دانشیار مهندس یادگیری ماشین دارای گواهینامه AWS: آماده باشید!

AWS Certified Machine Learning Engineer Associate: Hands On!

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره: امتحان تمرینی گنجانده شده است! آزمون کارشناسی ارشد MLA-C01/ME1-C01 AWS مهندس یادگیری ماشین: مهارت های SageMaker، بستر و هوش مصنوعی. با اطمینان برای آزمون کاردانی مهندسی یادگیری ماشین گواهی شده AWS آماده شوید. خدمات کلیدی یادگیری ماشین AWS مانند SageMaker، Bedrock و غیره را درک کرده و به کار ببرید. آماده سازی داده ها، مهندسی ویژگی ها و اعتبارسنجی داده ها را برای مدل های ML انجام دهید. بر تنظیم هایپرپارامتر، آموزش مدل و استراتژی های استقرار در AWS مسلط شوید. پیاده سازی خطوط لوله CI/CD و اتوماسیون برای گردش کار یادگیری ماشینی مقیاس پذیر. زیرساخت‌های AWS ML را ایمن، نظارت و بهینه‌سازی کنید تا عملکرد و کارایی آن بهینه شود. پیش نیازها: این دوره برای افرادی با حداقل یک سال تجربه استفاده از Amazon SageMaker و سایر خدمات AWS برای یادگیری ماشین ایده آل است. پیشینه ای در مهندسی داده، DevOps یا توسعه نرم افزار، همراه با درک اولیه از الگوریتم های یادگیری ماشین و زیرساخت ابری توصیه می شود.

برای دانش خود در مورد یادگیری ماشین در AWS توسط آمازون گواهی دریافت کنید! خود را برای دریافت یکی از چالش برانگیزترین گواهینامه ها در حوزه ابری آماده کنید - آزمون کاردانی مهندس یادگیری ماشین گواهی شده AWS! چه یک توسعه دهنده باطن، مهندس داده یا دانشمند داده باشید، این دوره جامع دروازه موفقیت شماست.

چرا این دوره؟

این دوره به طور ماهرانه توسط کهنه‌کاران صنعت فرانک کین و استفان مارک ساخته شده است، که در مجموع بیش از 3 میلیون دانش‌آموز را در Udemy آموزش داده‌اند. فرانک کین، با بیش از 9 سال تجربه در آمازون، در یادگیری ماشین و هوش مصنوعی تخصص دارد و استفان مارک یک متخصص AWS و مدرس مشهور است. آنها با هم، عمق بی نظیری از دانش را به ارمغان می آورند تا شما را در تمام جنبه های امتحان راهنمایی کنند.

آنچه خواهید آموخت:


  • خدمات کارشناسی ارشد AWS ML: در آمازون SageMaker، Amazon Bedrock و بسیاری از سرویس‌های AWS دیگر مانند Comprehend، Rekognition و Translate که برای امتحان بسیار مهم هستند، غواصی کنید.

  • آزمایشگاه‌های عملی: با فعالیت‌های عملی، آزمایشگاه‌ها و دموهایی که درک شما را تقویت می‌کنند و به شما در ایجاد اعتماد به نفس کمک می‌کنند، تجربه عملی کسب کنید.

  • امتحان تمرینی و سؤالات تمرینی: یک آزمون تمرینی 20 سؤالی و 110 سؤال مسابقه در طول دوره، دانش شما را به سبکی مشابه امتحان آزمایش می کند

  • مهندسی ویژگی آماده‌سازی داده: نحوه جذب، تبدیل، و اعتبارسنجی داده‌ها برای مدل‌سازی ML را بیاموزید، و از یکپارچگی داده‌ها و آمادگی مدل اطمینان حاصل کنید.

  • استقرار توسعه مدل: تنظیم هایپرپارامتر، تجزیه و تحلیل عملکرد مدل، و بهترین شیوه ها برای استقرار راه حل های مقیاس پذیر ML در AWS را کاوش کنید.

  • نظارت بر امنیت: نحوه نظارت بر مدل‌ها و زیرساخت‌های ML، بهینه‌سازی هزینه‌ها و ایمن‌سازی محیط AWS خود را کشف کنید و از انطباق و عملکرد اطمینان حاصل کنید.

چرا ما را انتخاب کنید؟


  • سابقه اثبات شده: مربیان ما به میلیون ها دانش آموز کمک کرده اند تا به اهداف گواهینامه AWS خود برسند.

  • تجربه دنیای واقعی: از کارشناسانی که در آمازون کار کرده‌اند و تجربه گسترده‌ای با خدمات AWS دارند، بیاموزید.

  • پوشش جامع: این دوره همه چیزهایی را که برای قبولی در امتحان نیاز دارید را پوشش می دهد - از دانش خدمات AWS گرفته تا مباحث پیشرفته یادگیری ماشینی که امتحان شما را در آنها آزمایش خواهد کرد.

چه کسی باید ثبت نام کند؟

این دوره برای هر کسی که آماده شرکت در آزمون کاردانی مهندس یادگیری ماشین گواهی شده AWS است، عالی است. اگر در مورد صدور گواهینامه خود جدی هستید و می خواهید مطمئن شوید که با اطمینان وارد مرکز آزمون می شوید، این دوره برای شما مناسب است.

