آموزش دوره جامع معمار راهکارهای هوش مصنوعی ابری (CCASA) [ویدئویی] - آخرین آپدیت

دانلود Certified Cloud AI Solutions Architect (CCASA) Complete Course [Video]

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: این دوره جامع برای آماده‌سازی شما جهت دریافت گواهینامه معمار راهکارهای هوش مصنوعی ابری (CCASA) طراحی شده است. با شروع از معرفی مفاهیم پایه هوش مصنوعی و یادگیری ماشین، زیربنایی محکم در مفاهیم کلیدی AI/ML مانند یادگیری عمیق (Deep Learning)، پردازش زبان طبیعی (NLP) و هوش مصنوعی مولد (Generative AI) بنا خواهید کرد. شما اهمیت هوش مصنوعی در کسب‌وکار و چهار ستون استراتژی AI را بررسی خواهید کرد تا درک کنید چگونه فناوری‌های AI/ML ارزش افزوده برای شرکت‌ها ایجاد می‌کنند. سپس دوره به حوزه مهندسی راهکار می‌پردازد و به شما می‌آموزد چگونه معماری‌های هوش مصنوعی مقیاس‌پذیر مبتنی بر ابر طراحی کنید، مراحل پیش‌فروش و توسعه پروپوزال را مدیریت نمایید و پاسخ‌های برنده برای RFPها (درخواست پیشنهاد) بنویسید. همچنین یاد می‌گیرید چگونه با مشتریان تعامل داشته باشید، الزامات تدارکاتی را مدیریت کنید و هزینه‌های راهکارهای AI را بهینه نمایید. در این بخش بر زیرساخت‌های ابری، APIها و راهکارهای متناسب با ابر (Cloud-fit) تأکید می‌شود. در بخش مدیریت ارتباط با مشتری، نحوه ایجاد روابط بلندمدت، مدیریت اعتراضات و جایگاه‌سازی مؤثر راهکارهای AI را خواهید آموخت. همچنین تکنیک‌های تبدیل شدن به یک مشاور مورد اعتماد، بهبود تعامل با مشتری و ارائه پیشنهادهای ارزش‌محور را پوشش خواهید داد. در پایان دوره، شما دانش و مهارت‌های لازم برای موفقیت در آزمون CCASA و دنبال کردن مسیر شغلی به عنوان معمار راهکارهای هوش مصنوعی ابری را کسب خواهید کرد. - درک مفاهیم اصلی AI/ML و کاربردهای آن‌ها در راهکارهای ابری - طراحی و پیاده‌سازی راهکارهای هوش مصنوعی مقیاس‌پذیر با استفاده از سرویس‌های ابری مانند AWS، Google Cloud و Azure - توسعه استراتژی‌های مؤثر AI/ML همسو با اهداف کسب‌وکار - تسلط بر مهندسی پیش‌فروش و توسعه پروپوزال برای پروژه‌های راهکار AI - ایجاد روابط بلندمدت با مشتریان و جایگاه‌سازی مؤثر راهکارهای هوش مصنوعی - آمادگی کامل برای آزمون گواهینامه CCASA با دانش جامع از AI ابری این دوره برای متقاضیان جایگاه معمار راهکارهای هوش مصنوعی ابری، متخصصان AI و هر کسی که علاقه‌مند به دریافت گواهینامه CCASA است، در نظر گرفته شده است. این دوره برای افرادی با پیش‌زمینه در AI، رایانش ابری یا مهندسی راهکار که به دنبال ارتقای تخصص خود در معماری‌های AI، راهکارهای ابری و مدیریت مشتری هستند، مناسب است. هیچ پیش‌نیاز گواهینامه‌ای وجود ندارد، هرچند آشنایی با مفاهیم پایه AI/ML و فناوری‌های ابری مفید خواهد بود. - پوشش عمیق مبانی AI/ML و تکنیک‌های یکپارچه‌سازی ابری - نمایش‌های عملی از معماری‌های واقعی راهکارهای AI و APIهای ابری - استراتژی‌های تخصصی برای مدیریت ارتباط با مشتری و توسعه پروپوزال

سرفصل ها و درس ها

معرفی دوره Course Introduction

  • تریلر دوره Course Trailer

  • مرور کلی دوره Course Overview

  • چرا آزمون و دوره CCASA را بگذرانیم؟ Why Take the CCASA Exam and Course

  • اهداف آزمون Exam Objectives

  • بحث: اهمیت هوش مصنوعی و مهندسی راهکار Discussion - The Importance of AI & Solutions Engineering

