آزمون‌های جامع مهندسی هوش مصنوعی مولد Databricks | دوره آمادگی مدرک Associate - آخرین آپدیت

دانلود Databricks Generative AI Engineer Associate | Practice Tests new

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد. این دوره صرفا آزمون یا تمرین می باشد و ویدیو ندارد.

نمونه ویدیویی برای نمایش وجود ندارد.

توضیحات دوره: تسلط بر RAG، ایجنت‌ها، جستجوی هوش مصنوعی (AI Search)، سرویس‌دهی مدل (Model Serving)، MLflow، حاکمیت داده، ارزیابی و مانیتورینگ با ۶ آزمون کامل شبیه‌ساز. طراحی راهکارهای GenAI آماده تولید در Databricks با استفاده از LLMها، RAG، ایجنت‌ها، ابزارها و الگوهای ارکستراسیون مناسب. ساخت خط لوله‌های RAG دقیق و تحت حاکمیت با استخراج داده، تکه‌بندی (Chunking)، Embeddingها، جداول Delta و Databricks AI Search. ایجاد پرامپت‌ها، زنجیره‌ها و ایجنت‌های موثر که از بافت بازیابی شده، ابزارها، خروجی‌های ساختاریافته و کنترل‌های مدل استفاده می‌کنند. استقرار برنامه‌های GenAI مقیاس‌پذیر با Model Serving، APIهای مدل‌های پایه، MLflow، برنامه‌های Databricks و نقاط اتصال (Endpoints) امن. اعمال مجوزهای Unity Catalog، ماسک کردن داده‌ها، ردیابی Lineage، حفاظ‌های حریم خصوصی و کنترل‌های هوش مصنوعی مسئولانه در طول چرخه حیات راهکار. ارزیابی، عیب‌یابی و نظارت بر سیستم‌های GenAI با استفاده از MLflow tracing، امتیازدهنده‌ها، بازخوردها، لاگ‌های استنتاج، متریک‌ها و سیگنال‌های Drift. پیش‌نیازها: هیچ گواهینامه رسمی Databricks برای شرکت در این دوره مورد نیاز نیست..

برای آزمون گواهینامه Databricks Certified Generative AI Engineer Associate با شش آزمون تمرینی کامل و واقع‌گرایانه آماده شوید که برای تقویت دانش، قدرت تصمیم‌گیری و آمادگی شما در آزمون طراحی شده‌اند.

این دوره آزمون‌های تمرینی شامل موارد زیر است:

۶ آزمون تمرینی مستقل و کامل
۴۵ سوال در هر آزمون
در مجموع ۲۷۰ سوال اورجینال
۹۰ دقیقه زمان برای هر آزمون
سوالات چهارگزینه‌ای و چندگزینه‌ای
توضیحات دقیق برای هر گزینه پاسخ
پوشش کامل دامنه‌های جاری آزمون
سوالات سناریومحور منعکس کننده تصمیمات واقعی مهندسی هوش مصنوعی مولد
سوالات مبتنی بر Python، SDK و SQL در موارد مناسب
سختی متوازن در تمامی شش آزمون

هر آزمون تمرینی به عنوان یک شبیه‌ساز کامل آزمون طراحی شده است. این تست‌ها ترتیب مبتدی به پیشرفته ندارند و هیچ‌کدام محدود به یک موضوع خاص نیستند. هر آزمون به طور مستقل تمام سرفصل‌های گواهینامه را با سطح سختی مشابه پوشش می‌دهد.

چه چیزی این دوره را متفاوت می‌کند؟

بسیاری از بانک‌های سوال به شدت بر تعاریف یا شناسایی ساده محصولات تکیه می‌کنند. این دوره بر مهارت‌های استدلالی که از یک مهندس GenAI در محیط Databricks انتظار می‌رود، تأکید دارد.

شما با سناریوهایی مواجه خواهید شد که شما را ملزم به موارد زیر می‌کند:

تبدیل نیازمندی‌های تجاری به معماری‌های مناسب هوش مصنوعی مولد
انتخاب بین الگوهای راهکار RAG، ایجنت، فراخوانی ابزار (Tool-calling) و زنجیره‌ای
آماده‌سازی داده‌های بدون ساختار برای بازیابی و تولید
انتخاب استراتژی‌های موثر برای تکه‌بندی (Chunking)، Embedding و ایندکس‌گذاری
پیکربندی Databricks AI Search برای بازیابی معنایی تحت حاکمیت
بهبود پرامپت‌ها بر اساس نقص‌های مشاهده شده در پاسخ‌ها
تجمیع برنامه‌هایی که مدل‌ها، بازیابی، ابزارها و منطق تجاری را ترکیب می‌کنند
استقرار workloads هوش مصنوعی مولد از طریق سرویس‌های مناسب Databricks
اعمال حاکمیت، مجوزها، کنترل‌های حریم خصوصی و نرده‌های حفاظتی (Guardrails)
ارزیابی کیفیت راهکار با استفاده از Traceها، امتیازدهنده‌ها، بازخوردها و مجموعه‌داده‌های تست
مانیتورینگ رفتار محیط تولید، فعالیت‌های استنتاج، کیفیت و سیگنال‌های عملیاتی

