت در AgentCore AgentCore Bedrock Import, Gateway, and Identity

  • پالیسی‌های AgentCore AgentCore Policies

  • ارزیابان AgentCore AgentCore Evaluators

  • نکته‌ای برای کاربران اتحادیه اروپا در مورد آزمایشگاه بعدی Note on the following lab for EU users

  • آزمایشگاه: Strands Agents، Amazon Bedrock AgentCore و Agent Squad Lab: Strands Agents, Amazon Bedrock AgentCore, Agent Squad

  • پروتکل کانتکست مدل (MCP) Model Context Protocol (MCP)

  • OpenAPI و نحوه استفاده از ابزارها OpenAPI and Tool Usage

  • حضور انسان در چرخه (Humans in the Loop) Humans in the Loop

  • Amazon Q Business Amazon Q Business

  • کار عملی با Amazon Q Business Amazon Q Business - Hands On

  • Amazon Q Apps Amazon Q Apps

  • کار عملی با Amazon Q Apps Amazon Q Apps - Hands On

  • پاک‌سازی منابع Amazon Q Business Amazon Q Business - Cleanup

  • کوییز: هوش مصنوعی عامل‌محور (Agentic AI) Quiz: Agentic AI

بهره‌وری عملیاتی و بهینه‌سازی Operational Efficiency and Optimization

  • مقدمه بخش Section Intro

  • بهینه‌سازی مصرف توکن (Token Efficiency) Token Efficiency

  • انتخاب مدل مقرون به صرفه Cost-Effective Model Selection

  • بیشینه‌سازی بهره‌وری منابع و نرخ تراکنش (Throughput) Maximizing Resource Utilization and Throughput

  • سیستم‌های کشینگ هوشمند برای GenAI Intelligent Caching Systems for GenAI

  • ساخت سیستم‌های AI پاسخگو (Responsive) Building Responsive AI Systems

  • بهینه‌سازی عملکرد بازیابی (Retrieval) Optimizing Retrieval Performance

  • بهینه‌سازی برای موارد استفاده خاص Optimizing for Specific Use Cases

  • بهینه‌سازی عملکرد سیستم مدل‌های پایه Optimizing Foundation Model System Performance

  • الگوریتم Exponential Backoff و Connection Pooling Exponential Backoff and Connection Pooling

  • استنتاج بین‌منطقه‌ای (Cross Region Inference) در Bedrock Amazon Bedrock Cross-Region Inference

  • کوییز: بهره‌وری عملیاتی و بهینه‌سازی Quiz: Operational Efficiency and Optimization

مدیریت مدل‌ها با SageMaker AI Managing Models with SageMaker AI

  • مقدمه بخش Section Intro

  • مقدمه‌ای بر Amazon SageMaker AI Intro to Amazon SageMaker AI

  • پردازش داده، آموزش و استقرار با SageMaker Data Processing, Training, and Deployment with SageMaker

  • ضمانت‌های استقرار در SageMaker SageMaker Deployment Safeguards

  • بهینه‌سازی استقرار مدل‌های پایه Optimizing Foundation Model Deployments

  • SageMaker Ground Truth SageMaker Ground Truth

  • SageMaker Model Monitor و Clarify SageMaker Model Monitor and Clarify

  • رجیستری مدل SageMaker (Model Registry) SageMaker Model Registry

  • ردیابی تبار مدل (Lineage Tracking) در SageMaker SageMaker Lineage Tracking

  • ردیابی تبار بین-حسابی Cross-Account Lineage Tracking

  • SageMaker در لبه (Neo) SageMaker on the Edge (Neo)

  • SageMaker Unified Studio SageMaker Unified Studio

  • SageMaker Pipelines SageMaker Pipelines

  • کار عملی: SageMaker JumpStart Hands On: SageMaker JumpStart

  • کوییز: مدیریت مدل‌ها با SageMaker AI Quiz: Managing Models with SageMaker AI

ابزارهای بیشتر برای ساخت اپلیکیشن‌های AI More Tools for Building AI Applications

  • مقدمه بخش Section Intro

  • AWS Lambda AWS Lambda

  • الگوهای یکپارچه‌سازی Lambda (بخش ۱) Lambda Integration Patterns, Part 1

  • الگوهای یکپارچه‌سازی Lambda (بخش ۲) Lambda Integration Patterns, Part 2

  • استفاده از Lambda با Bedrock Lambda with Bedrock

  • Amazon API Gateway Amazon API Gateway

  • کار عملی با Amazon API Gateway Amazon API Gateway - Hands On

  • API Gateway و اپلیکیشن‌های هوش مصنوعی مولد Amazon API Gateway and Generative AI Applications

