آموزش دوره جامع توسعه‌دهنده حرفه‌ای هوش مصنوعی مولد AWS (AIP-C01) - آخرین آپدیت

دانلود AWS Certified Generative AI Developer Professional (AIP-C01)

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: معماری در سطح تولید، آمادگی عملی برای آزمون: Amazon Bedrock، سیستم‌های RAG و ایجنت‌های هوش مصنوعی | بیش از ۴۰ آزمایش عملی | بیش از ۶۰ سناریوی آزمون با تسلط بر تصمیمات معماری و تحلیل نقاط قوت و ضعف، در آزمون AWS Certified Generative AI Developer – Professional (AIP-C01) پذیرفته شوید. تسلط بر تصمیمات معماری برای سیستم‌های GenAI در سطح تولید روی AWS — مهارت اصلی مورد نیاز در این آزمون. ارزیابی توازن بین هزینه، تاخیر (Latency)، دقت و مقیاس‌پذیری در سناریوهای واقعی هوش مصنوعی مولد. تفکر مطابق با استانداردهای آزمون AWS — تحلیل سناریوها و انتخاب بهترین رویکرد معماری. پیش نیازها: دانش پایه AWS (مانند IAM, S3, Lambda)

رویکردی متفاوت برای آمادگی گواهینامه GenAI
آزمون AWS Certified Generative AI Developer – Professional (AIP-C01) یک گواهینامه دشوار و مبتنی بر سناریو است.

این آزمون بر حفظ کردن نکات متنی نیست، بلکه توانایی شما را در اتخاذ تصمیمات معماری و تحلیل توازن‌ها در سیستم‌های واقعی هوش مصنوعی مولد می‌سنجد.

این دوره دقیقاً با همین هدف طراحی شده است.

  • تمرکز شدید بر طراحی و ساخت معماری‌های GenAI و Agentic AI در سطح سازمانی و آماده برای محیط تولید

  • طراحی شده بر اساس متد تست آزمون — سناریوها، توازن‌ها و تصمیمات معماری چندلایه.

  • من این دوره را پس از قبولی در آزمون AIP-C01 طراحی کردم و تعمداً از دوره‌های ۲۰ ساعته «جامع» که پوشش مطالب را به وضوح ترجیح می‌دهند، فاصله گرفتم.

چه چیزی این دوره را متمایز می‌کند؟

  • یادگیری محور معماری - هر مفهوم از دریچه تصمیمات طراحی محیط تولید آموزش داده می‌شود، نه صرفاً بررسی ویژگی‌های مجزا.

  • دو پروژه کامل - ساخت یک دستیار متخصص تجهیزات GenAI (۱۵ تصمیم معماری) و یک سیستم پرسش و پاسخ آموزش الکترونیکی مبتنی بر RAG (۱۰ تصمیم معماری).

  • تمرین‌های مشابه آزمون - بیش از ۴۰ سوال کوییز مبتنی بر سناریو + آزمون آزمایشی کوچک با سبک سوالات AWS. سوالات در سطح دشواری حرفه‌ای با تمرکز بر تصمیم‌گیری، نه بازخوانی مطالب. کیفیت بر کمیت اولویت دارد.

  • تسلط عملی - بیش از ۴۰ دمو از پیچیده‌ترین مفاهیم، تا با ساختن یاد بگیرید، نه با تماشای اسلایدها.

  • احترام به زمان شما - ۱۰ ساعت محتوای متمرکز. بدون حاشیه. بدون سخنرانی‌های غیرمرتبط.

محتوای دوره

  • ۱۰ ساعت محتوای ویدئویی متمرکز

  • بیش از ۴۰ دموی عملی پوشش‌دهنده سناریوهای پیچیده و واقعی

  • بیش از ۴۰ سوال سبک آزمون در کوییزهای موضوعی

  • آزمون آزمایشی کوچک برای سنجش آمادگی (طراحی شده برای تست هر مفهوم)

  • بیش از ۳۰۰ اسلاید ساختاریافته همسو با تصمیمات معماری

  • ۲ پروژه کامل با تحلیل معماری‌های سطح تولید

  • پشتیبانی شده توسط ضمانت بازگشت وجه ۳۰ روزه Udemy.