پوشش کامل دامنه‌های آزمون

طراحی برنامه‌ها

تمرین تجزیه نیازمندی‌های پیچیده GenAI و انتخاب مدل‌ها، منابع داده، ابزارها، الگوهای ارکستراسیون و استراتژی‌های ارزیابی مناسب.

سوالاتی که شما را ملزم به در نظر گرفتن محدودیت‌های راهکار مانند کیفیت پاسخ، تأخیر (Latency)، هزینه، قابلیت نگهداری، حاکمیت و آمادگی عملیاتی می‌کند.

آماده‌سازی داده‌ها

تست توانایی شما در آماده‌سازی محتوای ساختاریافته و بدون ساختار برای تولید تقویت‌شده با بازیابی (RAG).
سناریوهایی که به استخراج اسناد، پاک‌سازی محتوا، تکه‌بندی، متادیتا، Embeddingها، جداول Delta، کیفیت داده و Databricks AI Search می‌پردازند.

توسعه برنامه

کار بر روی تصمیمات واقع‌گرایانه شامل پرامپت‌ها، زنجیره‌ها، ایجنت‌ها، بازیابی، ابزارها، پارامترهای مدل، خروجی‌های ساختاریافته، بافت نشست (Session Context) و منطق برنامه.
شناسایی پیکربندی‌هایی که باعث بهبود مستند بودن (Groundedness)، مرتبط بودن، کیفیت پاسخ و قابلیت اطمینان می‌شود.

تجمیع و استقرار برنامه‌ها

ارزیابی نحوه تجمیع، ثبت، سرویس‌دهی، ایمن‌سازی و بهره‌برداری از اجزای هوش مصنوعی مولد.
سوالاتی در مورد Model Serving، APIهای مدل پایه، MLflow، برنامه‌های Databricks، گردش کارهای استقرار، پیکربندی Endpoint، مدیریت چرخه حیات پرامپت و یکپارچه‌سازی با محیط تولید.

حاکمیت (Governance)

اعمال مجوزهای Unity Catalog، Lineage، ماسک کردن، حفاظت از حریم خصوصی، کنترل‌های دسترسی و حفاظ‌های هوش مصنوعی مسئولانه.
سوالات حاکمیت فراتر از شناسایی نام محصول هستند؛ شما باید کنترل‌هایی را انتخاب کنید که از اطلاعات حساس محافظت کنند بدون اینکه راهکار را غیرقابل استفاده کنند.

ارزیابی و مانیتورینگ

سنجش برنامه‌های GenAI با استفاده از مجموعه‌داده‌های ارزیابی، MLflow tracing، امتیازدهنده‌ها، بازخورد انسانی، متریک‌های کیفیت، لاگ استنتاج و نظارت بر محیط تولید.
تمرین شناسایی شواهد درست برای عیب‌یابی بازیابی، تولید، استفاده از ابزار، تأخیر، هزینه و مشکلات تجربه کاربری.

توضیحات دقیق پاسخ‌ها

هر سوال شامل موارد زیر است:

توضیح چرایی مناسب بودن پاسخ صحیح
توضیح مجزا برای هر یک از گزینه‌های نادرست
استدلال فنی مرتبط با سناریو
راهنمایی‌هایی برای تمایز بین ابزارهای مشابه Databricks و الگوهای راهکار

توضیحات به گونه‌ای طراحی شده‌اند که هر تلاش برای آزمون را به یک جلسه مرور متمرکز تبدیل کنند.

سلب مسئولیت: این دوره به طور مستقل توسعه یافته و وابسته، حمایت شده، مجاز یا تایید شده توسط شرکت .Databricks, Inc نیست. نام Databricks و نام‌های محصولات یا خدمات مرتبط، علائم تجاری مالکان مربوطه هستند و تنها برای شناسایی گواهینامه و فناوری‌های مورد بحث در این دوره آموزشی استفاده شده‌اند. سوالات این دوره سوالات تمرینی اورجینال هستند و از آزمون گواهینامه کپی نشده‌اند، محتوای محرمانه آزمون را بازتولید نمی‌کنند و نباید به عنوان سوالات واقعی آزمون تفسیر شوند. اهداف گواهینامه، نام محصولات، رابط‌ها، قابلیت‌ها و مستندات ممکن است در طول زمان تغییر کنند.

تمرین ها و آزمونها