موفقیت خود را به شانس واگذار نکنید

این گواهینامه سخت است و خطرات آن زیاد است. تا زمانی که به طور کامل آماده نشده اید، صدها دلار در امتحان ریسک نکنید. اکنون ثبت نام کنید و اولین گام را برای تبدیل شدن به یک مهندس آموزش ماشین دارای گواهینامه AWS بردارید!

امروز ثبت نام کنید و سفر خود را به سوی موفقیت در صدور گواهینامه آغاز کنید!

- - - - - - - - - - - - - - - - - - - - - - - - - - - - - - -

مربی

اسم من استفان مارک است، من علاقه زیادی به رایانش ابری دارم و در این دوره مربی شما خواهم بود. من در مورد گواهینامه های AWS آموزش می دهم و بر کمک به دانش آموزانم برای بهبود مهارت های حرفه ای خود در AWS تمرکز می کنم.

من قبلاً به بیش از 2,500,000 دانش‌آموز آموزش داده‌ام و بیش از 800,000 نظر در طول حرفه‌ام در طراحی و ارائه این گواهی‌ها و دوره‌ها دریافت کرده‌ام!

با تبدیل شدن AWS به مرکز معماری مدرن فناوری اطلاعات امروز، من تصمیم گرفتم که زمان آن فرا رسیده است که دانش‌آموزان بیاموزند که چگونه یک متخصص تحلیل داده AWS باشند. بنابراین، بیایید دوره را شروع کنیم! شما در دستان خوبی هستید!

- - - - - - - - - - - - - - - - - - - - - - - - - - - - - - -

مربی

هی، من فرانک کین هستم، و همچنین در حال آموزش این دوره هستم. من خودم MLA-C01 را با موفقیت پشت سر گذاشتم و مطمئن شدم همه چیزهایی که باید بدانید در اینجا وجود دارد. من نه سال به عنوان مهندس ارشد و مدیر ارشد برای آمازون از درون کار کردم و بیشتر به خاطر دوره های پرفروش خود در "داده های بزرگ"، تجزیه و تحلیل داده ها، یادگیری ماشین، هوش مصنوعی، آپاچی اسپارک، طراحی سیستم، شناخته شده ام. و Elasticsearch. من دارای 26 حق ثبت اختراع در زمینه یادگیری ماشین هستم.

من از سال 2015 در Udemy تدریس می کنم، جایی که به بیش از 850000 دانش آموز در سراسر جهان رسیده ام!

من سخت کار کرده‌ام تا این دوره را با آخرین پیشرفت‌های یادگیری ماشینی AWS به‌روز نگه دارم و مطمئن شوم که برای آخرین نسخه این امتحان آماده هستید. بیایید شیرجه بزنیم و شما را آماده کنیم!

- - - - - - - - - - - - - - - - - - - - - - - - - - - - - - -

این دوره همچنین همراه با:

است
  • دسترسی مادام العمر به همه به روز رسانی های آینده

  • یک مربی پاسخگو در بخش Q A

  • گواهی تکمیل Udemy برای دانلود آماده است

  • ضمانت بازگشت پول 30 روزه "بدون سوال"!

اگر می‌خواهید در آزمون MLA-C01/ME1-C01 با گواهینامه AWS شرکت کنید و بر پلتفرم AWS مسلط شوید، در این دوره به ما بپیوندید!


سرفصل ها و درس ها

مقدمه Introduction

  • مقدمه و مروری بر دوره Introduction and Course Overview

  • Udemy 101 Udemy 101

  • مواد و اسلایدهای دوره را دریافت کنید Get the Course Materials and Slides

  • راه اندازی هشدار صورتحساب AWS Setting Up an AWS Billing Alarm

جذب و ذخیره داده ها Data Ingestion and Storage

  • مقدمه: مصرف و ذخیره داده ها Intro: Data Ingestion and Storage

  • انواع داده ها Types of Data

  • خواص داده ها (The Three V) Properties of Data (The Three V's)

  • انبارهای داده، دریاچه ها و دریاچه ها Data Warehouses, Lakes, and Lakehouses

  • داده مش Data Mesh

  • خطوط لوله و ارکستراسیون ETL و ETL ETL & ETL Pipelines and Orchestration

  • منابع داده رایج و قالب‌های داده Common Data Sources and Data Formats

  • آمازون S3 Amazon S3

  • Amazon S3 - Hands On Amazon S3 - Hands On

  • Amazon S3 Security - Bucket Policy Amazon S3 Security - Bucket Policy

  • امنیت آمازون S3 - سیاست سطل - دست در دست Amazon S3 Security - Bucket Policy - Hands On

  • آمازون S3 - نسخه سازی Amazon S3 - Versioning

  • Amazon S3 - نسخه سازی - Hands On Amazon S3 - Versioning - Hands On

  • آمازون S3 - تکرار Amazon S3 - Replication

  • Amazon S3 - Replication - Notes Amazon S3 - Replication - Notes

  • Amazon S3 - Replication - Hands On Amazon S3 - Replication - Hands On

  • Amazon S3 - کلاس های ذخیره سازی Amazon S3 - Storage Classes

  • Amazon S3 - کلاس های ذخیره سازی - Hands On Amazon S3 - Storage Classes - Hands On

