آموزش جامع آمادگی آزمون AWS Machine Learning Engineer Associate - آخرین آپدیت

سرفصل ها و درس ها

شروع به کار Let's Get Started

• مقدمه‌ای بر MLA Introduction to MLA

ذخیره‌سازی و ورود داده‌ها Data Storage/Ingestion

• مقدمه: ذخیره‌سازی و ورود داده‌ها Intro: Data Storage/Ingestion

• سه V داده‌ها The Three Vs

• انواع داده‌ها Types of Data

• پردازش دسته‌ای در مقابل استریمینگ Batch Versus Streaming

• مقایسه OLTP و OLAP OLTP vs OLAP

• فرمت‌های داده Data Formats

• مدل‌سازی داده‌ها Data Modeling

• انبار داده‌ها (Data Warehouses) Data Warehouses

• دریاچه داده‌ها (Data Lakes) Data Lakes

• سناریوهای ورود داده‌ها Data Ingestion Scenarios

• Amazon FSx Amazon FSx

• [عملی] بارگذاری داده‌ها در منابع آموزش مدل [HOL] Loading Data Into Model Training Resource

• Amazon Kinesis Data Streams Amazon Kinesis Data Streams

• [عملی] ایجاد یک جریان داده (Data Stream) [HOL] Create a Data Stream

• استفاده از EFS با Lambda Using EFS with Lambda

• [عملی] ایجاد تابع AWS Lambda برای مصرف جریان داده Kinesis [HOL] Create an AWS Lambda Function to Consume a Kinesis Data Stream

• کتابخانه کلاینت Amazon Kinesis (KCL) Amazon Kinesis Client Library (KCL)

• Apache Kafka Apache Kafka

• Amazon MSK Amazon MSK

• مقایسه Kinesis و MSK Kinesis vs MSK

• Amazon Data Firehose Amazon Data Firehose

• [عملی] پیکربندی جریان Amazon Data Firehose [HOL] Configure an Amazon Data Firehose Stream

• سرویس مدیریت شده Amazon برای Apache Flink Amazon Managed Service for Apache Flink

• Amazon Kinesis Analytics Amazon Kinesis Analytics

• Amazon Kinesis Video Streams Amazon Kinesis Video Streams

• Amazon Redshift Amazon Redshift

• Amazon Redshift Serverless Amazon Redshift Serverless

• پلتفرم‌های ذخیره‌سازی Storage Platforms

• همسویی با الگوهای دسترسی Aligning to Access Patterns

• مقایسه هزینه و عملکرد Cost and Performance Comparisons

• استخراج داده‌ها از ذخیره‌ساز Extracting Data From Storage

• خلاصه گزینه‌های ذخیره‌سازی Summary of Storage Options

• مرور سریع برای آزمون Exam Cram

تحلیل اکتشافی داده‌ها (EDA) Exploratory Data Analysis

• مقدمه: تحلیل اکتشافی داده‌ها Intro: Exploratory Data Analysis

• نمودارها Plots

• انواع داده‌ها Data Types

• توزیع داده‌ها Data Distribution

• مهندسی ویژگی‌ها (Feature Engineering) Feature Engineering

• تبدیل داده‌ها (اعداد و دسته‌ها) Data Transformation (Numbers-Categories)

• تبدیل داده‌ها (متن و تصاویر) Data Transformation (Text-Images)

• تکنیک‌های جایگذاری داده‌های گم‌شده (Imputation) Imputation Techniques

• داده‌های نامتوازن Unbalanced Data

• داده‌های پرت (Outliers) Outliers

• آشنایی با Amazon EMR Amazon EMR Introduction

• Apache Hadoop Apache Hadoop

• فریم‌ورک‌های Hadoop Hadoop Frameworks

• Apache Spark Apache Spark

• معماری Amazon EMR Amazon EMR Architecture

• [عملی] راه‌اندازی کلاستر EMR [HOL] Launch an EMR Cluster

• تبدیل داده‌های استریمینگ (Lambda و Spark) Transforming Streaming Data (Lambda and Spark)