  • AWS AppConfig AWS AppConfig

  • انتخاب دینامیک مدل پایه با AppConfig Dynamic FM Selection with AppConfig

  • AWS Step Functions AWS Step Functions

  • وضعیت‌های Step Function (States) Step Function States

  • الگوی Circuit Breaker و یکپارچه‌سازی AI در Step Functions Step Functions Circuit Breaker Pattern, and AI Integration

  • آزمایشگاه: زنجیره‌سازی پرامپت (Prompt Chaining) با Step Functions و Bedrock Lab: Prompt Chaining with Step Functions and Bedrock

  • AWS CodePipeline AWS CodePipeline

  • پیش‌نیازهای کار عملی CodePipeline AWS CodePipeline - Hands On - Prerequisites

  • کار عملی با AWS CodePipeline AWS CodePipeline - Hands On

  • AWS CodeBuild AWS CodeBuild

  • کار عملی با AWS CodeBuild (بخش ۱) AWS CodeBuild - Hands On - Part 1

  • کار عملی با AWS CodeBuild (بخش ۲) AWS CodeBuild - Hands On - Part 2

  • AWS CodeDeploy AWS CodeDeploy

  • کار عملی با AWS CodeDeploy AWS CodeDeploy - Hands On

  • استفاده از MLFlow برای آزمایشات LLM MLFlow for LLM Experimentation

  • AWS AppSync و GenAI AWS AppSync and GenAI

  • AWS Outposts AWS Outposts

  • AWS Outposts و GenAI AWS Outposts and GenAI

  • AWS Wavelength AWS Wavelength

  • AWS Wavelength و GenAI AWS Wavelength and GenAI

  • Amazon SQS Amazon SQS

  • کار عملی با Amazon SQS Amazon SQS - Hands On

  • AWS Amplify AWS Amplify

  • Amazon EventBridge Amazon EventBridge

  • کار عملی با Amazon EventBridge Amazon EventBridge - Hands On

  • Amazon SNS Amazon SNS

  • کار عملی با Amazon SNS Amazon SNS - Hands On

  • Amazon AppFlow Amazon AppFlow

  • کوییز: ابزارهای بیشتر برای ساخت اپلیکیشن‌های AI Quiz: More Tools for Building AI Applications

حکمرانی و تضمین کیفیت (QA) Governance and QA

  • مقدمه بخش Section Intro

  • ردیابی (Tracing) عامل‌های Bedrock Bedrock Agent Tracing

  • تکنیک‌های ارزیابی برای مدل‌های پایه Evaluation Techniques for Foundation Models

  • ارزیابی LLMها با امتیازات ROUGE، BLUE و BERT Evaluating LLM's with ROUGE, BLUE, and BERT scores

  • ارزیابی‌های مدل در Amazon Bedrock Amazon Bedrock Model Evaluations

  • سیستم‌های اعتبارسنجی استقرار Deployment Validation Systems

  • اصول هوش مصنوعی مسئولانه (Responsible AI) Principles of Responsible AI

  • CloudWatch Logs CloudWatch Logs

  • کار عملی با CloudWatch Logs CloudWatch Logs - Hands On

  • هشدارهای CloudWatch (Alarms) CloudWatch Alarms

  • کار عملی با CloudWatch Alarms CloudWatch Alarms - Hands On

  • CloudWatch RUM CloudWatch RUM

  • مانیتورینگ GenAI با CloudWatch CloudWatch and GenAI Monitoring

  • AWS CloudTrail AWS CloudTrail

  • کار عملی با AWS CloudTrail AWS CloudTrail - Hands On

  • CloudTrail و GenAI CloudTrail and GenAI

  • توضیحات تکمیلی درباره CloudTrail و Bedrock Clarification on CloudTrail + Bedrock

