آموزش تست‌های شبیه‌ساز پیشرفته مدرک AWS Certified Generative AI Developer - آخرین آپدیت

آزمون AWS Certified Generative AI Developer - Professional (AIP-C01) برای افرادی طراحی شده است که نقش توسعه‌دهنده GenAI را ایفا می‌کنند. این آزمون توانایی داوطلب در ادغام موثر مدل‌های پایه (FMs) در برنامه‌ها و گردش‌های کاری تجاری را ارزیابی می‌کند. این گواهینامه نشان‌دهنده دانش عملی در مورد نحوه پیاده‌سازی راهکارهای GenAI در محیط‌های عملیاتی با استفاده از فناوری‌های AWS است.

این آزمون همچنین توانایی داوطلب در انجام وظایف زیر را تایید می‌کند:

• طراحی و پیاده‌سازی راهکارها با استفاده از ذخیره‌سازهای برداری (Vector Stores)، تولید تقویت‌شده با بازیابی (RAG)، پایگاه‌های دانش و سایر معماری‌های GenAI.

• ادغام مدل‌های پایه (FMs) در برنامه‌ها و گردش‌های کاری تجاری.

• به‌کارگیری تکنیک‌های مهندسی پرامپت (Prompt Engineering) و مدیریت آن.

• پیاده‌سازی راهکارهای هوش مصنوعی عامل‌محور (Agentic AI).

• بهینه‌سازی برنامه‌های GenAI از نظر هزینه، عملکرد و ارزش تجاری.

• پیاده‌سازی امنیت، حاکمیت و رویه‌های هوش مصنوعی مسئولانه.

• عیب‌یابی، نظارت و بهینه‌سازی برنامه‌های GenAI.

• ارزیابی مدل‌های پایه از نظر کیفیت و مسئولیت‌پذیری.

توضیحات داوطلب هدف

داوطلب هدف باید ۲ سال یا بیشتر تجربه در ساخت برنامه‌های سطح تولید در AWS یا با فناوری‌های متن‌باز، تجربه کلی در AI/ML یا مهندسی داده، و ۱ سال تجربه عملی در پیاده‌سازی راهکارهای GenAI داشته باشد.

دانش توصیه شده در AWS

داوطلب هدف باید دانش‌های زیر در AWS داشته باشد:

• تجربه کار با سرویس‌های رایانشی، ذخیره‌سازی و شبکه AWS

• درک بهترین روش‌های امنیتی AWS و مدیریت هویت

• تجربه کار با ابزارهای استقرار AWS و زیرساخت به عنوان کد (IaC)

• آشنایی با سرویس‌های نظارت و مشاهده‌پذیری (Observability) AWS

• درک اصول بهینه‌سازی هزینه در AWS

وظایفی که در محدوده داوطلب هدف نیستند

لیست زیر شامل وظایفی است که انتظار نمی‌رود داوطلب هدف قادر به انجام آن‌ها باشد. این لیست جامع نیست و این موارد خارج از محدوده آزمون هستند:

• توسعه و آموزش مدل

• تکنیک‌های پیشرفته یادگیری ماشین (ML)

• مهندسی داده و مهندسی ویژگی‌ها (Feature Engineering)

آزمون دارای حوزه‌های محتوایی و وزن‌بندی‌های زیر است:

• حوزه محتوایی ۱: ادغام مدل پایه، مدیریت داده‌ها و انطباق (۳۱٪ از محتوای نمره آور)

• حوزه محتوایی ۲: پیاده‌سازی و ادغام (۲۶٪ از محتوای نمره آور)

• حوزه محتوایی ۳: ایمنی، امنیت و حاکمیت AI (۲۰٪ از محتوای نمره آور)

• حوزه محتوایی ۴: کارایی عملیاتی و بهینه‌سازی برای برنامه‌های GenAI (۱۲٪ از محتوای نمره آور)

• حوزه محتوایی ۵: تست، اعتبارسنجی و عیب‌یابی (۱۱٪ از محتوای نمره آور)