• EMR Serverless EMR Serverless

• Amazon SageMaker Feature Store Amazon SageMaker Feature Store

• AWS Glue AWS Glue

• [عملی] AWS Glue (Crawler و تبدیل) [HOL] AWS Glue (Crawler + Transformation)

• کاتالوگ داده‌های AWS Glue AWS Glue Data Catalog

• [عملی] ایجاد کاتالوگ داده‌های AWS Glue [HOL] Create an AWS Glue Data Catalog

• AWS Glue DataBrew AWS Glue DataBrew

• [عملی] ایجاد پروژه DataBrew [HOL] Create a DataBrew Project

• Amazon Athena Amazon Athena

• [عملی] اجرای کوئری‌های SQL در Athena [HOL] Running SQL Queries in Athena

• مرور سریع برای آزمون Exam Cram

یادگیری ماشین Machine Learning

• مقدمه: یادگیری ماشین Intro: Machine Learning

• طبقه‌بندی هوش مصنوعی Taxonomy of AI

• روش‌های سنتی در مقابل روش‌های AI برای حل مسائل Traditional vs AI methods for Solving Problems

• کاربردهای واقعی AI AI Real-world Applications

• دیدگاه تجاری به AI Business View for AI

• منابع مدل‌های ML Sources of ML Models

• دسته‌بندی‌های یادگیری ماشین Machine Learning Categories

• رگرسیون (Regression) Regression

• ارزیابی مدل رگرسیون Regression - Model Evaluation

• طبقه‌بندی (Classification) Classification

• ارزیابی مدل طبقه‌بندی Classification - Model Evaluation

• کاهش ابعاد (Dimensionality Reduction) Dimensionality Reduction

• یادگیری عمیق (Deep Learning) Deep Learning

• پردازش زبان طبیعی (NLP) Natural Language processing (NLP)

• بینایی ماشین (CV) Computer Vision (CV)

• شبکه عصبی پیچشی (CNN) Convolutional Neural Network (CNN)

• شبکه عصبی بازگشتی (RNN) Recurrent Neural Network

• پیشرفت‌ها در NLP Advancements in NLP

• ویژگی‌های شبکه عصبی Neural Network Characteristics

• مشکلات شبکه‌های عصبی Neural Networks Problems

• بیش‌برازش و کم‌برازش (Overfitting/Underfitting) Overfitting/Underfitting

• جلوگیری از بیش‌برازش Preventing Overfitting

• تکنیک‌های اعتبارسنجی Validation Techniques

• درخت‌های تصمیم Decision Trees

• یادگیری مجموعه‌ای (Ensemble Learning) Ensemble Learning

• کاهش اندازه مدل Reducing Model Size

• تعادل بین عملکرد، زمان آموزش و هزینه Performance, Training Time, and Cost Tradeoffs

• موارد استفاده از AI AI Use Cases

• تفسیر مدل‌های ML Interpreting ML Models

• مرور سریع برای آزمون Exam Cram

سرویس‌های مدیریت شده هوش مصنوعی Managed AI Services

• مقدمه: سرویس‌های مدیریت شده AI Intro: Managed AI Services

• سرویس‌های AI AI Services

• Amazon Comprehend Amazon Comprehend

• [عملی] تحلیل احساسات نظرات مشتریان [HOL] Customer's Reviews Sentiment Analysis

• Amazon Translate Amazon Translate

• [عملی] Amazon Translate [HOL] Amazon Translate

• Amazon Transcribe Amazon Transcribe

• [عملی] Amazon Transcribe [HOL] Amazon Transcribe

• Amazon Polly Amazon Polly

• [عملی] Amazon Polly [HOL] Amazon Polly

• Amazon Rekognition Amazon Rekognition

• [عملی] Amazon Rekognition [HOL] Amazon Rekognition

• Amazon Textract Amazon Textract

• [عملی] Amazon Textract [HOL] Amazon Textract

• Amazon Forecast Amazon Forecast

• Amazon Lex Amazon Lex

• Amazon Fraud Detector Amazon Fraud Detector

• Amazon Personalize Amazon Personalize

• Amazon Kendra Amazon Kendra

• [عملی] Amazon Kendra [HOL] Amazon Kendra

• Amazon Bedrock Amazon Bedrock

• [عملی] PartyRock (محیط تست Amazon Bedrock) [HOL] PartyRock (Amazon Bedrock Playground)

