PREVIEW - AWS Certified AI Practitioner (AIF-C01) صدور گواهینامه

PREVIEW - AWS Certified AI Practitioner (AIF-C01) Certification Preparation

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره:

توجه: این دوره در پیش‌نمایش است و تا تاریخ GA برای این آزمون که هنوز توسط AWS اعلام نشده است، به‌روزرسانی می‌شود.

این دوره صدور گواهینامه به طور خاص طراحی شده است تا شما را برای گواهینامه جدید AWS Certified AI Practitioner (AIF-C01) آماده کند. این همه عناصر مورد نیاز در هر 5 دامنه مشخص شده در . در طول این دوره، شما از طریق درس‌ها و آزمایشگاه‌های عملی ما هدایت می‌شوید، که همگی بر حوزه‌هایی متمرکز هستند که در آزمون ارزیابی می‌شوند.

مخاطب مورد نظر

این دوره برای هرکسی که مایل به قبولی در آزمون جدید AWS Certified AI Practitioner (AIF-C01) است مناسب است. همانطور که در راهنمای امتحان تعریف شده است، که می توانید پیدا کنید، این آزمون برای افرادی طراحی شده است که تا 6 ماه در معرض فناوری های AI/ML در AWS هستند، با فناوری های AI/ML در AWS آشنا هستند و استفاده می کنند، اما لزوما راه حل های AI/ML را روی AWS ایجاد نکنید.

اهداف یادگیری

هدف صدور گواهینامه اعتبارسنجی دانش شما در زمینه های کلیدی است که توسط AWS تعریف شده است:

  • درک AI، ML، و مفاهیم، ​​روش‌ها و استراتژی‌های هوش مصنوعی به طور کلی و در AWS
  • درک استفاده مناسب از AI/ML و فناوری‌های هوش مصنوعی مولد برای پرسیدن سؤالات مرتبط در سازمان داوطلب
  • انواع صحیح فناوری‌های AI/ML را برای اعمال در موارد استفاده خاص تعیین کنید
  • از هوش مصنوعی، ML و فناوری های هوش مصنوعی مولد به طور مسئولانه استفاده کنید

به‌عنوان وسیله‌ای برای نشان دادن این دانش، شما در 5 دامنه مختلف مورد آزمایش قرار می‌گیرید که هر دامنه در درصد کل امتیاز کلی شما مشارکت دارد. این دامنه ها به صورت زیر تقسیم می شوند:

  • دامنه 1: مبانی هوش مصنوعی و ML (20%)
  • دامنه 2: اصول هوش مصنوعی مولد (24%)
  • دامنه 3: کاربردهای مدل های بنیاد (28%)
  • دامنه 4: دستورالعمل برای هوش مصنوعی مسئول (14%)
  • دامنه 5: امنیت، انطباق و حاکمیت برای راهکارهای هوش مصنوعی (14%)

با پیشرفت در دوره، تمام اطلاعات و دانش مورد نیاز برای برآورده کردن انتظارات دامنه را به دست خواهید آورد و درک عمیقی در هر زمینه به دست خواهید آورد.

بازخورد

از همه بازخوردها و پیشنهادات استقبال می‌کنیم - اگر مطمئن نیستید از کجا شروع کنید یا برای شروع کمک می‌خواهید، لطفاً با ما تماس بگیرید.


سرفصل ها و درس ها

مقدمه دوره AIF-C01 AIF-C01 Course Introduction

  • مقدمه دوره AIF-C01 AIF-C01 Course Introduction

پیمایش در واژگان Gen AI Navigating the Vocabulary of Gen AI

  • مقدمه Introduction

  • واژگان - قسمت 1 Vocabulary – Part 1

  • واژگان - قسمت 2 Vocabulary – Part 2

  • واژگان - قسمت 3 Vocabulary – Part 3

  • خلاصه Summary

هوش مصنوعی مولد - نگرانی ها و اخلاقیات Generative AI - Concerns and Ethics

  • نگرانی ها و اخلاقیات برای هوش مصنوعی مولد Concerns and Ethics for Generative AI

