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

دانلود AWS Certified AI Practitioner (AIF-C01)

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: دوره AWS Certified AI Practitioner (AIF-C01) یک منبع جامع برای آمادگی در آزمون جدید گواهینامه AWS با کد AIF-C01 است. چاد اسمیت، مدرس و نویسنده با تجربه، تمامی مفاهیم و اهداف آزمون را پوشش داده و شما را برای مطالعه‌ای موثر و دستیابی به موفقیت تجهیز می‌کند. این دوره شامل بحث‌هایی درباره انواع مختلف یادگیری ماشین (Machine Learning)، هوش مصنوعی (AI) و موارد استفاده تجاری برای هر یک است. در این دوره بینش‌های عمیقی درباره هوش مصنوعی مسئولانه، از جمله توسعه سیستم‌های اخلاقی و مدل‌های قابل توضیح به دست خواهید آورد. همچنین با امنیت، انطباق (Compliance)، حاکمیت داده‌ها و روش‌های ایمن‌سازی راهکارهای AI آشنا می‌شوید. هر مبحث اصلی با دو سوال تمرینی برای سنجش دانش شما به پایان می‌رسد.

سرفصل ها و درس ها

ماژول ۱: مبانی آزمون Module 1: Exam Foundation

  • معرفی ماژول Module Introduction

  • اهداف یادگیری Learning objectives

  • مقدمه Introduction

  • شرح داوطلبان هدف Target Candidate Description

  • محتوای آزمون Exam Content

  • دامنه سوالات آزمون Exam Question Domains

ماژول ۲: مفاهیم پایه هوش مصنوعی و یادگیری ماشین Module 2: Fundamentals of AI and ML

  • معرفی ماژول Module Introduction

  • اهداف یادگیری Learning objectives

  • اصطلاحات پایه هوش مصنوعی Basic AI Terminology

  • مقدمه‌ای بر یادگیری ماشین Introduction to Machine Learning

  • مقدمه‌ای بر یادگیری عمیق Introduction to Deep Learning

  • تحلیل سوالات ۱ Question Breakdown 1

  • تحلیل سوالات ۲ Question Breakdown 2

  • اهداف یادگیری Learning objectives

  • الگوها و ضد-الگوهای AI AI Patterns and Anti-patterns

  • تکنیک‌های یادگیری ماشین ML Techniques

  • کاربردهای واقعی هوش مصنوعی Real-world AI Applications

  • سرویس‌های مدیریت شده AI/ML در AWS AWS Managed AI/ML Services

  • تحلیل سوالات ۱ Question Breakdown 1

  • تحلیل سوالات ۲ Question Breakdown 2

  • اهداف یادگیری Learning objectives

  • اجزای خط لوله (Pipeline) یادگیری ماشین ML Pipeline Components

  • منابع مدل‌های ML و انواع استقرار ML Model Sources and Deployment Types

  • مقدمه‌ای بر ML Ops Introduction to ML Ops

  • سرویس‌های خط لوله ML در AWS AWS ML Pipeline Services

  • معیارهای ارزیابی عملکرد مدل ML ML Model Performance Metrics

  • تحلیل سوالات ۱ Question Breakdown 1

  • تحلیل سوالات ۲ Question Breakdown 2

ماژول ۳: مبانی هوش مصنوعی زایشی Module 3: Fundamentals of Generative AI

  • معرفی ماژول Module Introduction

  • اهداف یادگیری Learning objectives

  • اصطلاحات پایه هوش مصنوعی زایشی Basic Generative AI Terminology

  • موارد استفاده از Generative AI Generative AI Use Cases

  • چرخه عمر مدل‌های پایه Foundation Model Lifecycle

  • تحلیل سوالات ۱ Question Breakdown 1

  • تحلیل سوالات ۲ Question Breakdown 2

  • اهداف یادگیری Learning objectives

  • مزایای هوش مصنوعی زایشی Generative AI Advantages

  • معایب هوش مصنوعی زایشی Generative AI Disadvantages

  • درخت تصمیم برای انتخاب مدل Model Selection Decision Tree

  • ارزش تجاری و معیارهای Generative AI Generative AI Business Value and Metrics

  • تحلیل سوالات ۱ Question Breakdown 1

  • تحلیل سوالات ۲ Question Breakdown 2

  • اهداف یادگیری Learning objectives

  • سرویس‌ها و قابلیت‌های Generative AI در AWS AWS Generative AI Services and Features

  • مزایا و فواید Generative AI در AWS AWS Generative AI Advantages and Benefits

  • بررسی هزینه‌ها و توازن در Generative AI AWS AWS Generative AI Cost Tradeoffs

  • تحلیل سوالات ۱ Question Breakdown 1

  • تحلیل سوالات ۲ Question Breakdown 2

ماژول ۴: کاربردهای مدل‌های پایه (Foundation Models) Module 4: Applications of Foundation Models