• Amazon Augmented AI Amazon Augmented AI

• نمونه‌های EC2 برای AI EC2 Instances for AI

• Amazon Q Business Amazon Q Business

• Amazon Q Apps Amazon Q Apps

• [عملی] Amazon Q Business [HOL] Amazon Q Business

• [عملی] Amazon Q Apps [HOL] Amazon Q Apps

• Amazon Q Developer Amazon Q Developer

• مرور سریع برای آزمون Exam Cram

مدل‌سازی (الگوریتم‌های داخلی SageMaker) Modelling (SageMaker Built-In Algorithms)

• مقدمه: مدل‌سازی (الگوریتم‌های داخلی SageMaker) Intro: Modelling (SageMaker Built-In Algorithms)

• Amazon SageMaker و SageMaker Studio Amazon SageMaker, SageMaker Studio

• [عملی] walkthrough محیط Amazon SageMaker [HOL] Amazon SageMaker Walkthrough

• [عملی] ایجاد نمونه Notebook در Amazon SageMaker [HOL] Create an Amazon SageMaker Notebook Instance

• مرور کلی الگوریتم‌های داخلی Built-in Algorithms Overview

• Linear Learner Linear Learner

• XGBoost XGBoost

• LightGBM LightGBM

• K-Nearest Neighbours (KNN) K-Nearest Neighbours

• Factorization Machines Factorization Machines

• DeepAR DeepAR

• طبقه‌بندی تصاویر Image Classification

• تشخیص اشیاء (Object Detection) Object Detection

• بخش‌بندی معنایی (Semantic Segmentation) Semantic Segmentation

• Seq2Seq Seq2Seq

• BlazingText BlazingText

• مدل موضوعی عصبی (NTM) Neural Topic Model (NTM)

• تخصیص دیریکله نهفته (LDA) Latent Dirichlet Allocation (LDA)

• Random Cut Forest (RCF) Random Cut Forest (RCF)

• خوشه‌بندی K-means K-means Clustering

• خوشه‌بندی سلسله‌مراتبی Hierarchical Clustering

• Object2Vec Object2Vec

• تحلیل مؤلفه‌های اصلی (PCA) Principal Component Analysis (PCA)

• IP Insights IP Insights

• یادگیری تقویتی (Reinforcement Learning) Reinforcement Learning

• جمع‌بندی الگوریتم‌های داخلی Built-in Algorithms Recap

• تنظیم هایپرپارامترها (Automatic Model Tuning) Hyperparameter Tuning (Automatic Model Tuning)

• [عملی] اجرای عملیات تنظیم هایپرپارامتر [HOL] Hyperparameter Tuning Job

• مرور سریع برای آزمون Exam Cram

سرویس‌های Amazon SageMaker Amazon SageMaker Services

• مقدمه: سرویس‌های Amazon SageMaker Intro: Amazon SageMaker Services

• Amazon Sagemaker Ground Truth Amazon Sagemaker Ground Truth

• [عملی] ایجاد یک عملیات برچسب‌گذاری (Labelling Job) [HOL] Create a Labelling Job