  • Amazon S3 - قوانین چرخه حیات Amazon S3 - Lifecycle Rules

  • آمازون S3 - قوانین چرخه زندگی - دست در دست Amazon S3 - Lifecycle Rules - Hands On

  • Amazon S3 - اعلان های رویداد Amazon S3 - Event Notifications

  • Amazon S3 - اعلان‌های رویداد - Hands On Amazon S3 - Event Notifications - Hands On

  • آمازون S3 - عملکرد Amazon S3 - Performance

  • آمازون S3 - رمزگذاری Amazon S3 - Encryption

  • درباره DSSE-KMS About DSSE-KMS

  • Amazon S3 - رمزگذاری - Hands On Amazon S3 - Encryption - Hands On

  • Amazon S3 - رمزگذاری پیش فرض Amazon S3 - Default Encryption

  • Amazon S3 - نقاط دسترسی Amazon S3 - Access Points

  • Amazon S3 - Object Lambda Amazon S3 - Object Lambda

  • آمازون EBS Amazon EBS

  • Amazon EBS - Hands On Amazon EBS - Hands On

  • آمازون EBS Elastic Volumes Amazon EBS Elastic Volumes

  • آمازون EFS Amazon EFS

  • Amazon EFS - Hands On Amazon EFS - Hands On

  • Amazon EFS در مقابل Amazon EBS Amazon EFS vs. Amazon EBS

  • آمازون FSx Amazon FSx

  • Amazon FSx - Hands On Amazon FSx - Hands On

  • آمازون کینزیس جریان داده Amazon Kinesis Data Streams

  • Amazon Kinesis Data Streams - تولیدکنندگان Amazon Kinesis Data Streams - Producers

  • آمازون کینزیس جریان داده - مصرف کنندگان Amazon Kinesis Data Streams - Consumers

  • Amazon Kinesis Data Streams - Hands On Amazon Kinesis Data Streams - Hands On

  • Amazon Kinesis Data Streams - فن خروجی پیشرفته Amazon Kinesis Data Streams - Enhanced Fan Out

  • آمازون Kinesis جریان داده - مقیاس Amazon Kinesis Data Streams - Scaling

  • آمازون Kinesis جریان داده - مدیریت موارد تکراری Amazon Kinesis Data Streams - Handling Duplicates

  • Amazon Kinesis Data Streams - Security Amazon Kinesis Data Streams - Security

  • Amazon Kinesis Data Firehose Amazon Kinesis Data Firehose

  • تنظیم و عیب یابی Kinesis Kinesis Tuning and Troubleshooting

  • سرویس مدیریت آمازون برای Apache Flink Amazon Managed Service for Apache Flink

  • هزینه های تجزیه و تحلیل Kinesis; RANDOM_CUT_FOREST Kinesis Analytics Costs; RANDOM_CUT_FOREST

  • آمازون MSK Amazon MSK

  • آمازون MSK - اتصال Amazon MSK - Connect

  • Amazon MSK - بدون سرور Amazon MSK - Serverless

  • Amazon Kinesis در مقابل Amazon MSK Amazon Kinesis vs. Amazon MSK

  • آزمون: جذب و ذخیره داده ها Quiz: Data Ingestion and Storage

تبدیل داده ها، یکپارچگی، و مهندسی ویژگی Data Transformation, Integrity, and Feature Engineering

  • مقدمه: تبدیل داده، یکپارچگی، و مهندسی ویژگی Intro: Data Transformation, Integrity, and Feature Engineering

  • Elastic MapReduce (EMR) و Hadoop Overview Elastic MapReduce (EMR) and Hadoop Overview

  • آپاچی اسپارک در EMR Apache Spark on EMR

  • مهندسی ویژگی و نفرین ابعاد Feature Engineering and the Curse of Dimensionality

  • آزمایشگاه: آماده سازی داده ها برای TF-IDF با Spark و EMR Studio، قسمت 1 Lab: Preparing Data for TF-IDF with Spark and EMR Studio, Part 1

  • آزمایشگاه: آماده سازی داده ها برای TF-IDF با Spark و EMR Studio، قسمت 2 Lab: Preparing Data for TF-IDF with Spark and EMR Studio, Part 2

  • وارد کردن داده های از دست رفته Imputing Missing Data

  • برخورد با داده های نامتعادل Dealing with Unbalanced Data

  • رسیدگی به موارد پرت Handling Outliers

  • Binning، Transforming، Encoding، Scaling و Shuffling Binning, Transforming, Encoding, Scaling, and Shuffling

  • بررسی اجمالی SageMaker SageMaker Overview

  • پردازش داده، آموزش و استقرار با SageMaker Data Processing, Training, and Deployment with SageMaker

  • Amazon SageMaker Ground Truth and Label Generation Amazon SageMaker Ground Truth and Label Generation

  • آمازون مکانیک ترک Amazon Mechanical Turk

  • SageMaker Data Rangler SageMaker Data Wrangler

  • نسخه ی نمایشی: SageMaker Studio، Canvas و Data Wrangler Demo: SageMaker Studio, Canvas, and Data Wrangler