  • دانلود منابع دوره Download Course Resources

دامنه 1: مبانی AI/ML Domain 1: AI/ML Fundamentals

  • مبانی AI/ML AI/ML Fundamentals

  • مفاهیم کلیدی Core Concepts

  • هوش مصنوعی (AI) و یادگیری ماشین (ML) چیستند؟ What is AI and ML

  • یادگیری عمیق (Deep Learning) چیست؟ What is Deep Learning

  • انواع یادگیری ماشین کدامند؟ What Are Machine Learning Types

  • مقایسه و تفاوت AI و ML Compare and Contrast AI and ML

  • هوش مصنوعی مولد، پیش‌بین، عامل‌محور و سایرین Generative AI, Predictive AI, Agentic AI, and Others

  • پردازش زبان طبیعی (NLP) Natural Language Processing (NLP)

  • کتابخانه‌های متن‌باز Open-source Libraries

  • درک الگوریتم‌ها Understanding Algorithms

  • زبان‌های برنامه‌نویسی (با تمرکز بر AI) Programming Languages (AI Focused)

  • تخته سفید: نحوه عملکرد AI در سطح کلی (مثال گوگل) Whiteboard - How AI Works 10,000 Foot Level (Google Example)

  • ارزش پیشنهادی AI/ML AI/ML Value Proposition

  • مزایای راهکارهای AI/ML برای کسب‌وکارها Benefits of AI/ML Solutions for Businesses

  • هوش مصنوعی در فرآیندهای کسب‌وکار AI in Business Processes

  • چالش‌ها و محدودیت‌های پذیرش AI/ML AI/ML Adoption Challenges and Limitations

  • چهار ستون استراتژی AI 4 Pillars of AI Strategy

  • توضیح اهمیت داده‌ها در راهکارهای AI/ML Explain the Importance of Data in AI/ML Solutions

  • منابع داده و APIها برای AI/ML Data Sources and APIs for AI/ML

  • تخته سفید: ارائه پروپوزال و نقشه راه ارزش‌محور Whiteboard - Presenting a Value-Driven Proposition and Roadmap

  • دمو: ارزش پیشنهادی گوگل کلاود Demonstration - Google Cloud Value Proposition

  • دمو: ابزارهای تولیدکننده بوم ارزش پیشنهادی مبتنی بر AI Demonstration - AI-Powered Value Proposition Canvas Generators

  • تخته سفید: بررسی گام‌به‌گام پروژه AI/ML Whiteboard - AI/ML Project Walkthrough

  • چشم‌انداز AI/ML و سرویس‌های ابری AI/ML Landscape and Cloud Services

  • شناسایی بازیگران کلیدی در بازار AI/ML Identify Key Players in the AI/ML Market

  • شناسایی بازیگران ابری کلیدی در بازار AI/ML Identify Key Cloud Players in the AI/ML Market

  • روندها و پیشرفت‌ها در AI/ML Trends and Advancements in AI/ML

  • رشد سالانه AI/ML AI/ML Growth Year Over Year

  • تخته سفید: فیلتر کردن رزومه‌ها با AI Whiteboard - AI Resume Filtering

  • تخته سفید: مورد استفاده AWS MLFlow Whiteboard - Use Case AWS MLFlow

  • مورد استفاده: هوش مصنوعی در امور مالی Use Case - AI in Finance

  • سوالات مرور پودمان Module Review Questions

  • خلاصه مرور پودمان Module Review Summary

  • گام‌های بعدی و فرآیند گواهینامه Next Steps and Certification Process

دامنه 2: توسعه مهندسی راهکار (فروش) و پروپوزال Domain 2: Solution (Sales) Engineering Development and Proposal

  • مهارت‌های مهندسی فروش و معماری Sales Engineering and Architecting Skills

  • بخش 2.1: مهندسی پیش‌فروش چیست؟ Section 2.1 - What is Pre-Sales Engineering

  • مهندسی فروش چیست؟ What is Sales Engineering

  • بحث: مهندسی پیش‌فروش در مقابل مهندسی راهکار Discussion - Pre-Sales vs Solutions Engineering

  • مبانی ابر Cloud Fundamentals

  • زیرساخت ابری Cloud Infrastructure

  • APIهای ابری Cloud APIs

  • ملاحظات ابری Cloud Considerations

  • بخش 2.2: پاسخ به الزامات تدارکاتی مشتری Section 2.2 - Responding to Customer Procurement Requirements

  • درخواست پیشنهاد (RFP) Request for Proposals (RFP)

