آموزش ضروریات متخصص استراتژیک هوش مصنوعی مولد دارای گواهینامه (CSGAIP) [ویدیو] - آخرین آپدیت

دانلود Certified Strategic Generative AI Professional(CSGAIP) Essentials [Video]

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: این دوره یک معرفی جامع از هوش مصنوعی مولد (Generative AI) ارائه می‌دهد که با مفاهیم بنیادی هوش مصنوعی و یادگیری ماشین آغاز می‌شود. این دوره اصول محوری که فناوری‌های AI را پیش می‌برند و کاربردهای آن‌ها در سناریوهای دنیای واقعی را پوشش می‌دهد. این دوره فراتر از تئوری رفته و نمایش‌های عملی در زمینه بهینه‌سازی عملکرد AI ارائه می‌کند. تمرکز ویژه‌ای بر مهندسی پرامپت (Prompt Engineering) قرار داده شده است، جایی که یادگیرندگان توانایی خود را در تعامل با مدل‌های AI برای دستیابی به اهداف خاص بهبود می‌بخشند. با پیشروی در دوره، یادگیرندگان بینشی در مورد ادغام AI در جریان‌های کاری کسب‌وکار به دست خواهند آورد. این شامل درک تأثیر AI بر برنامه‌های سازمانی و نحوه بهره‌برداری سازمان‌ها از قدرت هوش مصنوعی مولد برای اهداف استراتژیک است. با بررسی خدمات ابری AI از AWS، Google و Azure، این دوره تجربه عملی با فناوری‌های پیشرو در صنعت را فراهم می‌کند. در پایان دوره، شما اهمیت استراتژیک هوش مصنوعی مولد، نحوه استفاده از آن برای حل چالش‌های تجاری و اهمیت اجرای اخلاقی AI را درک خواهید کرد. چه به دنبال ترکیب AI در کسب‌وکار خود باشید و چه به دنبال شغلی در توسعه AI، این دوره شما را با دانش و ابزارهای لازم برای موفقیت در چشم‌انداز در حال تحول AI مجهز می‌کند. درک اصول بنیادی AI/ML برای کاربردهای هوش مصنوعی مولد. یادگیری مهندسی پرامپت برای بهینه‌سازی پاسخ‌های AI در وظایف مختلف. ادغام مدل‌های AI در جریان‌های کاری تجاری و برنامه‌های سازمانی. درک نقش AI در صنایع مختلف و تکامل آن. به‌کارگیری ابزارهای هوش مصنوعی مولد مانند GPT برای موارد استفاده کاربردی. پیاده‌سازی روش‌های AI مسئولانه با تمرکز بر اخلاق و حاکمیت. این دوره برای متخصصان AI، یادگیری ماشین، علم داده و کسانی که به دنبال ارتقای مهارت‌های خود در هوش مصنوعی مولد هستند طراحی شده است. این دوره برای هر کسی که به دنبال کسب تخصص در به‌کارگیری فناوری‌های AI در محیط‌های تجاری است، ایده‌آل است. همچنین برای یادگیرندگانی که قصد تغییر مسیر شغلی به سمت نقش‌های متمرکز بر AI را دارند، مناسب است. درک ابتدایی از مفاهیم AI توصیه می‌شود اما ضروری نیست. متخصصانی که مشتاق تسلط بر هوش مصنوعی مولد، اخلاقیات و کاربردهای عملی آن هستند، بیشترین بهره را خواهند برد. پوشش گسترده AI/ML، هوش مصنوعی مولد و تأثیرات تجاری آن. * نمایش‌های عملی با استفاده از ابزارهای ابری AI مانند AWS و Azure. * تجربه عملی با پشته‌های فناوری AI و مهندسی پرامپت.

سرفصل ها و درس ها

مقدمه Introduction

  • مرور کلی دوره Course Overview

  • گواهینامه درباره چیست؟ What is the Certification about?

  • بحث: اهمیت استراتژی اولویت با هوش مصنوعی (AI First) Discussion: Importance of AI First Strategy

  • محتوای دوره Course Content

دامنه 1 – مفاهیم بنیادی هوش مصنوعی مولد Domain 1 – Foundational Concepts of Generative AI

  • مفاهیم بنیادی هوش مصنوعی مولد (20%) Foundational Concepts of Generative AI (20%)

  • مبانی AI/ML AI/ML Foundations

  • هوش مصنوعی و یادگیری ماشین چیست؟ What is AI/ML?

