متخصص کامل AWS دارای گواهی AI – AIF-C01 [جدید]

سرفصل ها و درس ها

مقدمه Introduction

• خوش آمدید! Welcome!

• درباره امتحان و این دوره About the exam & this course

• نکات مهم این دوره Important tips for this course

• همه اسلایدها All Slides

• ثبت نام آزمایشی رایگان AWS AWS Free Trial Signup

• هزینه و بودجه AWS Cost & AWS Budget

• هوش مصنوعی و ML تولیدی - مبانی Generative AI & ML - Fundamentals

• هوش مصنوعی و ML تولیدی - مبانی Generative AI & ML - Fundamentals

آمازون Q Business Amazon Q Business

• Amazon Q Business چیست؟ What is Amazon Q Business

• عملی: برنامه تجاری آمازون Q را ایجاد کنید Hands-on: Create Amazon Q Business Application

• عملی: تخصیص کاربران و آزمایش برنامه Hands-on: Assign Users & Test Application

• آمازون Q Business Amazon Q Business

• عملی: استفاده از کنترل های جهانی Hands-on: Using Global Controls

• عملی: مسدود کردن کلمات Hands-on: Blocking Words

• عملی: کنترل های موضوع Hands-on: Topic Controls

• آمازون Q Business Amazon Q Business

خدمات هوش مصنوعی زبان Language AI Services

• رونویسی آمازون Amazon Transcribe

• عملی: آمازون رونویسی Hands-on: Amazon Transcribe

• آمازون پولی Amazon Polly

• عملی: قیمت‌گذاری و مدل‌ها (Amazon Polly) Hands-on: Pricing & Models (Amazon Polly)

• خدمات هوش مصنوعی زبان Language AI Services

• عملی: تبدیل متن به گفتار (آمازون پولی) Hands-on: Text-to-Speech (Amazon Polly)

• عملی: SSML برای تغییر خروجی گفتار (Amazon Polly) Hands-on: SSML to modify speech output (Amazon Polly)

• عملی: ترجمه هم‌زمان (ترجمه آمازون) Hands-on: Real-time translation (Amazon Translate)

• عملی: ترجمه کار دسته جمعی (ترجمه آمازون) Hands-on: Batch job translation (Amazon Translate)

• خدمات هوش مصنوعی زبان Language AI Services

هوش مصنوعی مولد: انتخاب و معیارها Generative AI: Selection and Metrics

• مدل های انتشار Diffusion Models

• مدل های زبان بزرگ Large Language Models

• GAN و VAE GANs & VAEs

• هوش مصنوعی مولد: انتخاب و معیارها Generative AI: Selection and Metrics

• قابلیت های مولد هوش مصنوعی Generative AI Capabilities

• چالش های مولد هوش مصنوعی Generative AI Challenges

• انتخاب مدل هوش مصنوعی مولد Selecting Generative AI Model

• معیارهای کسب و کار Business Metrics

• چرخه حیات هوش مصنوعی مولد Generative AI Lifecycle

• هوش مصنوعی مولد: انتخاب و معیارها Generative AI: Selection and Metrics

بستر آمازون Amazon Bedrock

• آمازون بستر چیست؟ What is Amazon Bedrock?

• آمازون بستر - معماری Amazon Bedrock - Architecture

• آمازون بستر - موارد استفاده Amazon Bedrock - Use Cases

• بستر آمازون Amazon Bedrock

• عملی: کاوش در بستر آمازون Hands-on: Exploring Amazon Bedrock

• عملی: نصب کد ویژوال استودیو Hands-on: Installing Visual Studio Code

• عملی: تنظیم کد ویژوال استودیو Hands-on: Setting up Visual Studio Code

• عملی: فراخوانی مدل تایتان آمازون Hands-on: Invoking Amazon Titan Model

• عملی: تولید تصویر در بستر Hands-on: Image Generation in Bedrock

• بستر آمازون Amazon Bedrock

بهبود مدل های پایه Improving Foundation Models

• چرا باید مدل های پایه را بهبود بخشید؟ Why Improving Foundation Models?

• Retrieval-Augmented Generation (RAG) Retrieval-Augmented Generation (RAG)

• عملی: پایگاه دانش در بستر Hands-on: Knowledge Base in Bedrock

• عوامل Agents

• بهبود مدل های پایه Improving Foundation Models

• عملی: تهیه و آزمایش عامل Hands-on: Prepare & Test Agent

• عملی: ایجاد گروه اقدام عامل Hands-on: Create Agent Action Group

• عملی: ایجاد حفاظ Hands-on: Creating Guardrails

• عملی: راه اندازی نماینده Hands-on: Setting up Agent

• عملی: تست گاردریل Hands-on: Testing Guardrails

• عملی: پاکسازی منابع Hands-on: Cleaning up resources

• بهبود مدل های پایه Improving Foundation Models

مهندسی سریع Prompt Engineering

• ملزومات مهندسی سریع Essentials of Prompt Engineering

• بهینه سازی پارامترهای استنتاج Optimizing Inference Parameters

• ارائه بهترین شیوه ها Prompting Best Practices

• تکنیک های مهندسی سریع Prompt Engineering Techniques

• سوء استفاده ها و خطرات سریع Prompt Misuses and Risks

• مهندسی سریع Prompt Engineering

آمازون درک Amazon Comprehend

• آمازون درک Amazon Comprehend

• عملی: آمازون درک Hands-on: Amazon Comprehend

• عملی: آمازون Comprehend Medical Hands-on: Amazon Comprehend Medical

• آمازون درک Amazon Comprehend

تجزیه و تحلیل افزوده Augmented Analysis

• متن آمازون Amazon Textract

• عملی: متن آمازون Hands-on: Amazon Textract

کامپیوتر ویژن Computer Vision

• شناسایی آمازون Amazon Rekognition

• عملی: شناسایی آمازون Hands-on: Amazon Rekognition

• عملی: استفاده از تشخیص در عملکرد لامبدا Hands-on: Using Rekognition in Lambda Function