مقدمه ای بر مهندسی سریع Introduction to Prompt Engineering

  • مقدمه ای بر مهندسی سریع Introduction to Prompt Engineering

  • مهندسی سریع Prompt Engineering

  • آناتومی سریع Prompt Anatomy

  • آشنایی با مدل های هوش مصنوعی مولد Understanding Generative AI Models

  • فرآیند ایجاد سریع The Prompt Creation Process

  • استراتژی های استاندارد سریع Standard Prompt Strategies

  • درخواست های متنی Contextual Prompts

  • چند شات اعلان Few-Shot Prompts

  • درخواست های زنجیره ای از فکر Chain-of-Thought Prompts

  • ارزیابی دقت پاسخ Evaluating Response Accuracy

  • قالب بندی پاسخ Response Formatting

  • کیفیت های پاسخگویی Response Qualities

  • خلاصه Summary

ساخت و مقیاس‌بندی برنامه‌های هوش مصنوعی مولد با Amazon Bedrock Building and Scaling Generative AI Applications with Amazon Bedrock

  • مقدمه Introduction

  • آمازون بستر چیست؟ What Is Amazon Bedrock?

  • دسترسی به مدل های سنگ بستر Accessing Bedrocks Models

  • آزمایش استنتاج در حال اجرا بر روی مدل‌ها با استفاده از زمین‌های بازی بستر Experimenting With Running Inference on Models Using Bedrock Playgrounds

  • با ارزیابی مدل بستر، مدل مناسب را برای برنامه‌های هوش مصنوعی نسل خود انتخاب کنید Select the Right Model for Your Gen AI Applications with Bedrock Model Evaluations

  • راه اندازی Amazon Bedrock API Setting up Your Amazon Bedrock API

  • خلاصه Summary

مدل های سفارشی بستر آمازون و تنظیم دقیق Amazon Bedrock Custom Models and Fine Tuning

  • مقدمه Introduction

  • مقدمه ای بر مدل های سفارشی بستر آمازون Introduction to Amazon Bedrock Custom Models

  • ایجاد یک مدل سفارشی در آمازون بستر Creating a Custom Model in Amazon Bedrock

  • توان عملیاتی تامین شده در آمازون بستر Provisioned Throughput in Amazon Bedrock

  • خلاصه Summary

ارکستراسیون بستر آمازون با استفاده از پایگاه های دانش و عوامل Amazon Bedrock Orchestration using Knowledge Bases and Agents

  • مقدمه Introduction

  • پایگاه دانش چیست؟ What is a Knowledge Base?

  • ایجاد پایگاه دانش Building a Knowledge Base

  • تعامل با پایگاه دانش شما Interacting with Your Knowledge Base

  • عوامل بستر آمازون Amazon Bedrock Agents

  • ساخت یک عامل Building an Agent

  • خلاصه Summary

امنیت و حریم خصوصی بستر آمازون Amazon Bedrock Security and Privacy

  • مقدمه Introduction

  • امنیت و حریم خصوصی بستر آمازون Amazon Bedrock Security and Privacy

  • کنترل دسترسی، حکمرانی و انطباق بر بستر آمازون Amazon Bedrock Access Control, Governance, and Compliance

  • هوش مصنوعی مسئول با حفاظ بستر آمازون Responsible AI with Amazon Bedrock Guardrails

  • خلاصه Summary

سفارشی سازی و تنظیم مدل های پایه با استفاده از Amazon SageMaker Jumpstart Customizing and Tuning Foundation Models Using Amazon SageMaker Jumpstart

  • مقدمه Introduction

  • شروع به کار با مدل های پایه در Amazon SageMaker JumpStart Getting Started with Foundation Models in Amazon SageMaker JumpStart

  • سفارشی کردن یک مدل در Amazon SageMaker JumpStart Customizing a Model in Amazon SageMaker JumpStart

  • تنظیم دقیق یک مدل در Amazon SageMaker JumpStart Fine-Tuning a Model in Amazon SageMaker JumpStart