• SageMaker Data Wrangler SageMaker Data Wrangler

• [عملی] SageMaker Data Wrangler [HOL] SageMaker Data Wrangler

• Sagemaker Model Monitor Sagemaker Model Monitor

• سوگیری در یادگیری ماشین (Bias) Bias in Machine Learning

• Amazon SageMaker Clarify Amazon SageMaker Clarify

• [عملی] Amazon SageMaker Clarify [HOL] Amazon SageMaker Clarify

• Amazon SageMaker Feature Store Amazon SageMaker Feature Store

• SageMaker Canvas SageMaker Canvas

• [عملی] SageMaker Canvas [HOL] SageMaker Canvas

• SageMaker Model Registry SageMaker Model Registry

• مرور سریع برای آزمون Exam Cram

استقرار مدل Model Deployment

• مقدمه: استقرار مدل Intro: Model Deployment

• استنتاج آنلاین (Real-time) Online Inference (Real-time)

• تبدیل دسته‌ای (Batch Transform) Batch Transform

• سایر روش‌های استقرار Other Deployments

• مقایسه Multi-model در مقابل Multi-container Endpoints Multi-model vs Multi-container Endpoints

• [عملی] Multi-model Endpoint [HOL] Multi-model Endpoint

• [عملی] Multi-container Endpoint [HOL] Multi-container Endpoint

• استقرار در Sagemaker Sagemaker Deployment

• [عملی] XGBoost (پیش‌بینی ریزش مشتری) [HOL] XGBoost (Churn Prediction)

• [عملی] حالت اسکریپت (Script Mode) [HOL] Script Mode

• [عملی] استفاده از داکر شخصی (BYO Docker) [HOL] Bring Your Own (BYO) Docker

• انواع نمونه‌های Sagemaker Sagemaker Instance Types

• Sagemaker SDK SageMaker SDK

• آموزش توزیع شده Distributed Training

• Sagemaker Debugger Sagemaker Debugger

• [عملی] استنتاج بدون سرور Sagemaker [HOL] SageMaker Serverless Inference

• Sagemaker Autopilot Sagemaker Autopilot

• Amazon SageMaker Inference Recommender Amazon SageMaker Inference Recommender

• Amazon SageMaker Serverless Inference Amazon SageMaker Serverless Inference

• خط لوله استنتاج (Inference Pipeline) Inference Pipeline

• [عملی] Sagemaker Model Monitor [HOL] Sagemaker Model Monitor

• Sagemaker Neo Sagemaker Neo

• امنیت در Sagemaker Sagemaker Security

• سرویس‌های هدف استقرار Deployment Target Services

• استقرارهای قابل نگهداری، مقیاس‌پذیر و مقرون‌به‌صرفه Maintainable, Scalable, Cost-effective Deployments

• متریک‌های مقیاس‌بندی خودکار Automatic Scaling Metrics

• تحلیل تعادل عملکرد Performance Tradeoff Analysis

• Apache Airflow و SageMaker Pipelines Apache Airflow, SageMaker Pipelines

• سیستم ML ایزوله Isolated ML System

• مرور سریع برای آزمون Exam Cram

زیرساخت AWS، MLOps و ارکستراسیون AWS Infrastructure, MLOps, and Orchestration

• مقدمه: زیرساخت AWS، MLOps و ارکستراسیون Intro: AWS Infrastructure, MLOps, and Orchestration

• منابع On-demand در مقابل Provisioned On-demand vs Provisioned Resources

• سیاست‌های مقیاس‌بندی Scaling Policies

• سرویس‌های زیرساخت به عنوان کد (IaC) Infrastructure as Code (IaC) Services

• کانتینرهای داکر و میکروسرویس‌ها Docker Containers and Microservices

• Amazon Elastic Container Service (ECS) Amazon Elastic Container Service (ECS)

• [عملی] اجرای کانتینرهای داکر روی AWS Fargate [HOL] Launch Docker Containers on AWS Fargate

• کانتینرهای داکر با Sagemaker Docker Containers with Sagemaker

• SageMaker MLOps برای Kubernetes و پروژه‌های SageMaker SageMaker MLOps for Kubernetes and SageMaker Projects

• مرور کلی CI/CD CI/CD Overview

• GitFlow و GitHub Flow GitFlow, GitHub Flow

• خط لوله‌های CI/CD با استفاده از AWS CodePipeline، CodeBuild و CodeDeploy (CI/CD) Pipelines Using AWS CodePipeline, CodeBuild, and CodeDeploy