آنچه قادر به طراحی، ارزیابی و تصمیم‌گیری در مورد آن خواهید بود:

این دوره شما را آماده می‌کند تا مطابق با انتظارات آزمون AWS فکر و تصمیم بگیرید — از طریق ارزیابی توازن‌ها در معماری‌های واقعی هوش مصنوعی مولد.

طراحی اپلیکیشن‌های GenAI با Amazon Bedrock

شما یاد می‌گیرید چگونه انتخابات معماری درست را هنگام ساخت اپلیکیشن‌های GenAI در AWS انجام دهید، از جمله:

  • انتخاب مدل پایه (Foundation Model) مناسب بر اساس دقت، تاخیر، هزینه و محدودیت‌های مورد استفاده

  • تنظیم پارامترهای استنتاج (Inference Parameters)، ظرفیت اختصاص یافته و مقیاس برای محیط تولید

  • اعمال گاردریل‌ها (Guardrails)، فیلترهای محتوا و کنترل‌های هوش مصنوعی مسئولانه برای برآورده کردن الزامات ایمنی و انطباق

  • قابلیت مشاهده (Observability) و مانیتورینگ

  • سفارشی‌سازی مدل: تقطیر (Distillation)، Fine-tuning و پیش‌آموزش مستمر

  • ارزیابی مدل با استفاده از معیارهای برنامه‌نویسی شده، LLM-as-a-Judge و بررسی انسانی

معماری سیستم‌های تولید تقویت شده با بازیابی (RAG)

شما پایپ‌لاین‌های end-to-end RAG را طراحی کرده و توازن‌های پشت هر تصمیم را درک خواهید کرد، از جمله:

  • انتخاب و آماده‌سازی منابع داده برای معماری‌های مبتنی بر بازیابی

  • انتخاب استراتژی‌های تکه تکه سازی (Chunking)، Embeddingها و دیتابیس‌های برداری بر اساس Recall، Precision و مقیاس

  • بهینه‌سازی بازیابی با استفاده از Reranking، جستجوی ترکیبی و تکنیک‌های ارزیابی

  • پیاده‌سازی Amazon Bedrock Knowledge Bases برای راهکارهای مدیریت شده RAG

ساخت سیستم‌های Agentic AI در AWS

شما از اپلیکیشن‌های LLM تک-پرومپتی فراتر رفته و سیستم‌های مبتنی بر ایجنت را طراحی خواهید کرد، شامل:

  • طراحی جریان‌های کاری با Amazon Bedrock Agents

  • یکپارچه‌سازی ابزارها و کانتکست با استفاده از Model Context Protocol (MCP)

  • استقرار و مدیریت ایجنت‌ها با استفاده از Amazon Bedrock AgentCore

این دوره برای چه کسانی است؟

- توسعه‌دهندگان AWS که برای گواهینامه AIP-C01 آماده می‌شوند

- معماران ابری که قصد دارند هوش مصنوعی مولد را به مهارت‌های خود اضافه کنند

- متخصصان پرمشغله‌ای که به دنبال آمادگی متمرکز و بهینه برای آزمون هستند

- مهندسانی که یادگیری از طریق استدلال معماری را به حفظ کردن ویژگی‌ها ترجیح می‌دهند

الزامات

  • دانش پایه AWS (IAM, S3, Lambda)

  • آشنایی با REST APIها و JSON

  • حساب کاربری AWS برای آزمایش‌های عملی (قابل استفاده در Free Tier)

  • بدون نیاز به تجربه قبلی در AI/ML


سرفصل ها و درس ها

Introduction

  • Introduction

Building Production-Grade AWS Generative AI Applications

  • Business Scenarios for Production GenAI Applications

  • GenAI Production Architecture – 15 Key Architecture Decisions

  • Architecture Decision 1 : GenAI Platform Choice - 1. Amazon Bedrock

  • Amazon Bedrock Reference Architecture

  • Amazon Bedrock Console Walkthrough – Part 1 (Hands-On)

  • Amazon Bedrock Console Walkthrough – Part 2 (Hands-On)

  • GenAI Platform Choice - 2. SageMaker JumpStart

  • Architecture Decision 2: Foundation Model Selection

  • Foundation Model Selection (Hands-On)