  • انواع یادگیری ماشین چیست؟ What are the Machine Learning Types

  • مقایسه و تضاد AI و ML Compare and Contrasting AI/ML

  • دسته‌بندی‌های AI – هوش مصنوعی مولد، پیش‌بینانه، عامل‌محور و سایرین AI Categories – Generative AI, Predictive AI, Agentic AI, and Others

  • یادگیری عمیق چیست؟ What is Deep Learning?

  • پردازش زبان طبیعی (NLP) چیست؟ What is Natural Language Processing (NLP)?

  • سرویس‌های هوش مصنوعی مولد Generative AI Services

  • ستون‌های ادراکی AI Perceptual Pillars of AI

  • تخته سفید – هوش مصنوعی مولد چگونه کار می‌کند (مثال Gemini) Whiteboard – How Gen AI Works (Gemini Example)

  • شناسایی پشته فناوری هوش مصنوعی مولد Identify Generative AI Technology Stack

  • درک پشته فناوری AI Understanding the AI Tech Stack

  • مدل‌های زبانی بزرگ (LLMs) و ترنسفورمرها Large Language Models (LLMs) and Transformers

  • تجزیه و تحلیل معماری مدل‌های هوش مصنوعی مولد Breakdown of Generative AI Model Architectures

  • ترنسفورمرهای پیش‌آموزش‌دیده مولد (GPTs) Generative Pre-trained Transformers (GPTs)

  • تخته سفید – تولید تقویت‌شده با بازیابی (RAG) Whiteboard – Retrieval-Augmented Generation (RAG)

  • رابط‌های برنامه‌نویسی کاربردی (API) Application Programming Interfaces (API)

  • الگوریتم‌های AI و شبکه‌های عصبی AI Algorithms and Neural Networks

  • دمونستریشن – ابزارهای GenAI Demonstration – GenAI Tools

  • پیشنهادات کلیدی ابری (AWS Bedrock, Google Vertex AI, Azure OpenAI) Key Cloud Offerings (AWS Bedrock, Google Vertex AI, Azure OpenAI)

  • بازیگران کلیدی در بازار AI Key Players in AI Market

  • روندها و پیشرفت‌ها در بازار AI Trends and Advancements in AI Market

  • دمونستریشن – پشته فناوری AI گوگل کلاد Demonstration – Google Cloud AI Technology Stack

  • مدیریت چرخه حیات داده و مدل Data and Model Lifecycle Management

  • توضیح چرخه حیات داده Explain the Data Lifecycle

  • چرخه حیات AI و MLOps AI Lifecycle and MLOps

  • SDLC و برنامه‌های AI SDLC and AI Applications

  • اهمیت داده‌ها برای برنامه‌های AI Importance of Data to AI Applications

  • مدل اشتراکی رایانش ابری Cloud Computing Shared Model

  • خلاصه مرور ماژول Module Review Summary

  • سوالات مرور ماژول Module Review Questions

  • مرور کلی AIML AIML Revised

دامنه 2 – مهندسی پرامپت و تعامل با مدل Domain 2 – Prompt Engineering and Model Interaction

  • مهندسی پرامپت و تعامل با مدل (15%) Prompt Engineering and Model Interaction (15%)

  • مهندسی و بهینه‌سازی پرامپت Prompt Engineering and Optimization

  • مهندسی پرامپت چیست؟ What is Prompt Engineering?

  • مهندسی بافت (Context Engineering) چیست؟ What is Context Engineering

  • مهندسی پرامپت در مقابل مهندسی بافت Prompt Engineering vs Context Engineering

  • دمونستریشن – نقش: اختصاص دادن یک شخصیت به ChatGPT Demonstration – Role: Assigning a persona to ChatGPT

  • دمونستریشن – وظیفه/هدف: تعریف دقیق آنچه می‌خواهید AI انجام دهد Demonstration – Task/Goal: Clearly defining what you want the AI to do

  • دمونستریشن – بافت: ارائه اطلاعات پیش‌زمینه مرتبط، مخاطب و هدف Demonstration – Context: Providing relevant background information, audience, purpose

