آموزش دوره جامع AWS Certified AI Practitioner (AIF-C01) - آخرین آپدیت

سرفصل ها و درس ها

کاوش در AWS و معماری رایانش ابری Explore AWS and Cloud Computing Architecture

• مقدمه Introduction

• اینترنت، سرورها و شما The Internet, Servers, and You

• از گاراژها تا کلاود From Garages to the Cloud

• مدل‌ها، مزایا و هزینه‌های کلاود Cloud Models, Benefits, and Costs

• AWS برای چه کارهایی استفاده می‌شود؟ What is AWS Used For?

• چالش 🥳 Challenge 🎉

• پاسخ چالش Solution

بررسی مفاهیم اصلی هوش مصنوعی Explore Core Artificial Intelligence Concepts

• مقدمه Introduction

• ابزارها و محیط‌های علم داده Data Science Tools & Environments

• هوش مصنوعی چیست؟ What Is Artificial Intelligence?

• تاریخچه کوتاهی از AI A Brief History Of AI

• موردهای استفاده از AI در صنایع مختلف AI Use Cases Across Industries

• AI امروز: نرم‌افزار 1.0، 2.0 و 3.0 AI Today: Software 1.0, 2.0, and 3.0

• چالش 🥳 Challenge 🎉

• پاسخ چالش Solution

مقایسه هوش مصنوعی (AI) در مقابل یادگیری ماشین (ML) Compare AI Vs. Machine Learning

مقایسه یادگیری نظارت شده و نظارت نشده Compare Supervised and Unsupervised Learning

• مقدمه Introduction

• مقایسه انواع داده‌ها Comparing Data Types

• یادگیری نظارت شده چیست؟ What is Supervised Learning?

• مهندسی ویژگی (Feature Engineering) چیست؟ What is Feature Engineering?

• یادگیری نظارت نشده چیست؟ What is Unsupervised Learning?

• سایر انواع یادگیری Other Kinds of Learning

• چالش 🥳 Challenge 🎉

• پاسخ چالش Solution

استفاده از معیارهای عملکرد و مراحل جریان کاری ML Use Performance Metrics and Phases of ML Workflows

• مقدمه Introduction

• یادگیری تقویتی (RL) چیست؟ What is Reinforcement Learning (RL)?

• یادگیری تقویتی با بازخورد انسانی (RLHF) چیست؟ What is Reinforcement Learning with Human Feedback (RLHF)?

• برازش مدل (Model Fit) چیست؟ What is Model Fit?

• معیارهای طبقه‌بندی باینری و چندکلاسه Binary & Multi-class Classification Metrics

• مساحت زیر منحنی ROC چیست؟ What is Area Under the ROC?

• مراحل پروژه یادگیری ماشین Machine Learning Project Phases

• چالش 🥳 CHALLENGE 🎉

بررسی مفاهیم بنیادین هوش مصنوعی مولد (GenAI) Examine Foundational Generative AI Concepts

• مقدمه Introduction

• بررسی عمیق GenAI What is GenAI (Deep Dive)?

• چگونه با مدل‌های زبانی مولد تعامل کنیم؟ How Do We Interact With Generative Language Models?

• GenAI چگونه از تصاویر متن تولید می‌کند؟ How Does GenAI Generate Text From Images?

• Amazon Bedrock چیست؟ What is Amazon Bedrock?

• تنظیم دقیق (Fine Tuning) مدل با Amazon Bedrock Fine-Tuning a Model with Amazon Bedrock

• چالش 🥳 Challenge 🎉

به‌کارگیری مفاهیم GenAI با Amazon Bedrock Apply Generative AI Concepts with Amazon Bedrock

• مقدمه Introduction

• آشنایی با Amazon Bedrock What is Amazon Bedrock?