  • SageMaker Model Monitor و SageMaker Clarify SageMaker Model Monitor and SageMaker Clarify

  • نمودارهای وابستگی جزئی (PDP)، مقادیر Shapley و SHAP Partial Dependence Plots (PDPs), Shapley values, and SHAP

  • فروشگاه ویژگی SageMaker SageMaker Feature Store

  • بوم SageMaker SageMaker Canvas

  • چسب AWS AWS Glue

  • AWS Glue Studio AWS Glue Studio

  • کیفیت داده چسب AWS AWS Glue Data Quality

  • AWS Glue DataBrew AWS Glue DataBrew

  • نسخه ی نمایشی: Glue DataBrew Demo: Glue DataBrew

  • مدیریت PII در DataBrew Transformations Handling PII in DataBrew Transformations

  • آزمون: تبدیل داده، یکپارچگی، و مهندسی ویژگی Quiz: Data Transformation, Integrity, and Feature Engineering

خدمات هوش مصنوعی مدیریت شده AWS AWS Managed AI Services

  • مقدمه: خدمات هوش مصنوعی مدیریت شده AWS Intro: AWS Managed AI Services

  • چرا خدمات مدیریت شده AWS؟ Why AWS Managed Services?

  • آمازون درک Amazon Comprehend

  • Amazon Comprehend - Hands On Amazon Comprehend - Hands On

  • ترجمه آمازون Amazon Translate

  • ترجمه آمازون - Hands On Amazon Translate - Hands On

  • رونویسی آمازون Amazon Transcribe

  • رونویسی آمازون - Hands On Amazon Transcribe - Hands On

  • آمازون پولی Amazon Polly

  • Amazon Polly - Hands On Amazon Polly - Hands On

  • شناسایی آمازون Amazon Rekognition

  • آمازون شناخت - دست در دست Amazon Rekognition - Hands On

  • پیش بینی آمازون Amazon Forecast

  • آمازون لکس Amazon Lex

  • آمازون لکس - Hands On Amazon Lex - Hands On

  • شخصی سازی آمازون Amazon Personalize

  • متن آمازون Amazon Textract

  • متن آمازون - Hands On Amazon Textract - Hands On

  • آمازون کندرا Amazon Kendra

  • هوش مصنوعی آمازون افزوده شده است Amazon Augmented AI

  • هوش مصنوعی افزوده شده آمازون - Hands On Amazon Augmented AI - Hands On

  • سخت افزار آمازون برای هوش مصنوعی Amazon's Hardware for AI

  • سخت افزار آمازون برای هوش مصنوعی - Hands On Amazon's Hardware for AI - Hands On

  • مواظب آمازون Amazon Lookout

  • ردیاب تقلب آمازون Amazon Fraud Detector

  • آمازون Q Business Amazon Q Business

  • Amazon Q Business - Hands On Amazon Q Business - Hands On

  • برنامه های آمازون Q Amazon Q Apps

  • آمازون Q Apps - Hands On Amazon Q Apps - Hands On

  • Amazon Q Business - Hands On - Cleanup Amazon Q Business - Hands On - Cleanup

  • توسعه دهنده آمازون Q Amazon Q Developer

  • توسعه دهنده Amazon Q - Hands On Amazon Q Developer - Hands On

  • آزمون: خدمات هوش مصنوعی مدیریت شده AWS Quiz: AWS Managed AI Services

الگوریتم های داخلی SageMaker SageMaker Built-In Algorithms

  • مقدمه: الگوریتم های داخلی SageMaker Intro: SageMaker Built-In Algorithms

  • معرفی Amazon SageMaker Introducing Amazon SageMaker

  • حالت های ورودی SageMaker SageMaker Input Modes

  • یادگیرنده خطی در SageMaker Linear Learner in SageMaker

  • XGBoost در SageMaker XGBoost in SageMaker

  • LightGBM در SageMaker LightGBM in SageMaker

  • Seq2Seq در SageMaker Seq2Seq in SageMaker

  • DeepAR در SageMaker DeepAR in SageMaker

  • BlazingText در SageMaker BlazingText in SageMaker

  • Object2Vec در SageMaker Object2Vec in SageMaker

  • تشخیص اشیا در SageMaker Object Detection in SageMaker

  • طبقه بندی تصاویر در SageMaker Image Classification in SageMaker

  • تقسیم بندی معنایی در SageMaker Semantic Segmentation in SageMaker

  • جنگل برش تصادفی در SageMaker Random Cut Forest in SageMaker

  • مدل موضوع عصبی در SageMaker Neural Topic Model in SageMaker

  • تخصیص دیریکله نهفته (LDA) در SageMaker Latent Dirichlet Allocation (LDA) in SageMaker

  • K-Nearest-Neighbors (KNN) در SageMaker K-Nearest-Neighbors (KNN) in SageMaker

  • K-Means Clustering در SageMaker K-Means Clustering in SageMaker

  • تجزیه و تحلیل اجزای اصلی (PCA) در SageMaker Principal Component Analysis (PCA) in SageMaker