• تست‌های خودکار در خط لوله‌های CI/CD Automated Tests in CI/CD Pipelines

• سرویس‌های اتوماسیون ارکستراسیون در ML Services to Automate Orchestration in ML

• [عملی] CI/CD برای آموزش و استقرار [HOL] CI/CD For Training And Deployment

• فریم‌ورک بازآموزی مدل (Model Retraining) Model Retraining Framework

• مرور سریع برای آزمون Exam Cram

مدل‌های پایه و کاربردها Foundation Models and Applications

• مقدمه: مدل‌های پایه و کاربردها Intro: Foundation Models and Applications

• چرخه حیات مدل پایه (Foundation Model) Foundation Model Lifecycle

• معیارهای انتخاب مدل‌های پیش‌آموزش‌دیده Selection Criteria for Pre-trained Models

• تنظیم پارامترهای استنتاج Tweaking Inference Parameters

• [عملی] تنظیم پارامترهای استنتاج [HOL] Tweaking Inference Parameters

• Embeddings و پایگاه‌های داده برداری (Vector Databases) Embeddings and Vector Databases

• تولید تقویت‌شده بازیابی (RAG) Retrieval Augmented Generation (RAG)

• موارد استفاده از RAG RAG Use Cases

• استفاده از RAG در Amazon Bedrock RAG in Amazon Bedrock

• [عملی] پایگاه‌های دانش Amazon Bedrock [HOL] Amazon Bedrock Knowledge Bases

• بهینه‌سازی مدل‌های پایه Optimizing Foundation Models

• انتخاب رویکرد مناسب: Fine-tuning در مقابل RAG Choosing the Right Approach: Fine-tuning vs RAG

• تنظیم دقیق (Fine-tuning) مدل پایه (بررسی عمیق) Fine-tuning a Foundation Model (Deep Dive)

• آماده‌سازی داده‌ها برای Fine-tuning Data Preparation for Fine-tuning

• ارزیابی مدل پایه Evaluating a Foundation Model

• متریک‌های عملکرد مدل پایه Foundation Model Performance Metrics

• اهداف تجاری برای مدل‌های پایه Business Objectives for Foundation Models

سرویس‌ها و زیرساخت GenAI در AWS AWS GenAI Services and Infrastructure

• مقدمه: سرویس‌ها و زیرساخت GenAI Intro: GenAI Services and Infrastructure

• سرویس‌های AWS برای GenAI AWS Services For GenAI

• انتخاب مدل‌های پایه و سرویس GenAI در AWS Choosing Foundation Models and AWS GenAI Service

• چرا سرویس‌های AWS برای GenAI؟ Why AWS Services for GenAI?

• EC2 برای GenAI EC2 for GenAI

• چرا زیرساخت AWS برای GenAI؟ Why AWS Infrastructure For GenAI

• تعادل هزینه‌های سرویس‌های GenAI در AWS Cost Tradeoffs of AWS GenAI Services

مانیتورینگ و بهینه‌سازی Monitoring and Optimization

• مقدمه: مانیتورینگ و بهینه‌سازی Intro: Monitoring and Optimization

• لنز ML برای مانیتورینگ ML Lens for Monitoring

• Cloudwatch برای ML Cloudwatch for ML

• AWS X-Ray AWS X-Ray

• Amazon Quicksight Amazon Quicksight

• [عملی] ایجاد تحلیل با استفاده از Quicksight [HOL] Create an Analysis Using Quicksight

• AWS CloudTrail برای ML AWS CloudTrail for ML

• مانیتورینگ SageMaker SageMaker Monitoring

• استانداردهای انطباق رگولاتوری برای سیستم‌های AI Regulatory Compliance Standards for AI Systems

• سرویس‌های AWS برای انطباق رگولاتوری AWS Services for Regulatory Compliance

• مرور سریع برای آزمون Exam Cram