  • ارزیابی یک مدل در Amazon SageMaker JumpStart Evaluating a Model in Amazon SageMaker JumpStart

  • خلاصه Summary

Amazon SageMaker: Workflows Learning Machine Amazon SageMaker: Machine Learning Workflows

  • مقدمه Introduction

  • Amazon SageMaker برای MLOps Amazon SageMaker for MLOps

  • Amazon SageMaker Studio Amazon SageMaker Studio

  • آشنایی با خطوط لوله ساختمان مدل SageMaker Understanding SageMaker Model Building Pipelines

  • اپراتورهای SageMaker برای Kubernetes SageMaker Operators For Kubernetes

  • پروژه های آمازون SageMaker Amazon SageMaker Projects

  • خلاصه Summary

Amazon SageMaker - ML Governance Amazon SageMaker - ML Governance

  • مقدمه Introduction

  • اهمیت حکمرانی ML The Importance of ML Governance

  • استفاده از Amazon SageMaker Role Manager برای پیش نویس مجوزهای سفارشی Using Amazon SageMaker Role Manager to Draft Custom Permissions

  • مدل های سند با کارت های مدل آمازون SageMaker Document Models with Amazon SageMaker Model Cards

  • مانیتور مدل ها با داشبورد مدل Amazon SageMaker Monitor Models with Amazon SageMaker Model Dashboard

  • اشتراک گذاری دارایی ها با Amazon SageMaker Assets Share Assets with Amazon SageMaker Assets

  • خلاصه Summary

استفاده از Amazon Comprehend برای به دست آوردن بینش ارزشمند از متن Using Amazon Comprehend to Gain Valuable Insights from Text

  • مقدمه Introduction

  • آمازون درک چیست؟ What is Amazon Comprehend?

  • مدل های پردازش Processing Models

  • ویژگی ها و مزایای Amazon Comprehend Features & Benefits of Amazon Comprehend

  • خلاصه Summary

پیاده سازی تبدیل متن به گفتار با آمازون پولی Implementing Text-to-Speech with Amazon Polly

  • مقدمه Introduction

  • تبدیل متن به گفتار چیست؟ What is Text-to-Speech?

  • آمازون پولی چیست؟ What is Amazon Polly?

  • شروع کار با آمازون پولی Getting Started with Amazon Polly

  • صداها و زبان ها در آمازون پولی Voices and Languages in Amazon Polly

  • کاوش در موتورهای صوتی در آمازون پولی Exploring Voice Engines in Amazon Polly

  • استفاده از SSML با آمازون پولی Using SSML with Amazon Polly

  • بهترین روش های امنیتی برای آمازون پولی Security Best Practices for Amazon Polly

  • خلاصه Summary

گفتار به متن با آمازون رونویسی Speech to Text with Amazon Transcribe

  • مقدمه Introduction

  • مروری بر رونویسی آمازون Amazon Transcribe Overview

  • موارد استفاده رونویسی آمازون Amazon Transcribe Use Cases

  • با استفاده از آمازون رونویسی نسخه ی نمایشی Using Amazon Transcribe Demo

  • خلاصه Summary

ترجمه روان با آمازون ترنسلیت Fluent Language Translations with Amazon Translate

  • مقدمه Introduction

  • مروری بر ترجمه آمازون Amazon Translate Overview

  • استفاده از نسخه نمایشی ترجمه آمازون Using Amazon Translate Demo

  • خلاصه Summary

کار با آمازون Rekognition برای تجزیه و تحلیل ویدئو و تصویر Working With Amazon Rekognition for Video and Image Analysis

  • مقدمه Introduction

  • معرفی آمازون Rekognition Introducing Amazon Rekognition

  • استفاده از آمازون Rekognition در کنسول مدیریت AWS Using Amazon Rekognition in the AWS Management Console

  • کار با آمازون Rekognition API Working with Amazon Rekognition APIs

  • بهترین روش ها برای پیاده سازی آمازون Rekognition Best Practices for Implementing Amazon Rekognition

  • ساخت یک راه حل تحلیل تصویر بدون سرور Building a Serverless Image Analysis Solution

  • خلاصه Summary

به حداکثر رساندن توسعه و بینش داده های تجاری با آمازون Q Maximizing Development and Business Data Insights with Amazon Q

  • مقدمه Introduction

  • آمازون Q چیست؟ What is Amazon Q?

