آموزش هوش مصنوعی مولد و مهندسی پرامپت (Generative AI & Prompt Engineering) - آخرین آپدیت

دانلود Generative AI & Prompt Engineering

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: دوره هوش مصنوعی مولد و مهندسی پرامپت، دانش بنیادی مفاهیم Generative AI، تکنیک‌های مهندسی پرامپت، مدل‌های پایه (Foundation Models) و سرویس‌های هوش مصنوعی مولد AWS برای ساخت اپلیکیشن‌های هوشمند را ارائه می‌دهد. فراگیران مفاهیم اصلی هوش مصنوعی مولد، موارد استفاده تجاری، چرخه عمر مدل‌ها و استراتژی‌های مهندسی پرامپت برای تعامل موثر با مدل‌های زبانی بزرگ (LLMs) را بررسی خواهند کرد. این دوره همچنین تکنیک‌های طراحی پرامپت، بهینه‌سازی پرامپت، تنظیم دقیق پارامتر-بهینه (Parameter-efficient fine-tuning)، P-tuning و رویکردهای تست A/B برای بهبود پاسخ‌های AI و عملکرد مدل را پوشش می‌دهد. علاوه بر این، کاربران با سرویس‌های Amazon Q و Amazon Bedrock، از جمله انتخاب مدل پایه، Guardrails، پایگاه‌های دانش (Knowledge Bases)، معماری‌های RAG، ایجنت‌ها، یکپارچه‌سازی‌ها و توسعه اپلیکیشن‌های هوش مصنوعی مولد روی AWS آشنا می‌شوند. این دوره در سه ماژول با حدود ۶ تا ۸ ساعت محتوای ویدئویی و آزمون‌هایی برای تثبیت یادگیری ساختاریافته است. سرفصل‌های دوره: ماژول ۱: مبانی هوش مصنوعی مولد ماژول ۲: مهندسی پرامپت ماژول ۳: Amazon Q و Bedrock در پایان این دوره، فراگیران قادر خواهند بود: - مفاهیم اصلی هوش مصنوعی مولد، مدل‌های پایه و موارد استفاده از AI را درک کنند. - اصول مهندسی پرامپت و تکنیک‌های موثر طراحی پرامپت را بیاموزند. - رویکردهای Fine-tuning، یادگیری پرامپت و بهینه‌سازی مدل را بررسی کنند. - معماری‌های تولید تقویت‌شده با بازیابی (RAG) و جاسازی‌های برداری (Vector Embeddings) را درک کنند. - سرویس‌های Amazon Q را برای افزایش بهره‌وری کسب‌وکار و توسعه‌دهندگان به کار گیرند. - با Amazon Bedrock، مدل‌های پایه، Guardrails، ایجنت‌ها و یکپارچه‌سازی‌های AI آشنا شوند. - سرویس‌ها و معماری‌های مناسب هوش مصنوعی مولد را برای نیازهای مختلف تجاری و اپلیکیشنی شناسایی کنند. این دوره برای افرادی که آماده توسعه اپلیکیشن‌های Generative AI، راهکارهای ابری مبتنی بر AI، نقش‌های مهندسی پرامپت و یادگیری برای گواهینامه‌های پایه AWS AI هستند، ایده‌آل است.

سرفصل ها و درس ها

مبانی هوش مصنوعی مولد Generative AI Foundations

  • مدل هوش مصنوعی مولد چیست؟ What is Generative AI Model ?

  • اصطلاحات کلیدی هوش مصنوعی مولد Key Terms of Generative AI

  • شناسایی موارد استفاده بالقوه از هوش مصنوعی مولد Identify the Potential Use Cases of Generative AI

  • چالش‌های هوش مصنوعی مولد Challenges of Generative AI

  • اجزای هوش مصنوعی مولد Components of Generative AI

  • چرخه عمر مدل‌های پایه Lifecycle of Foundation Models

مهندسی پرامپت Prompt Engineering

  • مهندسی پرامپت Prompt Engineering

  • دموی مهندسی پرامپت Prompt Engineering - Demo

  • اصول طراحی پرامپت Fundamentals of Prompt Design

  • تکنیک‌های نوشتن پرامپت‌های موثر Techniques for Effective Prompts

  • دموی تکنیک‌های پرامپت‌های موثر Techniques for Effective Prompts - Demo

  • تکنیک تنظیم دقیق پارامتر-بهینه Parameter Efficient Finetuning Technique

  • یادگیری پرامپت: P-tuning Prompt Learning : P-tuning

  • تست A/B A/B Testing

Amazon Q و Bedrock Amazon Q & Bedrock

  • Amazon Q Business چیست؟ What is Amazon Q Business

  • اپلیکیشن‌های Amazon Q Amazon Q Apps

  • Amazon Q Developer Amazon Q Developer

  • انواع مدل‌های پایه Types of Foundation Models

  • معیارهای تجاری برای هوش مصنوعی مولد Business Metrics for Generative AI

  • مروری بر Amazon Bedrock Amazon Bedrock - Overview

  • دموی Amazon Bedrock Amazon Bedrock - Demo

  • مدل‌های پایه در Amazon Bedrock؛ چگونه انتخاب کنیم؟ Foundation Models on Amazon Bedrock - How to Choose ?

  • تنظیم دقیق (Finetuning) مدل‌های پایه Finetuning Foundation Models

نمایش نظرات

آموزش هوش مصنوعی مولد و مهندسی پرامپت (Generative AI & Prompt Engineering)
جزییات دوره
5h 37m
23
(آخرین آپدیت)
26
- از 5
دارد
دارد
دارد
Chris Croft
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Chris Croft Chris Croft

مربی مدیریت، سخنران، نویسنده