  • ماشین های فاکتورسازی در SageMaker Factorization Machines in SageMaker

  • بینش IP در SageMaker IP Insights in SageMaker

  • آزمون: الگوریتم های داخلی SageMaker Quiz: SageMaker Built-In Algorithms

آموزش مدل، تنظیم و ارزیابی Model Training, Tuning, and Evaluation

  • مقدمه: آموزش مدل، تنظیم و ارزیابی Intro: Model Training, Tuning, and Evaluation

  • مقدمه ای بر یادگیری عمیق Introduction to Deep Learning

  • توابع فعال سازی Activation Functions

  • شبکه های عصبی کانولوشنال Convolutional Neural Networks

  • شبکه های عصبی مکرر Recurrent Neural Networks

  • تنظیم شبکه های عصبی Tuning Neural Networks

  • تکنیک‌های منظم‌سازی برای شبکه‌های عصبی (ترک، توقف زودهنگام) Regularization Techniques for Neural Networks (Dropout, Early Stopping)

  • تنظیم L1 و L2 L1 and L2 Regularization

  • مشکل گرادیان ناپدید شدن The Vanishing Gradient Problem

  • ماتریس سردرگمی The Confusion Matrix

  • دقت، فراخوان، F1، AUC، و بیشتر Precision, Recall, F1, AUC, and more

  • RMSE، R-squared، MAE RMSE, R-squared, MAE

  • روش های مجموعه: کیسه کشی و تقویت Ensemble Methods: Bagging and Boosting

  • تنظیم خودکار مدل (AMT) در SageMaker Automatic Model Tuning (AMT) in SageMaker

  • تنظیم فراپارامتر در AMT Hyperparameter Tuning in AMT

  • SageMaker Autopilot/AutoML SageMaker Autopilot / AutoML

  • SageMaker Studio، SageMaker Experiments SageMaker Studio, SageMaker Experiments

  • SageMaker Debugger SageMaker Debugger

  • رجیستری مدل SageMaker SageMaker Model Registry

  • تجزیه و تحلیل مشاغل آموزشی با TensorBoard Analyzing Training Jobs with TensorBoard

  • آموزش SageMaker در مقیاس بزرگ: Training Compiler، Warm Pools SageMaker Training at Large Scale: Training Compiler, Warm Pools

  • SageMaker Checkpointing، Cluster Health Check، Restart خودکار SageMaker Checkpointing, Cluster Health Checks, Automatic Restarts

  • SageMaker کتابخانه های آموزشی توزیع شده و موازی سازی داده های توزیع شده SageMaker Distributed Training Libraries and Distributed Data Parallelism

  • کتابخانه موازی مدل SageMaker SageMaker Model Parallelism Library

  • آداپتور پارچه ای الاستیک (EFA) و MiCS Elastic Fabric Adapter (EFA) and MiCS

  • آزمون: تنظیم مدل، آموزش، و ارزیابی Quiz: Model Tuning, Training, and Evaluation

مبانی مدل هوش مصنوعی مولد Generative AI Model Fundamentals

  • مقدمه: مبانی مدل هوش مصنوعی مولد Intro: Generative AI Model Fundamentals

  • معماری ترانسفورماتور The Transformer Architecture

  • شبکه های عصبی مبتنی بر توجه و توجه به خود Self-Attention and Attention-Based Neural Networks

  • کاربردهای ترانسفورماتورها Applications of Transformers

  • ترانسفورماتورهای از پیش آموزش دیده مولد: چگونه کار می کنند، قسمت 1 Generative Pre-Trained Transformers: How they Work, Part 1

  • ترانسفورماتورهای از پیش آموزش دیده مولد: چگونه کار می کنند، قسمت 2 Generative Pre-Trained Transformers: How they Work, Part 2

  • شرایط و کنترل های کلیدی LLM (توکن ها، جاسازی ها، دما و غیره) LLM Key Terms and Controls (tokens, embeddings, temperature, etc.)

  • تنظیم دقیق و آموزش انتقال با ترانسفورماتورها Fine-Tuning and Transfer Learning with Transformers

  • آزمایشگاه: رمزگذاری و رمزگذاری موقعیت با نوت بوک های SageMaker Lab: Tokenization and Positional Encoding with SageMaker Notebooks

  • آزمایشگاه: توجه به خود چند سر، ماسک شده در SageMaker Lab: Multi-Headed, Masked Self-Attention in SageMaker

  • آزمایشگاه: استفاده از GPT در نوت بوک SageMaker Lab: Using GPT within a SageMaker Notebook

  • AWS Foundation Models و SageMaker JumpStart با Generative AI AWS Foundation Models and SageMaker JumpStart with Generative AI

  • آزمایشگاه: استفاده از Amazon SageMaker JumpStart با Huggingface Lab: Using Amazon SageMaker JumpStart with Huggingface

  • آزمون: مبانی مدل هوش مصنوعی مولد Quiz: Generative AI Model Fundamentals

ساخت برنامه های کاربردی هوش مصنوعی با Bedrock Building Generative AI Applications with Bedrock

  • مقدمه: ساخت برنامه های کاربردی هوش مصنوعی با Bedrock Intro: Building Generative AI Applications with Bedrock