  • دمونستریشن – فرمت: مشخص کردن ساختار خروجی مورد نظر Demonstration – Format: Specifying the desired output structure

  • دمونستریشن – لحن/سبک: هدایت صدای AI Demonstration – Tone/Style: Guiding the AI's voice

  • دمونستریشن – محدودیت‌ها: تعیین مرزهایی برای خروجی Demonstration – Constraints/Limitations: Setting boundaries for the output

  • دمونستریشن – وضوح، صراحت و دستورات مثبت Demonstration – Clarity, Specificity, and Affirmative Directives

  • نمایش استراتژی‌های پرامپت‌نویسی Demonstrate Prompting Strategies

  • دمونستریشن – اصلاح تکراری: نحوه بهبود پرامپت‌ها بر اساس خروجی‌ها Demonstration – Iterative refinement: How to improve prompts based on outputs

  • دمونستریشن – پرامپت‌نویسی Zero-Shot Demonstration – Zero-Shot Prompting

  • دمونستریشن – حلقه‌های بازخورد Demonstration – Feedback Loops

  • دمونستریشن – تولید محتوا Demonstration – Generate Content

  • دمونستریشن – انتخاب GPTهای پیش‌ساخته Demonstration – Selecting Prebuilt GPTs

  • خلاصه مرور ماژول Module Review Summary

  • سوالات مرور ماژول Module Review Questions

دامنه 3 – برنامه‌های سازمانی و ادغام جریان کاری Domain 3 – Enterprise Application and Workflow Integration

  • برنامه‌های سازمانی و ادغام جریان کاری Enterprise Application and Workflow Integration

  • برنامه‌ریزی و ادغام برنامه‌های سازمانی Enterprise Application Planning and Integration

  • الگوهای کلی ادغام برنامه‌ها General Application Integration Patterns

  • معیارهای ارزیابی سرویس‌های Gen AI Evaluation Criteria of Gen AI Services

  • تخته سفید – برنامه‌ریزی AI/ML با GCP Whiteboard – AI/ML Planning with GCP

  • الگوهای ادغام AI AI Integration Patterns

  • تخته سفید – استقرار سرویس‌های AI روی AWS Whiteboard – Deploying AI Services on AWS

  • چالش‌های پذیرش AI AI Adoption Challenges

  • بهترین روش‌های پذیرش AI AI Adoption Best Practices

  • موارد استفاده – هوش مصنوعی مولد برای وظایف داده‌محور Use Cases – Generative AI for Data-Driven Tasks

  • مورد استفاده – علم داده و هوش تجاری (BI) Use Case – Data Science and Business Intelligence

  • مورد استفاده – تقویت و سنتز داده‌ها Use Case – Data Augmentation and Synthesis

  • مورد استفاده – تولید کد و محتوا برای تحلیل داده‌ها Use Case – Code and Content Generation for Data Analysis

  • مورد استفاده – تحلیل و تفسیر داده‌های FedEx Use Case – FedEx Data Analysis and Interpretation

  • خلاصه مرور ماژول Module Review Summary

  • سوالات مرور ماژول Module Review Questions

دامنه 4 – رهبری استراتژیک و ارزش تجاری (تمرکز استراتژیک) Domain 4 – Strategic Leadership and Business Value (Strategic Focus)

  • رهبری استراتژیک و ارزش تجاری (تمرکز استراتژیک) Strategic Leadership and Business Value (Strategic Focus)

  • ساخت مدل تجاری برای هوش مصنوعی مولد Building the Business Case for Generative AI

  • ۴ ستون استراتژی AI 4 Pillars of AI Strategy

  • تخته سفید – نقشه راه ارزش‌محور Whiteboard – Value Driven Roadmap

  • دمونستریشن – تولیدکننده‌های بوم پیشنهاد ارزش مبتنی بر AI Demonstration – AI-Powered Value Proposition Canvas Generators

  • دمونستریشن – پیشنهاد ارزش گوگل کلاد Demonstration – Google Cloud Value Proposition

  • مدل تجاری (Business Case) Business Case

  • معیارهای بهبود (Uplift Metrics) Uplift Metrics

  • استراتژی تامین‌کننده و فناوری Vendor and Technology Strategy

  • مدل‌های تامین مالی (CAPEX و OPEX) Funding Models (CAPEX and OPEX)

