دوره آموزشی آمادگی برای اخذ گواهینامه AWS Certified AI Practitioner (AIF-C01)

5 ساعت 44 دقیقهمتوسط2025-04-04

مدرسین

Pearson

Chad Smith

جزئیات دوره

آزمون AWS Certified AI Practitioner (AIF-C01) برای افرادی طراحی شده که می‌خواهند دانش کلی خود را در زمینه هوش مصنوعی (AI)، یادگیری ماشین (ML)، تکنولوژی‌های AI مولد و ابزارها و خدمات مربوط به AWS نشان دهند، بدون توجه به شغل خاصی که دارند. اگر قصد دارید برای این آزمون آماده شوید، این دوره به شما کمک می‌کنه که دانش خود رو در زمینه‌های مختلف زیر تست کنید:

مفاهیم و روش‌های هوش مصنوعی، یادگیری ماشین و AI مولد به‌طور کلی و در AWS.

استفاده مناسب از تکنولوژی‌های AI/ML و AI مولد برای طرح سوالات مرتبط در داخل سازمان.

انتخاب صحیح انواع تکنولوژی‌های AI/ML برای استفاده در سناریوهای مختلف.

استفاده مسئولانه از تکنولوژی‌های AI، ML و AI مولد.

با این دوره می‌تونید دانش و مهارت‌های لازم رو برای موفقیت در این آزمون به دست بیارید و خودتون رو برای کار در حوزه هوش مصنوعی و یادگیری ماشین در بستر AWS آماده کنید.

🎯 اهداف یادگیری:
درک مفاهیم و روش‌های پایه‌ای در زمینه هوش مصنوعی، یادگیری ماشین، و AI مولد در بستر AWS.

شناسایی چگونگی استفاده از تکنولوژی‌های AI/ML و AI مولد برای طرح سوالات مناسب در سازمان.

انتخاب تکنولوژی‌های AI/ML مناسب برای مسائل خاص و سناریوهای مختلف در کسب و کار.

استفاده مسئولانه از تکنولوژی‌های هوش مصنوعی، یادگیری ماشین و AI مولد در راستای اهداف تجاری.

تست و ارزیابی آگاهی در استفاده از ابزارها و خدمات AWS برای پیاده‌سازی و مدیریت AI/ML.

مهارت ها

Amazon Web Services (AWS)AmazonArtificial Intelligence FoundationsCloud ServicesCloud PlatformsCert PrepArtificial Intelligence (AI)Cloud Computing

سرفصل ها

0. مقدمه

01 - AWS Certified AI Practitioner (AIF-C01) - مقدمه

1. راهنمای امتحان

02 - ماژول 1 - معرفی پایه آزمون
03 - اهداف آموزشی
04 - مقدمه
05 - شرح نامزد مورد نظر
06 - مطالب امتحانی
07 - حوزه‌های سوال امتحانی

2. مفاهیم اولیه هوش مصنوعی

08 - ماژول 2 - مقدمه مبانی هوش مصنوعی و ML
09 - اهداف آموزشی
10 - اصطلاحات اولیه هوش مصنوعی
11 - مقدمه ای بر یادگیری ماشین
12 - مقدمه ای بر یادگیری عمیق
13 - تفکیک سوال قسمت اول
14 - تفکیک سوال قسمت 2

3. موارد استفاده عملی برای هوش مصنوعی

15 - اهداف آموزشی
16 - الگوهای هوش مصنوعی و ضد الگوها
17 - تکنیک‌های ML
18 - برنامه‌های کاربردی هوش مصنوعی در دنیای واقعی
19 - خدمات AI ML با مدیریت AWS
20 - تفکیک سوال قسمت اول
21 - تفکیک سوال قسمت 2

4. چرخه حیات توسعه ML

22 - اهداف آموزشی
23 - اجزای خط لوله ML
24 - منابع مدل ML و انواع استقرار
25 - مقدمه ای بر MLOps
26 - خدمات خط لوله AWS ML
27 - معیارهای عملکرد مدل ML
28 - تفکیک سوال قسمت اول
29 - تفکیک سوال قسمت 2

5. مفاهیم اساسی هوش مصنوعی مولد

30 - ماژول 3 - مبانی مقدمه هوش مصنوعی مولد
31 - اهداف آموزشی
32 - اصطلاحات اولیه مولد هوش مصنوعی
33 - موارد استفاده از هوش مصنوعی مولد
34 - چرخه عمر مدل فونداسیون
35 - تفکیک سوال قسمت اول
36 - تفکیک سوال قسمت 2