  • ساخت هوش مصنوعی مولد با مدل‌های پایه و پایه آمازون Building Generative AI with Amazon Bedrock and Foundation Models

  • آزمایشگاه: مدل‌های بنیاد چت، متن و تصویر در زمین بازی بستر Lab: Chat, Text, and Image Foundation Models in the Bedrock Playground

  • تنظیم دقیق مدل‌های سفارشی و پیش‌آموزش مداوم با بستر Fine-Tuning Custom Models and Continuous Pre-Training with Bedrock

  • اصول بازیابی-افزوده شده (RAG) با بستر Retrieval-Augmented Generation (RAG) Fundamentals with Bedrock

  • وکتور فروشگاه ها و جاسازی ها با پایگاه های دانش بستر آمازون Vector Stores and Embeddings with Amazon Bedrock Knowledge Bases

  • پیاده سازی RAG با پایگاه های دانش آمازون بستر Implementing RAG with Amazon Bedrock Knowledge Bases

  • آزمایشگاه: ساخت و پرس و جو یک سیستم RAG با پایگاه های دانش آمازون بستر Lab: Building and Querying a RAG System with Amazon Bedrock Knowledge Bases

  • ضمیمه: استراتژی های تکه تکه شدن جدید در بستر Addendum: New chunking strategies in Bedrock

  • فیلتر کردن محتوا با نرده‌های حفاظ بستر آمازون Content Filtering with Amazon Bedrock Guardrails

  • آزمایشگاه: ساخت و آزمایش حفاظ ها با آمازون بستر Lab: Building and Testing Guardrails with Amazon Bedrock

  • Building LLM Agents/Agentic AI با آمازون Bedrock Agents Building LLM Agents / Agentic AI with Amazon Bedrock Agents

  • آزمایشگاه: ساخت یک عامل بستر با گروه‌های اقدام، پایگاه‌های دانش، و حفاظ‌ها Lab: Build a Bedrock Agent with Action Groups, Knowledge Bases, and Guardrails

  • سایر ویژگی های Amazon Bedrock (ارزیابی مدل، استودیو بستر، واترمارک) Other Amazon Bedrock Features (Model Evaluation, Bedrock Studio, Watermarks)

  • مسابقه: توسعه برنامه های کاربردی هوش مصنوعی با Bedrock Quiz: Developing Generative AI Applications with Bedrock

عملیات یادگیری ماشین (MLOps) با AWS Machine Learning Operations (MLOps) with AWS

  • مقدمه: MLOps Intro: MLOps

  • استقرار گاردریل ها و آزمایش های سایه Deployment Guardrails and Shadow Tests

  • جزئیات داخلی SageMaker و انواع تولید SageMaker's Inner Details and Production Variants

  • SageMaker On the Edge: SageMaker Neo و IoT Greengrass SageMaker On the Edge: SageMaker Neo and IoT Greengrass

  • مدیریت منابع SageMaker: انواع نمونه و آموزش نقطه ای SageMaker Resource Management: Instance Types and Spot Training

  • مدیریت منابع SageMaker: مقیاس بندی خودکار SageMaker Resource Management: Automatic Scaling

  • SageMaker: استقرار مدل‌ها برای استنتاج SageMaker: Deploying Models for Inference

  • SageMaker Serverless Inference and Inference Recommender SageMaker Serverless Inference and Inference Recommender

  • SageMaker Inference Pipelines SageMaker Inference Pipelines

  • مانیتور مدل SageMaker SageMaker Model Monitor

  • مدل مانیتور گرفتن داده ها Model Monitor Data Capture

  • MLO با SageMaker، Kubernetes، SageMaker Projects، و SageMaker Pipelines MLOps with SageMaker, Kubernetes, SageMaker Projects, and SageMaker Pipelines

  • داکر چیست؟ What is Docker?

  • آمازون ECS Amazon ECS

  • Amazon ECS - ایجاد خوشه - Hands On Amazon ECS - Create Cluster - Hands On

  • آمازون ECS - ایجاد سرویس - Hands On Amazon ECS - Create Service - Hands On

  • آمازون ECR Amazon ECR

  • آمازون EKS Amazon EKS

  • Amazon EKS - Hands On Amazon EKS - Hands On

  • AWS CloudFormation AWS CloudFormation

  • AWS CloudFormation - Hands On AWS CloudFormation - Hands On

  • AWS CDK AWS CDK

  • AWS CDK - Hands On AWS CDK - Hands On

  • AWS CodeDeploy AWS CodeDeploy

  • AWS CodeBuild AWS CodeBuild

  • AWS CodePipeline AWS CodePipeline

  • Git Review: Architecture and Commands Git Review: Architecture and Commands

  • Gitflow، GitHub Flow Gitflow, GitHub Flow

  • پل رویداد آمازون Amazon EventBridge

  • Amazon EventBridge - Hands On Amazon EventBridge - Hands On

  • توابع مرحله AWS AWS Step Functions

  • توابع مرحله ای AWS: ماشین های حالت و حالت ها AWS Step Functions: State Machines and States