تجربه مشتری Customer Experience

• آمازون کندرا Amazon Kendra

• عملی: ایجاد فهرست و همگام سازی (Amazon Kendra) Hands-on: Create an Index & Sync (Amazon Kendra)

• عملی: ایجاد تجربه (Amazon Kendra) Hands-on: Create Experience (Amazon Kendra)

• شخصی سازی آمازون Amazon Personalize

• عملی: Dataset Group (Amazon Personalize) Hands-on: Dataset Group (Amazon Personalize)

• عملی: مجموعه داده های آموزشی (Amazon Personalize) Hands-on: Training Dataset (Amazon Personalize)

• عملی: مدل قطار (Amazon Personalize) Hands-on: Train Model (Amazon Personalize)

• عملی: پیش بینی کنید (Amazon Personalize) Hands-on: Make Predictions (Amazon Personalize)

توسعه راه حل های یادگیری ماشینی Developing Machine Learning Solutions

• چرخه حیات توسعه یادگیری ماشین Machine Learning Development Lifecycle

• SageMaker: جمع آوری داده ها و مهندسی ویژگی SageMaker: Data Collection & Feature Engineering

• SageMaker: آموزش مدل SageMaker: Model Training

• توسعه راه حل های یادگیری ماشینی Developing Machine Learning Solutions

• SageMaker Studio Environment SageMaker Studio Environment

• SageMaker: گزینه های مدل SageMaker: Model Options

• مفاهیم ارزیابی مدل Model Evaluation Concepts

• معیارهای ارزیابی عملکرد Performance Evaluation Metrics

• SageMaker: استقرار مدل SageMaker: Model Deployment

• عملی: راه اندازی نوت بوک های SageMaker Hands-on: Setting up SageMaker Notebooks

• عملی: استفاده از نوت بوک های SageMaker Hands-on: Using SageMaker Notebooks

• MLOs MLOps

• توسعه راه حل های یادگیری ماشینی Developing Machine Learning Solutions

ردیاب تقلب آمازون Amazon Fraud Detector

• ردیاب تقلب آمازون Amazon Fraud Detector

• راه اندازی و نوع رویداد Setup & Event Type

• مدل ساخت و قطار Build & Train Model

• مدل ما را ارزیابی کنید Evaluate our Model

• ایجاد آشکارساز و پیش بینی Create Detector & Make Predictions

• پاکسازی منابع Cleaning up resources

• هوش مصنوعی آمازون افزوده شده است Amazon Augmented AI

تمرینات هوش مصنوعی مسئول Responsible AI Practices

• چالش های مسئول ال Challenges of Responsible Al

• استراتژی‌های مقابله با تعصب و واریانس Strategies against Bias & Variance

• چالش های مولد آل Generative Al Challenges

• ابعاد هسته مسئول ال Core Dimensions of Responsible Al

• خدمات و ابزار برای Al مسئول در AWS Services & Tools for Responsible Al in AWS

• مدل های ال شفاف و قابل توضیح Transparent & Explainable Al Models

• مدل معاملات آف در مسئول ال Model Trade-Offs in Responsible Al

• اصول طراحی انسان محور Principles for Human-centered Design

امنیت، انطباق و حاکمیت Security, Compliance & Governance

• بررسی اجمالی: امنیت، انطباق و حاکمیت Overview: Security, Compliance & Governance

• استانداردهای انطباق هوش مصنوعی AI Compliance Standards

• خدمات AWS برای انطباق و حاکمیت AWS Services for Compliance & Governance

• استراتژی های حاکمیت داده برای هوش مصنوعی Data Governance Strategies for AI

• ملزومات امنیت و حریم خصوصی Security & Privacy Essentials

• 10 آسیب پذیری برتر برای LLM Top 10 Vulnerabilities for LLMs

آمازون لکس Amazon Lex

• آمازون لکس Amazon Lex

• عملی: ایجاد یک ربات (Amazon Lex) Hands-on: Creating a bot (Amazon Lex)

• عملی: ایجاد اولین هدف (Amazon Lex) Hands-on: Creating first intent (Amazon Lex)

• عملی: آزمایش ربات (Amazon Lex) Hands-on: Testing the bot (Amazon Lex)

• عملی: اهداف و انواع اسلات (Amazon Lex) Hands-on: Intents & Slot Types (Amazon Lex)

تمرین تمرین، نکات امتحانی و برنامه ریزی Practice Exam, Exam Tips & Scheduling

• آزمون تمرینی: متخصص AI دارای گواهی AWS Practice Exam: AWS Certified AI Practitioner

• ثبت نام در آزمون و 30 دقیقه زمان بیشتر! Exam Signup & Get 30min more time!

• نکات امتحان نهایی Final Exam Tips

• پاداش Bonus