  • مزایای آمازون کیو Benefits of Amazon Q

  • حوزه های تخصصی آمازون Q Amazon Q Areas of Expertise

  • ویژگی های اضافی Amazon Q Additional Amazon Q Features

  • خلاصه Summary

آمازون Q برای سازندگان و توسعه دهندگان Amazon Q for Builders and Developers

  • مقدمه Introduction

  • استفاده از آمازون Q در کنسول AWS به عنوان سازنده Using Amazon Q in the AWS Console as a Builder

  • عیب یابی با آمازون Q در کنسول Troubleshooting with Amazon Q in the Console

  • استفاده از Amazon Q در IDE خود به عنوان یک توسعه دهنده Using Amazon Q in your IDE as a Developer

  • استفاده از دستورات Q Amazon با Amazon CodeWhisperer در IDE شما Using Amazon Q Commands with Amazon CodeWhisperer in your IDE

  • استفاده از Amazon Q به عنوان مهندس داده Using Amazon Q as a Data Engineer

  • استفاده از Amazon Q با CodeCatalyst Using Amazon Q with CodeCatalyst

  • خلاصه Summary

اجرای Deep Learning Workloads با AWS Neuron SDK Running Deep Learning Workloads with the AWS Neuron SDK

  • مقدمه Introduction

  • یادگیری عمیق چیست؟ What is Deep Learning?

  • AMI ها و کانتینرهای یادگیری عمیق AWS AWS Deep Learning AMIs and Containers

  • AWS Neuron SDK The AWS Neuron SDK

  • استفاده از ابزارهای AWS Neuron Utilizing AWS Neuron Tools

  • خلاصه Summary

مروری بر Amazon CloudWatch An Overview of Amazon CloudWatch

  • مقدمه Introduction

  • Amazon CloudWatch چیست؟ What is Amazon CloudWatch?

  • خلاصه Summary

حسابرسی، نظارت و ارزیابی با AWS CloudTrail و AWS Config Audit, Monitor & Evaluate with AWS CloudTrail & AWS Config

  • مقدمه Introduction

  • AWS CloudTrail چیست؟ What is AWS CloudTrail?

  • عملیات AWS CloudTrail AWS CloudTrail Operations

  • AWS Config چیست؟ What is AWS Config?

  • اجزای اصلی پیکربندی AWS Key Components of AWS Config

چگونه با آمازون Macie PHI و داده های حساس را در سطل های S3 خود پیدا کنید How to Find PHI and Sensitive Data in Your S3 Buckets with Amazon Macie

  • مقدمه درس Lesson Introduction

  • چگونه با آمازون Macie PHI و داده های حساس را در سطل های S3 خود پیدا کنید How to Find PHI and Sensitive Data in Your S3 Buckets with Amazon Macie

  • بسته بندی کنید Wrap Up

مقدمه ای بر AWS PrivateLink Introduction to AWS PrivateLink

  • مقدمه Introduction

  • AWS PrivateLink چیست؟ What Is AWS PrivateLink?

  • ایجاد و کنترل دسترسی به منابع PrivateLink Creating and Controlling Access to PrivateLink Resouces

  • موضوعات اضافی PrivateLink PrivateLink Additional Topics

  • خلاصه Summary

مدیریت آسیب‌پذیری در مقیاس با آمازون بازرس Vulnerability Management at Scale With Amazon Inspector