  • پاسخ به پروپوزال‌ها Proposals Response

  • طراحی معماری راهکارها Design Solutions Architectures

  • مفهوم Cloud Fit (تطابق ابری) چیست؟ What is a Cloud Fit

  • تفکر تحلیلی Analytical Thinking

  • مدیریت الزامات فدرال بخش ایالات متحده Handling US Sector Federal Requirement

  • چرا بخش فدرال آمریکا متفاوت است؟ Why the US Federal Sector is so Different

  • تیم‌های پروپوزال Proposal Teams

  • متخصص موضوعی (SME) Subject Matter Expert (SME)

  • جستجو برای فرصت‌ها Searching for Opportunities

  • بخش 2.3: مدیریت فعالیت‌های مهندسی فروش Section 2.3 Handling Sales Engineering Activities

  • نهایی کردن قرارداد راهکار Closing a Solution Deal

  • تعریف انتظارات Defining Expectations

  • تعریف دستور جلسه گفتگو با مشتری Defining Customer Discussion Agenda

  • اصل هرم (هرم مینتو) Pyramid Principle (Minto Pyramid)

  • اثبات مفهوم (POC) Proof of Concepts (POC)

  • دمو: نحوه اجرای دموها Demonstration - Performing Demonstrations

  • بهترین روش‌های کار با تخته سفید Whiteboarding Best Practices

  • بهینه‌سازی هزینه تامین‌کننده Vendor Cost Optimization

  • استفاده از مستندات راهکار Using Solution Collateral

  • مرور پودمان Module Review

  • سوالات مرور Review Questions

  • بستن بخش Section Closeout

دامنه 3: مدیریت ارتباط با مشتری Domain 3: Customer Relationship Management

  • مدیریت مشتری Customer Management

  • مبانی مدیریت مشتری Customer Management Fundamentals

  • روابط با مشتری Customer Relationships

  • درک جذب مشتری Understanding Customer Acquisition

  • ارتقای تعامل با مشتری Enhancing Customer Engagement

  • شرکت در رویدادهای مشتری Attending Customer Events

  • درک خریدار Understanding the Buyer

  • انجام تحلیل اکتشافی (Discovery) Conducting Discovery

  • شناسایی و ارزیابی فرصت Identifying and Qualifying the Opportunity

  • ایجاد موقعیت برد-برد Create that Win-Win Situation

  • ذهنیت فروش راهکار-محور Solution Selling Mindset

  • تبدیل شدن به مشاور مورد اعتماد Become a Trusted Advisor

  • مشاور مورد اعتماد کیست؟ What is a Trusted Advisor

  • ویژگی‌های یک مشاور مورد اعتماد Traits of a Trusted Advisor

  • مدیریت اعتراضات Objection Handling

  • ارائه بیزنس کیس (مورد تجاری) Presenting a Business Case

  • ایجاد ارزش‌های پیشنهادی (معیارهای ارتقاء) Creating Value Propositions (Uplift Metrics)

  • اهمیت تخصص Importance of Expertise

  • ارتباطات در سطح مدیریتی Executive Messaging

  • مرور پودمان Module Review

  • سوالات مرور پودمان Module Review Questions

  • پایان دوره Course Closeout

نمایش نظرات

آموزش دوره جامع معمار راهکارهای هوش مصنوعی ابری (CCASA) [ویدئویی]
جزییات دوره
7h 26m
94
Packtpub Packtpub
(آخرین آپدیت)
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

Digital Crest Institute Digital Crest Institute

مؤسسه Digital Crest مستقر در جکسونویل فلوریدا، از سال ۱۹۹۳ سابقه درخشانی در زمینه فناوری دارد. این مسیر با کار روی سیستم‌های HP Unix در کشتی‌های پرچم نیروی دریایی ایالات متحده آغاز شد. در طول سال‌ها، این مؤسسه از UNIX به تخصص در شبکه‌های ذخیره‌سازی (SAN)، مجازی‌سازی سازمانی و معماری‌های ابری تغییر مسیر داد. Digital Crest نقش‌های کلیدی در خدمات حرفه‌ای، مهندسی پیش از فروش و مهندسی فروش در شرکت‌های تراز اولی مانند SAIC، 3PAR Data، HP، EMC و Northrop Grumman داشته است. تخصص آن بخش‌های مختلفی را در بر می‌گیرد و در پروژه‌های پیشگامانه در سازمان‌هایی مانند Brocade، Booz Allen Hamilton و Dimension Data مشارکت داشته است. مسیر حرفه‌ای Digital Crest نشان‌دهنده تعهد آن به پیشرفت تکنولوژیک و پیشرو بودن در این حوزه است.