  • معرفی ماژول Module Introduction

  • اهداف یادگیری Learning objectives

  • معیارهای انتخاب مدل‌های پیش‌آموزش‌دیده Pre-trained Model Selection Criteria

  • پارامترهای استنتاج مدل (Inference) Model Inference Parameters

  • مقدمه‌ای بر RAG (تولید تقویت شده با بازیابی) Introduction to RAG

  • مقدمه‌ای بر پایگاه‌های داده برداری (Vector Databases) Introduction to Vector Databases

  • سرویس پایگاه داده برداری AWS AWS Vector Database Service

  • هزینه‌ها و توازن در شخصی‌سازی مدل‌های پایه Foundation Model Customization Cost Tradeoffs

  • عامل‌های هوش مصنوعی زایشی (AI Agents) Generative AI Agents

  • تحلیل سوالات ۱ Question Breakdown 1

  • تحلیل سوالات ۲ Question Breakdown 2

  • اهداف یادگیری Learning objectives

  • معیارهای ارزیابی و عملکرد مدل‌های پایه Foundation Model Performance Metrics and Evaluation

  • معیارهای اهداف تجاری مدل‌های پایه Foundation Model Business Objective Criteria

  • تحلیل سوالات ۱ Question Breakdown 1

  • تحلیل سوالات ۲ Question Breakdown 2

  • اهداف یادگیری Learning objectives

  • آموزش مدل‌های پایه Foundation Model Training

  • تنظیم دقیق (Fine-tuning) مدل‌های پایه Foundation Model Fine-tuning

  • آماده‌سازی داده‌های مدل پایه Foundation Model Data Preparation

  • تحلیل سوالات ۱ Question Breakdown 1

  • تحلیل سوالات ۲ Question Breakdown 2

  • اهداف یادگیری Learning objectives

  • گردش کار پرامپت (Prompt Workflow) Prompt Workflow

  • مفاهیم مهندسی پرامپت Prompt Engineering Concepts

  • تکنیک‌های مهندسی پرامپت Prompt Engineering Techniques

  • بهترین روش‌های مهندسی پرامپت Prompt Engineering Best Practices

  • ریسک‌ها و محدودیت‌های مهندسی پرامپت Prompt Engineering Risks and Limitations

  • تحلیل سوالات ۱ Question Breakdown 1

  • تحلیل سوالات ۲ Question Breakdown 2

ماژول ۵: راهکارهای امن و مسئولانه هوش مصنوعی Module 5: Responsible and Secure AI Solutions

  • معرفی ماژول Module Introduction

  • اهداف یادگیری Learning objectives

  • قابلیت‌های هوش مصنوعی مسئولانه Responsible AI Features

  • ابزارهای AI مسئولانه در AWS AWS Responsible AI Tools

  • روش‌های انتخاب مدل برای AI مسئولانه Responsible AI Model Selection Practices

  • ریسک‌های قانونی هوش مصنوعی زایشی Generative AI Legal Risks

  • ویژگی‌های مجموعه داده‌های AI AI Dataset Characteristics

  • سوگیری (Bias) و واریانس در AI AI Bias and Variance

  • ابزارهای تشخیص سوگیری AI در AWS AWS AI Bias Detection Tools

  • تحلیل سوالات ۱ Question Breakdown 1

  • تحلیل سوالات ۲ Question Breakdown 2

  • اهداف یادگیری Learning objectives

  • تعاریف شفافیت و توضیح‌پذیری Transparency and Explainability Definitions

  • ابزارهای شفافیت و توضیح‌پذیری در AWS AWS Transparency and Explainability Tools

  • توازن بین ایمنی و شفافیت مدل AI AI Model Safety and Transparency Tradeoffs

  • اصول طراحی AI انسان‌محور Human-centered AI Design Principles

  • تحلیل سوالات ۱ Question Breakdown 1

  • تحلیل سوالات ۲ Question Breakdown 2

  • اهداف یادگیری Learning objectives

  • سرویس‌ها و قابلیت‌های امنیتی AI در AWS AWS AI Security Services and Features

  • ارجاعات داده‌ها و مستندات منشاء Data Citations and Origin Documentation

  • بهترین روش‌های مهندسی داده‌های امن Secure Data Engineering Best Practices

  • ملاحظات امنیتی و حریم خصوصی در AI AI Security and Privacy Considerations

  • تحلیل سوالات ۱ Question Breakdown 1

  • تحلیل سوالات ۲ Question Breakdown 2

  • اهداف یادگیری Learning objectives

  • سرویس‌های حاکمیتی و انطباق در AWS AWS Governance and Compliance Services

  • استراتژی‌های حاکمیت داده‌ها Data Governance Strategies

  • پروتکل‌های حاکمیتی و استانداردهای انطباق Governance Protocols and Compliance Standards

  • تحلیل سوالات ۱ Question Breakdown 1

  • تحلیل سوالات ۲ Question Breakdown 2

  • جمع‌بندی دوره Course Summary

نمایش نظرات

آموزش دوره جامع گواهینامه AWS Certified AI Practitioner (AIF-C01)
جزییات دوره
13h 42m
110
(آخرین آپدیت)
1,325
4.8 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