  • مقدمه Introduction

  • آشنایی با آمازون بازرس Introduction to Amazon Inspector

  • بهبود در آمازون بازرس Improvements to Amazon Inspector

  • یافته های بازرس آمازون Amazon Inspector Findings

  • خلاصه Summary

حسابرسی مستمر با مدیر حسابرسی AWS Continuous Auditing With AWS Audit Manager

  • مقدمه Introduction

  • حسابرسی مستمر با مدیر حسابرسی AWS Continuous Auditing with AWS Audit Manager

  • خلاصه Summary

نحوه یافتن داده های انطباق با استفاده از AWS Artifact How to Find Compliance Data Using AWS Artifact

  • مقدمه Introduction

  • یافتن داده های انطباق با مصنوع AWS Finding Compliance Data With AWS Artifact

  • استفاده از یک سیاست IAM برای اعطای دسترسی به مصنوعات حسابرسی Using an IAM Policy To Grant Access to Audit Artifacts

  • خلاصه Summary

مدیریت دسترسی با استفاده از گروه‌ها و نقش‌های کاربری IAM Managing Access using IAM User Groups & Roles

  • مقدمه Introduction

  • مدیریت چند کاربر با گروه های کاربری IAM Managing Multiple Users with IAM User Groups

  • نقش های IAM IAM Roles

  • استفاده از نقش های سرویس AWS برای دسترسی به منابع AWS از طرف شما Using AWS Service Roles to Access AWS Resources on Your Behalf

  • استفاده از نقش های کاربر IAM برای اعطای دسترسی موقت به کاربران Using IAM User Roles to Grant Temporary Access for Users

  • استفاده از نقش ها برای دسترسی فدرال Using Roles for Federated Access

  • خلاصه Summary

استفاده از سیاست های IAM برای تعریف و مدیریت مجوزها Using IAM Policies to Define and Manage Permissions

  • مقدمه Introduction

  • انواع خط مشی IAM AWS IAM AWS Policy Types

  • بررسی ساختار سیاست JSON Examining the JSON Policy Structure

  • ایجاد یک خط مشی AWS IAM Creating an AWS IAM Policy

  • منطق ارزیابی خط مشی Policy Evaluation Logic

  • خلاصه Summary

مبانی سرویس مدیریت کلید AWS (KMS) The Fundamentals of the AWS Key Management Service (KMS)

  • مقدمه Introduction

  • رمزگذاری چیست؟ What is Encryption?

  • مروری بر AWS KMS An Overview of AWS KMS

  • اجزای سرویس KMS Components of the KMS Service

  • خلاصه Summary

دسترسی ایمن به کلیدهای AWS KMS شما Securing Access to Your AWS KMS Keys

  • مقدمه Introduction

  • مجوزها و سیاست های کلیدی AWS KMS AWS KMS Permissions and Key Policies

  • ایجاد یک کلید KMS جدید با یک خط مشی کلید جدید Creating a New KMS Key with a New Key Policy

  • دسترسی KMS: منطق ارزیابی خط مشی KMS Access: Policy Evaluation Logic

  • خلاصه Summary

نمایش نظرات

PREVIEW - AWS Certified AI Practitioner (AIF-C01) صدور گواهینامه
جزییات دوره
12h 47m
165
CloudAcademy CloudAcademy
(آخرین آپدیت)
26
5 از 5
ندارد
دارد
دارد
Danny Jessee
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Danny Jessee Danny Jessee

دنی جسی یک مهندس ارشد ابر و توسعه دهنده نرم افزار در منطقه مترو واشنگتن دی سی است. او متخصص در به روزرسانی برنامه های قدیمی برای استفاده از ابر و ایجاد راه حل های سفارشی استفاده از فناوری های استفاده از فناوری مانند ServiceNow و SharePoint است. وی یک مدیر سیستم خبره ServiceNow است و دارای شش گواهینامه AWS از جمله AWS Certified Security - Specialty و AWS Certified DevOps Engineer - Professional است. وی در کنفرانس های ملی شیرپوینت صحبت کرده و از به اشتراک گذاشتن دانش و تجربه خود با متخصصان فناوری اطلاعات در سراسر جهان لذت می برد. در اوقات فراغت ، او از دویدن و هواشناسی لذت می برد.