آموزش Amazon AgentCore: مقیاسبندی هوش مصنوعی عاملمحور (Agentic AI) برای محیط عملیاتی - آخرین آپدیت
دانلود Amazon AgentCore: Scale Your Agentic AI to Production
آیا از ساخت نمونههای اولیه هوش مصنوعی که هرگز به محیط عملیاتی نمیرسند خسته شدهاید؟
شما تنها نیستید. بسیاری از مهندسان میتوانند دموهای خیرهکنندهای از هوش مصنوعی عاملمحور (Agentic AI)بسازند، اما مواجه شدن با سد مقیاسپذیری هنگام انتقال این سیستمها به محیط عملیاتی بسیار رایج است.
این دوره این مشکل را حل میکند.
شما یاد خواهید گرفت که چگونه از Amazon Bedrock AgentCore—که بخشی از استک پیشرفته هوش مصنوعی مولددر AWSاست—برای استقرار سیستمهای عامل امن و مقیاسپذیر استفاده کنید. شما یک پروژه فعال OpenAI Agents SDKرا برداشته و آن را با استفاده از ویژگیهای حافظه، هویت، ابزارها و مشاهدهپذیری داخلی AgentCore به یک سرویس در سطح عملیاتی تبدیل میکنید.
در پایان این دوره، شما فقط هوش مصنوعی عاملمحوررا درک نخواهید کرد، بلکه یکی از آنها را مستقر کردهاید.
آنچه خواهید آموخت:
نحوه استفاده از Amazon AgentCoreبرای میزبانی بدون سرور عاملهای هوش مصنوعی در محیط عملیاتی
افزودن حافظه(کوتاهمدت و بلندمدت) به عاملهای خود
مدیریت هویت کاربر و احراز هویتامن در گردشکارهای عامل
یکپارچهسازی ابزارها، APIها و دادههای شخص ثالث با استفاده از Gatewaysدر Bedrock
مانیتورینگ و عیبیابی عاملها با استفاده از ویژگیهای مشاهدهپذیری (Observability)در AgentCore
ایجاد اعتماد در عاملها با استفاده از سیاستها (Policies)و ارزیابها (Evaluators)
ساخت یک پروژه کامل و عملی هوش مصنوعی عاملمحور با استفاده از OpenAI Agents SDK
چرا Amazon AgentCore؟
Amazon Bedrock AgentCoreیک محیط اجرای بدون سرور فراهم میکند که مخصوص هوش مصنوعی عاملمحورطراحی شده است. این ابزار مقیاسپذیری، امنیت و یکپارچهسازی ابزارها را مدیریت میکند تا شما نیازی به درگیری با این مسائل نباشید. با پشتیبانی درجهیک در AWS، این سریعترین راه برای تبدیل پروژه هوش مصنوعی مولد شما از یک آزمایش به یک سرویس سازمانی است.
این دوره برای چه کسانی است؟
مهندسان AI و توسعهدهندگانی که نمونههای اولیه ساختهاند اما آنها را مستقر نکردهاند
متخصصان ML که آماده عملیاتی کردن هوش مصنوعی مولد هستند
مهندسان نرمافزار که به دنبال ارتقای مهارت در ابزارها و زیرساختهای AWS AIهستند
توسعهدهندگانی که به دنبال تجربه عملی و پروژه-محور با سیستمهای عامل در محیط عملیاتی هستند
اگر در حال بررسی هوش مصنوعی عاملمحوریا OpenAI Agents SDKبودهاید، این دوره به شما نشان میدهد چگونه آن را روی یک استک عملیاتی امن و مقیاسپذیر واقعی کنید.
درباره مدرس
سلام، من فرانک کین (Frank Kane)هستم. من ۹ سال در Amazon و IMDbفعالیت کردم و در آنجا به ساخت و رهبری سیستمهای AI پشت برخی از پربازدیدترین وبسایتهای جهان کمک کردم.
پس از ترک آمازون، از طریق Sundog Education به بیش از یک میلیون دانشجودر سراسر جهان آموختم که چگونه در یادگیری ماشین و علوم داده موفق شوند.
این دوره تجربه مهندسی دنیای واقعی من در آمازون را با قدرتمندترین ابزارهای هوش مصنوعی عاملمحور امروز ترکیب میکند تا شما بتوانید از مرحله نمونهسازی عبور کرده و استقرار را شروع کنید.
در نهایت چه چیزی به دست میآورید؟
در پایان، شما خواهید داشت:
یک سیستم هوش مصنوعی عاملمحور کامل و فعال که با Amazon AgentCoreمستقر شده است
اعتماد به نفس برای مقیاسبندی، مانیتورینگ و نگهداری عاملهای عملیاتی خود
تجربه عملی که مستقیماً در کار یا پورتفولیوی شما قابل استفاده است
لطفاً توجه کنید:
همراهی در بخشهای عملی پروژه این دوره نیازمند حساب توسعهدهنده OpenAI و حساب AWS و همچنین محیط توسعه پایتون است. هزینههای کل نباید از چند دلار بیشتر شود، یا میتوانید صرفاً ویدیوها را بدون متحمل شدن هزینههای ابری تماشا کنید.