  • AWS X-Ray AWS X-Ray

  • کار عملی با AWS X-Ray AWS X-Ray - Hands On

  • AWS Lake Formation AWS Lake Formation

  • کوییز: حکمرانی و تضمین کیفیت Quiz: Governance and QA

امنیت، هویت و انطباق Security, Identity, and Compliance

  • مقدمه بخش Section Intro

  • اصل کمترین امتیاز دسترسی (Least Privilege) Principle of Least Privilege

  • ماسک کردن داده‌ها (Data Masking) و Key Salting Data Masking and Key Salting

  • مقدمه IAM: کاربران، گروه‌ها و پالیسی‌ها IAM Introduction: Users, Groups, Policies

  • کار عملی با کاربران و گروه‌های IAM IAM Users & Groups - Hands On

  • ورود همزمان به کنسول AWS AWS Console Simultaneous Sign-in

  • پالیسی‌های IAM IAM Policies

  • کار عملی با پالیسی‌های IAM IAM Policies - Hands On

  • احراز هویت چندعاملی (MFA) در IAM IAM MFA

  • کار عملی با IAM MFA IAM MFA - Hands On

  • نقش‌های IAM (Roles) IAM Roles

  • کار عملی با نقش‌های IAM IAM Roles - Hands On

  • AWS IAM Identity Center AWS IAM Identity Center

  • AWS Control Tower AWS Control Tower

  • مبانی رمزنگاری (Encryption 101) Encryption 101

  • AWS KMS AWS KMS

  • کار عملی با AWS KMS AWS KMS - Hands On

  • Amazon Macie Amazon Macie

  • AWS Secrets Manager AWS Secrets Manager

  • کار عملی با AWS Secrets Manager AWS Secrets Manager - Hands On

  • Amazon Cognito Amazon Cognito

  • AWS WAF AWS WAF

  • VPC، زیرشبکه‌ها، Internet Gateway و NAT Gateway VPC, Subnets, Internet Gateway, NAT Gateway

  • NACL، Security Groups و VPC Flow Logs NACL, Security Groups, VPC Flow Logs

  • VPC Peering، Endpoints، VPN و Direct Connect VPC Peering, Endpoints, VPN, Direct Connect

  • چیت-شیت VPC و نکات پایانی VPC Cheat Sheet & Closing Comments

  • AWS PrivateLink AWS PrivateLink

  • کوییز: امنیت، هویت و انطباق Quiz: Security, Identity, and Compliance

سرویس‌های تحلیلی که باید بشناسید Analytics Services You Should Know

  • مقدمه: سایر سرویس‌هایی که باید بشناسید Intro: Other Services You Should Know

  • Amazon Athena Amazon Athena

  • Amazon EMR Amazon EMR

  • Amazon Quicksight Amazon Quicksight

  • Amazon Kinesis Data Streams Amazon Kinesis Data Streams

  • کار عملی با Kinesis Data Streams Amazon Kinesis Data Streams - Hands On

  • Amazon MSK Amazon MSK

  • کوییز: تحلیل داده (Analytics) Quiz: Analytics

سرویس‌های Compute، کانتینر و تعامل با مشتری Compute, Container, and Customer Engagement Services You Should Know

  • AWS App Runner AWS App Runner

  • کار عملی با AWS App Runner AWS App Runner - Hands On

  • Amazon EC2 Amazon EC2

  • کار عملی با Amazon EC2 Amazon EC2 - Hands On

  • Amazon ECS Amazon ECS

  • کار عملی: ایجاد کلاستر ECS Creating ECS Cluster - Hands On

  • کار عملی: ایجاد سرویس ECS Creating ECS Service - Hands On

  • Amazon EKS Amazon EKS

  • کار عملی با Amazon EKS Amazon EKS - Hands On

  • Amazon Lex و Connect Amazon Lex + Connect

  • کوییز: Compute، کانتینر و خدمات مشتری Quiz: Compute, Container, and Customer Service