  • آمازون جریان های کاری را برای Apache Airflow (MWAA) مدیریت کرد Amazon Managed Workflows for Apache Airflow (MWAA)

  • آزمون: MLOps Quiz: MLOps

امنیت، هویت و انطباق Security, Identity, and Compliance

  • مقدمه: امنیت، هویت و انطباق Intro: Security, Identity, and Compliance

  • اصل کمترین امتیاز Principle of Least Privilege

  • پوشش داده ها و ناشناس سازی Data Masking and Anonymization

  • SageMaker Security: رمزگذاری در حالت استراحت و در حال انتقال SageMaker Security: Encryption at Rest and in Transit

  • SageMaker Security: VPC، IAM، Logging و Monitoring SageMaker Security: VPC's, IAM, Logging and Monitoring

  • IAM مقدمه: کاربران، گروه ها، سیاست ها IAM Introduction: Users, Groups, Policies

  • کاربران و گروه‌های IAM - Hands On IAM Users & Groups - Hands On

  • سیاست های IAM IAM Policies

  • سیاست های IAM - Hands On IAM Policies - Hands On

  • IAM MFA IAM MFA

  • IAM MFA - Hands On IAM MFA - Hands On

  • نقش های IAM IAM Roles

  • نقش های IAM - Hands On IAM Roles - Hands On

  • رمزگذاری 101 Encryption 101

  • AWS KMS AWS KMS

  • AWS KMS - Hands On AWS KMS - Hands On

  • آمازون مکی Amazon Macie

  • مدیر اسرار AWS AWS Secrets Manager

  • AWS Secrets Manager - Hands On AWS Secrets Manager - Hands On

  • AWS WAF AWS WAF

  • سپر AWS AWS Shield

  • VPC، زیرشبکه ها، دروازه اینترنت، دروازه NAT VPC, Subnets, Internet Gateway, NAT Gateway

  • NACL، گروه‌های امنیتی، گزارش‌های جریان VPC NACL, Security Groups, VPC Flow Logs

  • VPC Peering، Endpoints، VPN، Direct Connect VPC Peering, Endpoints, VPN, Direct Connect

  • برگه تقلب VPC و نظرات پایانی VPC Cheat Sheet & Closing Comments

  • AWS PrivateLink AWS PrivateLink

  • آزمون: امنیت، هویت و انطباق Quiz: Security, Identity, and Compliance

مدیریت و حکمرانی Management and Governance

  • مقدمه: مدیریت و حکمرانی Intro: Management and Governance

  • Amazon CloudWatch - متریک Amazon CloudWatch - Metrics

  • Amazon CloudWatch - سیاههها Amazon CloudWatch - Logs

  • Amazon CloudWatch - Logs - Hands On Amazon CloudWatch - Logs - Hands On

  • Amazon CloudWatch - Logs Unified Agent Amazon CloudWatch - Logs Unified Agent

  • Amazon CloudWatch - هشدارها Amazon CloudWatch - Alarms

  • Amazon CloudWatch - هشدارها - Hands On Amazon CloudWatch - Alarms - Hands On

  • AWS X-Ray AWS X-Ray

  • AWS X-Ray - Hands On AWS X-Ray - Hands On

  • مروری بر Amazon Quicksight Overview of Amazon Quicksight

  • انواع تجسم و زمان استفاده از آنها Types of Visualizations, and When to Use Them

  • Amazon CloudTrail Amazon CloudTrail

  • Amazon CloudTrail - Hands On Amazon CloudTrail - Hands On

  • پیکربندی AWS AWS Config

  • AWS Config - Hands On AWS Config - Hands On

  • CloudWatch در مقابل CloudTrail در مقابل Config CloudWatch vs. CloudTrail vs. Config

  • بودجه های AWS AWS Budgets

  • بودجه های AWS - دست در دست AWS Budgets - Hands On

  • AWS Cost Explorer AWS Cost Explorer

  • مشاور مورد اعتماد AWS AWS Trusted Advisor

  • آزمون: مدیریت و حکمرانی Quiz: Management and Governance

بهترین روش های یادگیری ماشینی Machine Learning Best Practices

  • مقدمه: بهترین روش های یادگیری ماشین Intro: Machine Learning Best Practices

  • طراحی سیستم های ML با AWS: هوش مصنوعی مسئول Designing ML Systems with AWS: Responsible AI

  • اصول طراحی ML و چرخه حیات ML Design Principles and Lifecycle

  • شناسایی هدف کسب و کار ML ML Business Goal Identification

  • قاب بندی مشکل ML Framing the ML Problem

  • پردازش داده ها Data Processing

  • توسعه مدل Model Development

  • استقرار Deployment

  • نظارت Monitoring

  • لنز یادگیری ماشینی با معماری خوب AWS AWS Well-Architected Machine Learning Lens

  • آزمون: بهترین روش های یادگیری ماشین Quiz: Machine Learning Best Practices

تست تمرین Practice Test

  • آزمون تمرینی 20 سؤالی: مهندس AWS دارای گواهینامه یادگیری ماشین - Associate MLA-C01 20-Question Practice Exam: AWS Certified Machine Learning Engineer - Associate MLA-C01

بسته بندی Wrapping Up

  • مقدمه: جمع بندی Intro: Wrapping Up

  • مروری بر راهنمای آزمون Walkthrough of the Exam Guide

  • منابع آموزشی اضافی Additional Training Resources

  • مروری بر انواع سؤالات جدید (ترتیب، تطبیق، مطالعه موردی) Overview of the New Question Types (Ordering, Matching, Case Study)

  • انتظار چه چیزی What to Expect

  • راهنمای آزمون و ثبت نام Exam Walkthrough and Signup

  • 50٪ در هزینه آزمون AWS خود صرفه جویی کنید! Save 50% on your AWS Exam Cost!