  • Foundation Model Inference Parameters

  • Tuning Inference Parameters (Hands-On)

  • Architecture Decision 3: Safety, Governance, and Bedrock Guardrails

  • Implementing Bedrock Guardrails (Hands-On)

  • Amazon Bedrock Automated Reasoning – Policy Enforcement at Scale

  • Architecture Decision 4: Prompt Management and Prompt Engineering Techniques

  • Amazon Bedrock Prompt Management

  • Bedrock Prompt Management (Hands-On)

  • Architecture Decision 5: Inference Optimization- Service Tiers & Capacity Plan

  • Inference Optimization - Amazon Bedrock Latency & Cross-Region Inferencing

  • Inference Optimization - Latency & Cross-Region Inferencing (Hands-on)

  • Architecture Decision 6: Cost Optimization - Bedrock Pricing Models

  • Cost Optimization - Bedrock Pricing and Cost Analysis (Hands-On)

  • Cost Optimization - Amazon Bedrock Prompt Caching

  • Cost Optimization - Amazon Bedrock Prompt Caching (Hands-On)

  • Cost Optimization - Amazon Bedrock Intelligent Prompt Routing

  • Cost Optimization - Amazon Bedrock Intelligent Prompt Routing (Hands-On)

  • Bedrock Foundations: Platform, Models, Guardrails & Inference

  • Architecture Decision 7: Compute Layer Selection - Option 1 - Amazon EC2

  • Architecture Decision 7: Compute Layer Selection - Option 2 - AWS Lambda

  • Architecture Decision 7: Compute Layer Selection - Option 3 - Amazon ECS

  • Exam Mental Model: Selecting the Compute Layer for GenAI Applications

  • Architecture Decision 8: GenAI API Layer - 1. Amazon API Gateway

  • Invocation Pattern 1: Synchronous Invocation (API Gateway + Lambda)

  • Invocation Pattern 2: Asynchronous Invocation

  • Architecture Decision 8: GenAI API Layer - 2. AWS AppSync

  • Architecture Decision 8: GenAI API Layer - 3. Application Load Balancer

  • Exam Mental Model: Selecting the API Layer for GenAI Applications

  • Architecture Decision 9: Amazon Bedrock Observability and Monitoring

  • Amazon Bedrock Observability and Monitoring (Hands-On)

  • Architecture Decision 10: Amazon Bedrock Model Evaluation

  • Amazon Bedrock Model Evaluation (Hands-On)

  • Architecture Decision 11: Model Customization - 1. Model Distillation

  • Architecture Decision 11: Model Customization(Hands-On)

  • Model Customization - 2. Fine Tuning

  • Model Customization - 3. Continued Pre-Training

  • Model Customization - LoRA

  • Mental Model: Model Adaptation & Customization

  • Architecture Decisions 12–15: Security, Data & Orchestration

  • Bedrock Operations: Monitoring, Evaluation & Model Customization

Retrieval Augmented Generation (RAG) – Architecture and Design Decisions

  • Business Use Case for Retrieval Augmented Generation - eLearning Q&A app

  • Need for RAG? – Limitations of Pure LLM-Based Architectures

  • Core RAG Concepts and Terminology

  • 10 Key Architecture Decisions for Production-Ready RAG Apps - eLearning Use Case

  • RAG on AWS with Amazon Bedrock - Amazon Bedrock Knowledge Bases Overview

  • Building RAG with Bedrock Knowledge Bases (Hands-On)

  • RAG Architecture Decision 1: Data Sources and Data Type

  • Configuring RAG Data Sources (Hands-On)

  • RAG Architecture Decision 2: Chunking Strategies – Trade-offs

  • RAG Architecture Decision 3: Selecting Embedding Models

  • RAG Architecture Decision 4: Vector Database Selection

  • RAG Architecture Decision 5: Retrieval Optimization - Reranking Strategies

  • RAG Architecture - Retrieval Optimization - Metadata Filtering

  • RAG Architecture Decision 6: LLM Selection for Generation in RAG workloads

  • RAG Architecture Decision 7: Monitoring and Observability

  • RAG Monitoring (Hands-On)

  • RAG Architecture Decision 8: Bedrock Knowledge Bases Evaluation

  • RAG Architecture Decisions 9 & 10: Security, Guardrails, and Governance

  • Amazon Q Business

  • Quiz - Retrieval Augmented Generation

AI Agents and Agentic AI Architectures on AWS

  • Limitations of LLM-Based Applications

  • What are AI Agents ?