6. قابلیت‌ها و محدودیت‌های هوش مصنوعی مولد

37 - اهداف آموزشی
38 - مزایای هوش مصنوعی مولد
39 - معایب هوش مصنوعی مولد
40 - درخت تصمیم انتخاب مدل
41 - ارزش و معیارهای کسب و کار هوش مصنوعی مولد
42 - تفکیک سوال قسمت اول
43 - تفکیک سوال قسمت 2

7. پیشنهادات هوش مصنوعی AWS Generative

44 - اهداف آموزشی
45 - خدمات و ویژگی‌های هوش مصنوعی مولد AWS
46 - مزایا و مزایای هوش مصنوعی مولد AWS
47 - معاوضه هزینه‌های هوش مصنوعی مولد AWS
48 - تفکیک سوال قسمت اول
49 - تفکیک سوال قسمت 2

8. طراحی مدل پایه

50 - ماژول 4 - کاربردهای مدلهای پی معرفی
51 - اهداف آموزشی
52 - معیارهای انتخاب مدل از پیش آموزش دیده
53 - پارامترهای استنتاج مدل
54 - مقدمه ای بر RAG
55 - مقدمه ای بر پایگاه‌های داده برداری
56 - سرویس پایگاه داده برداری AWS
57 - مبادلات هزینه سفارشی سازی مدل پایه
58 - عوامل هوش مصنوعی مولد
59 - تفکیک سوال قسمت اول
60 - تفکیک سوال قسمت 2

9. عملکرد مدل پایه

61 - اهداف آموزشی
62 - معیارها و ارزیابی عملکرد مدل بنیاد
63 - معیارهای هدف کسب و کار مدل بنیاد
64 - تفکیک سوال قسمت اول
65 - تفکیک سوال قسمت 2

10. آموزش مدل بنیاد و تنظیم دقیق

66 - اهداف آموزشی
67 - آموزش مدل فونداسیون
68 - تنظیم دقیق مدل پایه
69 - تهیه داده‌های مدل پایه
70 - تفکیک سوال قسمت اول
71 - تفکیک سوال قسمت 2

11. مهندسی سریع

72 - اهداف آموزشی
73 - گردش کار سریع
74 - مفاهیم مهندسی سریع
75 - تکنیک‌های مهندسی سریع
76 - بهترین شیوه‌های مهندسی سریع
77 - خطرات و محدودیت‌های مهندسی سریع
78 - تفکیک سوال قسمت اول
79 - تفکیک سوال قسمت 2

12. توسعه سیستم هوش مصنوعی مسئول

80 - ماژول 5 - معرفی راه حل‌های هوش مصنوعی مسئول و ایمن
81 - اهداف آموزشی
82 - ویژگی‌های هوش مصنوعی مسئول
83 - ابزارهای هوش مصنوعی مسئول AWS
84 - شیوه‌های انتخاب مدل هوش مصنوعی مسئول
85 - خطرات قانونی هوش مصنوعی مولد
86 - ویژگی‌های مجموعه داده AI
87 - تعصب و واریانس هوش مصنوعی
88 - ابزارهای تشخیص سوگیری هوش مصنوعی AWS
89 - تفکیک سوال قسمت اول
90 - تفکیک سوال قسمت 2

13. مدل‌های هوش مصنوعی شفاف و قابل توضیح

91 - اهداف آموزشی
92 - تعاریف شفافیت و تبیین پذیری
93 - ابزار شفافیت و توضیح AWS
94 - مبادلات ایمنی و شفافیت مدل هوش مصنوعی
95 - اصول طراحی هوش مصنوعی انسان محور
96 - تفکیک سوال قسمت اول
97 - تفکیک سوال قسمت 2

14. امنیت هوش مصنوعی

98 - اهداف آموزشی
99 - خدمات و ویژگی‌های امنیتی AWS AI
100 - استناد داده‌ها و مستندات مبدا
101 - بهترین شیوه‌های مهندسی داده ایمن
102 - ملاحظات امنیت و حریم خصوصی هوش مصنوعی
103 - تفکیک سوال قسمت اول
104 - تفکیک سوال قسمت 2

15. AI Governance و Compliance

105 - اهداف آموزشی
106 - خدمات حاکمیت و انطباق AWS
107 - راهبردهای حاکمیت داده
108 - پروتکل‌های حاکمیتی و استانداردهای انطباق
109 - تفکیک سؤال، قسمت 1
110 - تفکیک سوال قسمت 2

نتیجه گیری

111 - AWS Certified AI Practitioner (AIF-C01) - خلاصه