• فعال‌سازی مدل‌ها برای Amazon Bedrock Enabling Models for Amazon Bedrock

• تنظیم دقیق مدل‌ها در Amazon Bedrock Fine-Tuning Models in Amazon Bedrock

• مروری بر ارزیابی مدل Model Evaluation Overview

• ارزیابی مدل در Amazon Bedrock Model Evaluation in Amazon Bedrock

• استفاده از RAG با یک پایگاه دانش Using RAG with a Knowledge Base

• چالش 🥳 Challenge 🎉

ساخت اپلیکیشن RAG و بررسی ابزارهای ایمنی Build a RAG App & Explore Safety Tools

• مقدمه Introduction

• ساخت اپلیکیشن RAG با Amazon Bedrock Build a RAG Application with Amazon Bedrock

• توکن‌سازی، بردارها و دیتابیس‌ها Tokenization, Vectors, and Databases

• درک Embedding و پنجره‌های زمینه‌ای (Context Windows) Understanding Embedding and Context Windows

• ایجاد تعاملات امن با Guardrails Build Safe Interactions with Guardrails

• عامل‌های هوش مصنوعی (AI Agents) در Amazon Bedrock Amazon Bedrock AI Agents

• مانیتورینگ Amazon Bedrock با CloudWatch Monitoring Amazon Bedrock with CloudWatch

• قیمت‌گذاری در Amazon Bedrock Pricing with Amazon Bedrock

• ⚠️ هشدار هزینه ⚠️ Cost Warning

• چالش 🥳 Challenge 🎉

• پاسخ چالش Solution

شناسایی مفاهیم اصلی مهندسی پرامپت Identify Core Prompt Engineering Concepts

• مقدمه Introduction

• مهندسی پرامپت برای بهینه‌سازی مدل Prompt Engineering for Model Optimization

• مانیتورینگ پرامپت‌های پیشرفته در Amazon Bedrock Amazon Bedrock Enhanced Prompts Monitoring

• پرامپت‌های منفی برای کنترل خروجی Negative Prompting for Output Control

• کنترل خروجی‌ها با پارامترهای پرامپت Controlling Outputs with Prompt Parameters

• چه چیزی باعث تأخیر (Latency) در پرامپت می‌شود؟ What Determines Prompt Latency?

• قالب‌های پرامپت، امنیت و Guardrails Prompt Templates, Security, and Guardrails

• چالش 🥳 Challenge 🎉

بررسی کاربردهای اصلی Amazon Q Examine Core Amazon Q Applications

• مقدمه Introduction

• Amazon Q چیست؟ What is Amazon Q?

• مثال از Amazon Q Business Amazon Q Business Example

• سازنده اپلیکیشن Amazon Q Amazon Q App Creator

• Amazon Q Developer: نسخه AWS Amazon Q Developer: AWS Version

• Amazon Q Developer: نسخه IDE Amazon Q Developer: IDE Version

• Amazon Q در QuickSight Amazon Q in QuickSight

• چالش 🥳 Challenge 🎉

• پاسخ چالش Solution

کاوش در مفاهیم بنیادین Amazon SageMaker Explore Foundational Amazon SageMaker Concepts

• مقدمه Introduction

• Amazon SageMaker AI چیست؟ What is Amazon SageMaker AI?

• مروری بر SageMaker AI Studio SageMaker AI Studio Overview

• انواع استنتاج ناهمگام (Asynchronous) و دسته‌ای (Batch) Asynchronous and Batch Inference Types

• مقایسه Google Colab و Amazon SageMaker AI Studio Lab Google Colab Vs. Amazon SageMaker AI Studio Lab

• ابزار Amazon SageMaker Data Wrangler Amazon SageMaker Data Wrangler

• چالش 🥳 Challenge 🎉

بررسی ابزارهای AI و حاکمیت در Amazon SageMaker Examine Amazon SageMaker AI Tools and Governance

• مقدمه Introduction

• گشتی در Amazon SageMaker AI در محیط AWS Tour of Amazon SageMaker AI in AWS

• ابزارهای SageMaker AI: فروشگاه ویژگی‌ها (Feature Store) SageMaker AI Tools: Feature Store

• ابزارهای SageMaker AI: Clarify SageMaker AI Tools: Clarify

• حاکمیت در SageMaker AI SageMaker AI Governance

• داشبورد و مانیتور مدل در SageMaker AI SageMaker AI Model Dashboard & Monitor

• پایپ‌لاین‌ها و ابزارهای اصلی SageMaker AI SageMaker AI Pipelines & Core Tools

• چالش 🥳 Challenge 🎉

مقایسه سرویس‌های مدیریت شده زبان AI در AWS Compare AWS Managed AI Language Services