  • عوامل محرک هزینه‌های ابری AI AI Cloud Cost Drivers

  • دمونستریشن – هزینه‌های ابری AI Demonstration – AI Cloud Costs

  • معیارهای انتخاب تامین‌کننده AI AI Vendor Selection Criteria

  • پیام‌رسانی برای مدیران اجرایی Executive Messaging

  • اثبات مفهوم (PoC) Proof of Concepts (PoC)

  • تعریف شاخص‌های کلیدی عملکرد (KPIs) Defining Key Performance Indicators (KPIs)

  • خلاصه مرور ماژول Module Review Summary

  • سوالات مرور ماژول Module Review Questions

دامنه 5 – ریسک، اخلاق و هوش مصنوعی مسئولانه Domain 5 – Risk, Ethics, and Responsible AI

  • ریسک، اخلاق و هوش مصنوعی مسئولانه Risk, Ethics, and Responsible AI

  • شناسایی ملاحظات اخلاقی، قانونی و مالکیت معنوی (IP) در استفاده از AI Identify Ethical, Legal and IP Considerations in AI Use

  • تعریف اخلاق در AI Defining AI Ethics

  • اصول کلیدی AI Key AI Principles

  • هوش مصنوعی و جایگزینی مشاغل AI and Job Displacement

  • مورد استفاده – اخلاق AI در تشخیص چهره Use Case – AI Ethics in Facial Recognition

  • مسئولیت‌پذیری قانونی و حرفه‌ای Legal and Professional Accountability

  • منابع سوگیری در AI Sources of AI Bias

  • چارچوب مدیریت ریسک AI (NIST RMF) NIST AI Risk Management Framework (RMF)

  • تخته سفید – پیاده‌سازی NIST AI RMF Whiteboard – Implement NIST AI RMF

  • پیاده‌سازی بهترین روش‌ها برای AI مسئولانه Implement Best Practices for Responsible AI

  • اخلاق و حاکمیت AI مسئولانه چیست؟ What is Responsible AI Ethics and Governance

  • تخته سفید – پیاده‌سازی اصول AI مسئولانه Whiteboard – Implement Responsible AI Principals

  • هفت اصل (7C's) هوش مصنوعی مسئولانه Seven C's of Responsible AI

  • مرکز تعالی AI (Center of Excellence) AI Center of Excellence

  • خلاصه مرور ماژول Module Review Summary

  • سوالات مرور ماژول Module Review Questions

  • ثبت‌نام برای دریافت گواهینامه Sign up for the Certification

  • منابع و جمع‌بندی دوره Resources and Course Closeout

نمایش نظرات

آموزش ضروریات متخصص استراتژیک هوش مصنوعی مولد دارای گواهینامه (CSGAIP) [ویدیو]
جزییات دوره
9h 41m
110
Packtpub Packtpub
(آخرین آپدیت)
از 5
ندارد
دارد
دارد
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Digital Crest Institute Digital Crest Institute

مؤسسه Digital Crest مستقر در جکسونویل فلوریدا، از سال ۱۹۹۳ سابقه درخشانی در زمینه فناوری دارد. این مسیر با کار روی سیستم‌های HP Unix در کشتی‌های پرچم نیروی دریایی ایالات متحده آغاز شد. در طول سال‌ها، این مؤسسه از UNIX به تخصص در شبکه‌های ذخیره‌سازی (SAN)، مجازی‌سازی سازمانی و معماری‌های ابری تغییر مسیر داد. Digital Crest نقش‌های کلیدی در خدمات حرفه‌ای، مهندسی پیش از فروش و مهندسی فروش در شرکت‌های تراز اولی مانند SAIC، 3PAR Data، HP، EMC و Northrop Grumman داشته است. تخصص آن بخش‌های مختلفی را در بر می‌گیرد و در پروژه‌های پیشگامانه در سازمان‌هایی مانند Brocade، Booz Allen Hamilton و Dimension Data مشارکت داشته است. مسیر حرفه‌ای Digital Crest نشان‌دهنده تعهد آن به پیشرفت تکنولوژیک و پیشرو بودن در این حوزه است.