شروع به کار Getting Started
-
مقدمهای بر Amazon Bedrock AgentCore Introduction to Amazon Bedrock AgentCore
-
دریافت منابع دوره Get the Course Materials
-
معرفی اپلیکیشن نمونه AI عاملمحور با OpenAI Agents SDK Introducing our Sample Agentic AI App with the OpenAI Agents SDK
-
[فعالیت] نصب پیشنیازها (کلید API OpenAI، AWS CLI، محیط پایتون) [Activity] Installing our Prerequisites (OpenAI API key, AWS CLI, Python env)
-
[فعالیت] اجرای اپلیکیشن نمونه AI عاملمحور (خارج از Bedrock) [Activity] Running our Sample Agentic AI Application (outside of Bedrock)
محیط اجرای Amazon Bedrock AgentCore The Amazon Bedrock AgentCore Runtime
-
معرفی محیط اجرای Amazon Bedrock AgentCore Introducing the Amazon Bedrock AgentCore Runtime
-
[فعالیت] اجرای محلی اپلیکیشن AgentCore [Activity] Running our AgentCore application locally
-
نکاتی برای درس بعدی Heads up on the next lecture
-
[فعالیت] استقرار اپلیکیشن AI عاملمحور در ابر بدون سرور با AgentCore [Activity] Deploying our Agentic AI app to the serverless cloud with AgentCore
-
[فعالیت] اجرای اپلیکیشن AgentCore با استفاده از Starter Toolkit [Activity] Running our AgentCore app using the Starter Toolkit
-
[فعالیت] اجرای اپلیکیشن AgentCore از طریق یک اسکریپت کلاینت [Activity] Running our AgentCore app from a client script
افزودن مشاهدهپذیری GenAI / AgentCore و احراز هویت OAuth Adding GenAI / AgentCore Observability and OAuth Authentication
-
[فعالیت] مشاهدهپذیری AgentCore و یکپارچهسازی با CloudWatch [Activity] AgentCore Observability and CloudWatch integration
-
سیستمهای AI عاملمحور: مرور سریع Agentic AI systems: a quick review
-
یکپارچهسازی OAuth ورودی و خروجی با Cognito و AgentCore Inbound and outbound OAuth integration with Cognito and AgentCore
-
[فعالیت] پیادهسازی مجوزدهی OAuth ورودی با AgentCore و Cognito [Activity] Implementing inbound OAuth authorization with AgentCore and Cognito
افزودن حافظه کوتاهمدت و بلندمدت با AgentCore Adding Short and Long-term Memory with AgentCore
-
حافظه کوتاهمدت و بلندمدت در سیستمهای AI عاملمحور و AgentCore Short-term memory and long-term memory in agentic AI systems and AgentCore
-
[فعالیت] یکپارچهسازی حافظه کوتاهمدت AgentCore با OpenAI Agents [Activity] Integrating short-term memory from AgentCore with OpenAI Agents
ابزارهای داخلی AgentCore و وارد کردن عاملهای Bedrock AgentCore Built-In Tools, and Importing Bedrock Agents
-
[فعالیت] ابزارهای Amazon Bedrock AgentCore و یکپارچهسازی مفسر کد (Code Interpreter) [Activity] Amazon Bedrock AgentCore Tools, and integrating the code interpreter
-
[فعالیت] وارد کردن عاملهای Amazon Bedrock و بردارهای S3 به پروژههای AgentCore [Activity] Importing Amazon Bedrock Agents + S3 vectors into AgentCore projects
مرور سریع: AgentCore Gateway و AgentCore Identity Quick Overview: AgentCore Gateway and AgentCore Identity
-
معرفی Amazon Bedrock AgentCore Gateway Introducing Amazon Bedrock AgentCore Gateway
-
معرفی Amazon Bedrock AgentCore Identity Introducing Amazon Bedrock AgentCore Identity
اعتماد به عاملها: سیاستها و ارزیابها Trusting your Agents: Policies and Evaluators
-
سیاستها در Amazon Bedrock AgentCore Policies in Amazon Bedrock AgentCore
-
ارزیابها و ارزیابیهای AgentCore AgentCore Evaluators and Evaluations
جمعبندی Wrapping Up
-
ارزیابی نهایی Final assessment
-
منابع تکمیلی Additional resources
-
درس جایزه Bonus lecture
https://donyad.com/d/69cb76
Frank Kane
یادگیری ماشین و داده های بزرگ، آمازون سابق
فرانک 9 سال را در آمازون و IMDb گذراند و فناوری را توسعه و مدیریت کرد که به طور خودکار توصیه های محصول و فیلم را به صدها میلیون مشتری ارائه می دهد. زمان. فرانک دارای 17 حق ثبت اختراع صادر شده در زمینه های محاسبات توزیع شده ، داده کاوی و یادگیری ماشین است. در سال 2012، فرانک شرکت موفق خود را به نام Sundog Software راه اندازی کرد که بر فناوری محیط واقعیت مجازی تمرکز دارد و به دیگران در مورد تجزیه و تحلیل داده های بزرگ آموزش می دهد.
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.
نمایش نظرات