سرویس‌های پایگاه داده که باید بشناسید Database Services You Should Know

  • Amazon DocumentDB Amazon DocumentDB

  • Amazon ElastiCache Amazon ElastiCache

  • کار عملی با Amazon ElastiCache Amazon ElastiCache - Hands On

  • Valkey با ElastiCache و MemoryDB Valkey with ElastiCache and MemoryDB

  • Amazon Neptune Amazon Neptune

  • تحلیل‌های Amazon Neptune و جستجوی برداری Amazon Neptune Analytics and Vector Search

  • کوییز: پایگاه داده Quiz: Database

سرویس‌های ابزارهای توسعه‌دهنده Developer Tools Services You Should Know

  • AWS CDK AWS CDK

  • کار عملی با AWS CDK AWS CDK - Hands On

  • کلیدهای دسترسی AWS، CLI و SDK AWS Access Keys, CLI and SDK

  • نصب AWS CLI در ویندوز AWS CLI Setup on Windows

  • نصب AWS CLI در مک AWS CLI Setup on Mac

  • نصب AWS CLI در لینوکس AWS CLI Setup on Linux

  • کار عملی با AWS CLI AWS CLI - Hands On

  • AWS CloudFormation AWS CloudFormation

  • کار عملی با AWS CloudFormation AWS CloudFormation - Hands On

  • AWS CodeArtifact AWS CodeArtifact

  • کار عملی با AWS CodeArtifact AWS CodeArtifact - Hands On

  • کوییز: ابزارهای توسعه‌دهنده Quiz: Developer Tools

سرویس‌های یادگیری ماشین که باید بشناسید Machine Learning Services You Should Know

  • Amazon Augmented AI Amazon Augmented AI

  • کار عملی با Amazon Augmented AI Amazon Augmented AI - Hands On

  • Amazon Kendra Amazon Kendra

  • Amazon Lex Amazon Lex

  • کار عملی با Amazon Lex Amazon Lex - Hands On

  • Amazon Rekognition Amazon Rekognition

  • کار عملی با Amazon Rekognition Amazon Rekognition - Hands On

  • Amazon Textract Amazon Textract

  • کار عملی با Amazon Textract Amazon Textract - Hands On

  • کوییز: یادگیری ماشین Quiz: Machine Learning

سرویس‌های مدیریت و حکمرانی Management and Governance Services You Should Know

  • AWS Auto Scaling AWS Auto Scaling

  • کار عملی با AWS Auto Scaling AWS Auto Scaling - Hands On

  • تشخیص ناهنجاری هزینه (Cost Anomaly Detection) AWS Cost Anomaly Detection

  • AWS Cost Explorer AWS Cost Explorer

  • Amazon Managed Grafana Amazon Managed Grafana

  • AWS Systems Manager AWS Systems Manager

  • مدیریت نشست‌ها در Systems Manager AWS Systems Manager - Session Manager

  • Parameter Store در Systems Manager AWS Systems Manager - Parameter Store

  • کوییز: مدیریت و حکمرانی Quiz: Management and Governance

سرویس‌های مهاجرت و انتقال داده Migration and Transfer Services You Should Know

  • AWS DataSync AWS DataSync

  • AWS Transfer Family AWS Transfer Family

  • کوییز: مهاجرت و انتقال Quiz: Migration and Transfer

سرویس‌های شبکه و تحویل محتوا Networking and Content Delivery Services You Should Know