• مقدمه Introduction

• سرویس Amazon Comprehend Amazon Comprehend

• آموزش عملی Amazon Comprehend در AWS Amazon Comprehend AWS Walk-Through

• سرویس Amazon Translate Amazon Translate

• آموزش عملی Amazon Translate در AWS Amazon Translate AWS Walk-Through

• چالش 🥳 Challenge 🎉

• پاسخ چالش Solution

کاوش در سرویس‌های مدیریت شده گفتار و بینایی AI در AWS Explore AWS Managed AI Speech & Vision Services

• مقدمه Introduction

• مفاهیم Amazon Transcribe Amazon Transcribe Concepts

• استفاده از Amazon Transcribe در AWS Amazon Transcribe in AWS

• مفاهیم Amazon Polly Amazon Polly Concepts

• استفاده از Amazon Polly در AWS Amazon Polly in AWS

• مفاهیم Amazon Rekognition Amazon Rekognition Concepts

• استفاده از Amazon Rekognition در AWS Amazon Rekognition in AWS

• چالش 🥳 Challenge 🎉

کاوش در سرویس‌های مدیریت شده تعامل AI در AWS Explore AWS Managed AI Engagement Services

• مقدمه Introduction

• سرویس Amazon Lex Amazon Lex

• آموزش عملی Amazon Lex Amazon Lex Walk-Through

• سرویس Amazon Personalize Amazon Personalize

• آموزش عملی Amazon Personalize Amazon Personalize Walk-Through

• مفاهیم و آموزش عملی Amazon Textract Amazon Textract Concepts & Walk-Through

• سرویس Amazon Kendra Amazon Kendra

• چالش 🔥 Challenge 🔥

بررسی سرویس‌های زیرساختی مدیریت شده AI در AWS Examine AWS Managed AI Infrastructure Services

• مقدمه Introduction

• سرویس Amazon Mechanical Turk Amazon Mechanical Turk

• سرویس Amazon A2I Amazon A2I

• سرویس‌های پزشکی Comprehend و Transcribe Amazon Comprehend & Transcribe Medical

• EC2 و سخت‌افزارهای بهینه شده AI در AWS EC2 & Amazon’s AI-Optimized Hardware

• چالش 🥳 Challenge 🎉

• پاسخ چالش Solution

توصیف اصول مسئولانه در حاکمیت هوش مصنوعی Describe Principles Responsible for AI Governance

• مقدمه Introduction

• هوش مصنوعی مسئولانه: امنیت و انطباق Responsible AI: Security & Compliance

• هوش مصنوعی مسئولانه: اصول کلیدی Responsible AI: Key Principles

• کارت‌های سرویس AI و تفسیرپذیری مدل AI Service Cards & Model Interpretability

• توضیح‌پذیری و طراحی انسان‌محور Explainability and Human-Centered Design

• چالش‌های انطباق در AI AI Compliance Challenges

• چالش 🥳 Challenge 🎉

به‌کارگیری بهترین روش‌های امنیتی در هوش مصنوعی مولد Apply Generative AI Security Best Practices

• چالش‌ها و قابلیت‌های GenAI GenAI Challenges and Capabilities

• کاهش محتوای سمی در GenAI Mitigating Toxic Content in GenAI

• توهمات (Hallucinations) در GenAI Hallucinations in GenAI

• سرقت ادبی و تقلب تحصیلی Plagiarism and Academic Cheating

• لینک‌های مفید Links

• مسموم کردن داده‌ها، تزریق پرامپت و نشت داده‌ها Data Poisoning, Prompt Injection, Exposure, and Data Leaks

• جیل‌بریکینگ (Jailbreaking) و محدوده امنیتی GenAI Jailbreaking and GenAI Security Scope

• چالش 🥳 Challenge 🎉

استفاده از ابزارهای ارزیابی عدالت در مدل‌های AI Apply Tools to Evaluate Fairness in AI Models

• مقدمه Introduction

• کارت‌های مدل (Model Cards) Model Cards

• ابزارهای حاکمیتی AWS AWS Governance Tools

• ساخت استراتژی‌ها و قابلیت‌های حاکمیت AI Building AI Governance Strategies and Capabilities

• تبار داده‌ها (Data Lineage)، امنیت و مانیتورینگ Data Lineage, Security, and Monitoring

• مسئولیت مشترک، مهندسی داده، مراحل ML و MLOps Shared Responsibility, Data Engineering, ML Phases, & MLOps

• چالش 🥳 Challenge 🎉