  • 30 دقیقه اضافی در آزمون AWS خود دریافت کنید - فقط انگلیسی زبانان غیر بومی Get an Extra 30 Minutes on your AWS Exam - Non Native English Speakers Only

  • مسیرهای صدور گواهینامه AWS AWS Certification Paths

  • سخنرانی پاداش Bonus Lecture

نمایش نظرات

Udemy (یودمی)

یودمی یکی از بزرگ‌ترین پلتفرم‌های آموزشی آنلاین است که به میلیون‌ها کاربر در سراسر جهان امکان دسترسی به دوره‌های متنوع و کاربردی را فراهم می‌کند. این پلتفرم امکان آموزش در زمینه‌های مختلف از فناوری اطلاعات و برنامه‌نویسی گرفته تا زبان‌های خارجی، مدیریت، و هنر را به کاربران ارائه می‌دهد. با استفاده از یودمی، کاربران می‌توانند به صورت انعطاف‌پذیر و بهینه، مهارت‌های جدیدی را یاد بگیرند و خود را برای بازار کار آماده کنند.

یکی از ویژگی‌های برجسته یودمی، کیفیت بالای دوره‌ها و حضور استادان مجرب و با تجربه در هر حوزه است. این امر به کاربران اعتماد می‌دهد که در حال دریافت آموزش از منابع قابل اعتماد و معتبر هستند و می‌توانند به بهترین شکل ممکن از آموزش‌ها بهره ببرند. به طور خلاصه، یودمی به عنوان یکی از معتبرترین و موثرترین پلتفرم‌های آموزشی آنلاین، به افراد امکان می‌دهد تا به راحتی و با کیفیت، مهارت‌های مورد نیاز خود را ارتقا دهند و به دنبال رشد و پیشرفت شغلی خود باشند.

دانشیار مهندس یادگیری ماشین دارای گواهینامه AWS: آماده باشید!
جزییات دوره
23 hours
287
Udemy (یودمی) Udemy (یودمی)
(آخرین آپدیت)
5,325
4.7 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

Frank Kane Frank Kane

یادگیری ماشین و داده های بزرگ، آمازون سابق

فرانک 9 سال را در آمازون و IMDb گذراند و فناوری را توسعه و مدیریت کرد که به طور خودکار توصیه های محصول و فیلم را به صدها میلیون مشتری ارائه می دهد. زمان. فرانک دارای 17 حق ثبت اختراع صادر شده در زمینه های محاسبات توزیع شده ، داده کاوی و یادگیری ماشین است. در سال 2012، فرانک شرکت موفق خود را به نام Sundog Software راه اندازی کرد که بر فناوری محیط واقعیت مجازی تمرکز دارد و به دیگران در مورد تجزیه و تحلیل داده های بزرگ آموزش می دهد.

Sundog Education by Frank Kane Sundog Education by Frank Kane

بنیانگذار ، آموزش Sundog. یادگیری ماشینی ماموریت ProSundog Education این است که مهارتهای شغلی بسیار ارزشمندی را در داده های بزرگ ، علوم داده و یادگیری ماشینی در دسترس همه افراد در جهان قرار دهد. کنسرسیوم مربیان متخصص ما ، دانش ما را در این زمینه های نوظهور با قیمت هایی که هرکس می تواند تحمل کند ، در اختیار شما قرار می دهد. Sundog Education توسط فرانک کین هدایت می شود و متعلق به شرکت فرانک ، Sundog Software LLC است. فرانک 9 سال را در آمازون و IMDb سپری کرد و فناوری را توسعه داد و به طور مداوم توصیه های محصول و فیلم را به صدها میلیون مشتری ارائه داد. فرانک دارای 17 اختراع ثبت شده در زمینه محاسبات توزیع شده ، داده کاوی و یادگیری ماشین است. در سال 2012 ، فرانك رفت و شركت موفق خود ، Sundog Software را كه متمركز بر فناوري محيط واقعيت مجازي است و به ديگران در مورد تجزيه و تحليل داده هاي بزرگ مي پردازد ، راه اندازي كرد. با توجه به تعداد دانشجویان ما قادر به پاسخگویی به پیامهای خصوصی نیستیم. لطفا سوالات خود را در پرسش و پاسخ دوره خود ارسال کنید. ممنون از اینکه میفهمی.

Stephane Maarek  AWS Certified Cloud Practitioner,Solutions Architect,Developer Stephane Maarek AWS Certified Cloud Practitioner,Solutions Architect,Developer

مربی پرفروش، دارای گواهینامه AWS 10x، گورو کافکا