  • Amazon CloudFront Amazon CloudFront

  • کار عملی با Amazon CloudFront Amazon CloudFront - Hands On

  • Amazon Elastic Load Balancing Amazon Elastic Load Balancing

  • کار عملی با ELB Amazon Elastic Load Balancing - Hands On

  • AWS Global Accelerator AWS Global Accelerator

  • کار عملی با Global Accelerator AWS Global Accelerator - Hands On

  • Amazon Route 53 Amazon Route 53

  • کوییز: شبکه و تحویل محتوا Quiz: Networking and Content Delivery

سرویس‌های ذخیره‌سازی که باید بشناسید Storage Services You Should Know

  • Amazon EBS Amazon EBS

  • کار عملی با Amazon EBS Amazon EBS - Hands On

  • Amazon EFS Amazon EFS

  • کار عملی با Amazon EFS Amazon EFS - Hands On

  • مقایسه Amazon EFS و Amazon EBS Amazon EFS vs. Amazon EBS

  • کوییز: ذخیره‌سازی Quiz: Storage

نکاتی درباره Trade-offهای معماری GenAI Notes on GenAI Architectural Tradeoffs

  • یک سیستم جامع GenAI برای کاربر نهایی A Complete GenAI User-Facing System

  • انتخاب یک ذخیره‌ساز برداری (Vector Store) Choosing a Vector Store

  • ارکستراسیون: چه زمانی از Step Functions استفاده کنیم؟ Orchestration: When to Use Step Functions

  • معماری‌های ساده شده داخلی و کاربر-محور Simplified Internal and User-Facing Architectures

آزمون جامع Practice Exam

  • آزمون جامع (نسخه ۲) - AWS Certified Generative AI Developer Professional AIP C01 Full Practice Exam (revision 2) - AWS Certified Generative AI Developer Professional AIP-C01

  • بررسی آزمون‌های تمرینی AWS Skill Builder Check out the AWS Skill Builder practice exam too.

جمع‌بندی Wrapping Up

  • مقدمه: آماده شدن برای آزمون Intro: Getting Ready for the Exam

  • منابع تکمیلی آمادگی و راهنمای آزمون More Preparation Resources and the Exam Guide

  • آمادگی‌های اضافی از طریق جامعه کاربری Additional Prep from the Community

  • نکاتی برای پاسخ‌دهی به آزمون Test-Taking Tips

  • راهنمای ثبت‌نام و مراحل آزمون Exam Walkthrough and Signup

  • ۵۰٪ تخفیف در هزینه آزمون AWS! Save 50% on your AWS Exam Cost!

  • دریافت ۳۰ دقیقه زمان اضافی (مخصوص غیر انگلیسی‌زبانان) Get an Extra 30 Minutes on your AWS Exam - Non Native English Speakers Only

  • تبریکات! Congratulations!

  • درس بونوس Bonus Lecture

نمایش نظرات

آموزش دوره جامع توسعه‌دهنده حرفه‌ای هوش مصنوعی مولد AWS
جزییات دوره
24 hours
305
Udemy (یودمی) Udemy (یودمی)
(آخرین آپدیت)
32,155
4.6 از 5
ندارد
دارد
دارد
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Sundog Education by Frank Kane Sundog Education by Frank Kane

بنیانگذار ، آموزش Sundog. یادگیری ماشینی ماموریت ProSundog Education این است که مهارتهای شغلی بسیار ارزشمندی را در داده های بزرگ ، علوم داده و یادگیری ماشینی در دسترس همه افراد در جهان قرار دهد. کنسرسیوم مربیان متخصص ما ، دانش ما را در این زمینه های نوظهور با قیمت هایی که هرکس می تواند تحمل کند ، در اختیار شما قرار می دهد. Sundog Education توسط فرانک کین هدایت می شود و متعلق به شرکت فرانک ، Sundog Software LLC است. فرانک 9 سال را در آمازون و IMDb سپری کرد و فناوری را توسعه داد و به طور مداوم توصیه های محصول و فیلم را به صدها میلیون مشتری ارائه داد. فرانک دارای 17 اختراع ثبت شده در زمینه محاسبات توزیع شده ، داده کاوی و یادگیری ماشین است. در سال 2012 ، فرانك رفت و شركت موفق خود ، Sundog Software را كه متمركز بر فناوري محيط واقعيت مجازي است و به ديگران در مورد تجزيه و تحليل داده هاي بزرگ مي پردازد ، راه اندازي كرد. با توجه به تعداد دانشجویان ما قادر به پاسخگویی به پیامهای خصوصی نیستیم. لطفا سوالات خود را در پرسش و پاسخ دوره خود ارسال کنید. ممنون از اینکه میفهمی.

Stephane Maarek  AWS Certified Cloud Practitioner,Solutions Architect,Developer Stephane Maarek AWS Certified Cloud Practitioner,Solutions Architect,Developer

مربی پرفروش، دارای گواهینامه AWS 10x، گورو کافکا