  • Agent Planning – Chain of Thought and ReAct

  • Agent Planning (Hands-On)

  • Agent Tools and Actions – Integrating External Systems

  • Agent Tools and Actions (Hands-On)

  • Agent Memory

  • Agentic AI Frameworks – Overview

  • 1. Amazon Bedrock Agents – Architecture and Capabilities Overview

  • Amazon Bedrock Agents – Console Walkthrough

  • How Amazon Bedrock Agents Work ?

  • 2. Strands Agents

  • 3. Agent Squad

  • Generative AI vs Agentic AI

  • Model Context Protocol (MCP)

  • Model Context Protocol (MCP) (Hands-On)

  • Amazon Bedrock AgentCore - Overview

  • Amazon Bedrock AgentCore – Architecture Overview

  • GenAI Orchestration Layer – Why Orchestration Matters in GenAI and Agentic AI

  • GenAI Orchestration Layer – 1. AWS Step Functions for AI Workflows

  • GenAI Orchestration Layer – AWS Step Functions Workflow Patterns for GenAI

  • GenAI Orchestration Layer - 2. Amazon Bedrock Flows

  • GenAI Orchestration Layer - 2. Amazon Bedrock Flows (Hands-On)

  • GenAI Orchestration Layer – Orchestration Service Selection Mental Model

  • Quiz - AI Agents

Managing Data for Generative AI Apps with Amazon SageMaker AI and Amazon Bedrock

  • Bedrock Data Automation

  • Amazon SageMaker Service - Overview

  • Amazon SageMaker Data Wrangler

  • Amazon SageMaker Feature Store

  • Quiz - Data

AI Safety, Responsible AI and Governance

  • Responsible AI and AI Safety - Overview

  • AWS Responsible AI - Amazon SageMaker Clarify and Amazon SageMaker Studio

  • AI-ML Governance - Amazon SageMaker Model Monitor, Model Cards, Model Registry

  • AWS ML-Ops - Amazon SageMaker Pipelines and SageMaker Ground Truth

  • Amazon Augmented AI - Human in the Loop

  • Quiz - Responsible AI

Other AWS AI Services (Non GenAI)

  • Mental Model of AWS AI Services

  • Amazon Rekognition

  • Amazon Rekognition [Hands-On]

  • Amazon Lex

  • Amazon Lex [Hands-On]

  • Amazon Transcribe [with Hands-On]

  • Amazon Translate

  • Amazon Translate [Hands-On]

  • Amazon Comprehend

  • Amazon Comprehend [Hands-On]

  • Amazon Polly [with Hands-On]

  • Quiz - AI Services

AWS Security Services

  • Amazon Macie, AWS Private Link and Endpoints

  • AWS Identity and Access Management (IAM) - Overview

  • AWS IAM [Hands-On]

  • AWS Config, AWS CloudTrail and Amazon CloudWatch [with Hands-On]

  • Amazon Inspector and AWS Trusted Advisor [with Hands-On]

  • AWS Artifact and AWS Audit Manager [with Hands-On]

  • Regulatory compliance standards for AI systems

  • Generative AI Security Scoping Matrix

  • Quiz - 8

AWS Certified Generative AI Developer Professional [AIP-C01] - Practice Tests

  • AWS Certified Generative AI Developer Professional [AIP-C01] - Practice Test 1

نمایش نظرات

آموزش دوره جامع توسعه‌دهنده حرفه‌ای هوش مصنوعی مولد AWS (AIP-C01)
جزییات دوره
11 hours
119
Udemy (یودمی) Udemy (یودمی)
(آخرین آپدیت)
1,744
4.6 از 5
دارد
دارد
دارد
Rahul Trisal
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Rahul Trisal Rahul Trisal

AWS Architect|هم بنیانگذار ||دارای گواهینامه 6X||AWS SA Professional