دوره آموزشی ساخت برنامه های کاربردی با استفاده از Amazon Bedrock
2 ساعت 9 دقیقهپیشرفته2024-03-19
مدرسین

Lee Assam
Electrical and Software Engineer, University Instructor
جزئیات دوره
با نحوه ساخت برنامه های هوش مصنوعی مولد با استفاده از Amazon Bedrock آشنا شوید. در این دوره، لی آسام، فنشناس اصلی و همچنین مدرس دانشگاه، مجموعهای از موارد استفاده معمولی را پوشش میدهد، از جمله جستجوی معنایی با استفاده از معماری RAG (نسل تقویتشده بازیابی) از طریق یک ربات گفتگوی مکالمه، خلاصهسازی متن و تولید محتوا. نحوه استفاده از چارچوب LangChain برای ساخت برنامه های کاربردی هوش مصنوعی را کشف کنید. با Streamlit آشنا شوید، که در واقع به پلتفرمی برای نمونه سازی و استقرار آسان داده های مبتنی بر وب و برنامه های کاربردی هوش مصنوعی مولد تبدیل شده است. از فروشگاههای برداری مانند پایگاههای دانش برای Amazon Bedrock و Amazon Kendra برای فهرستبندی اسناد و وبسایتها استفاده کنید. در ساخت یک چت بات مکالمه و پیاده سازی انواع پیشرفت های کاربردی قدم بردارید. این دوره از Python برای توسعه استفاده می کند، و پس از اتمام این دوره، می توانید با استفاده از ابزارهایی که در اینجا یاد می گیرید، برنامه های هوش مصنوعی Generative را با استفاده از Amazon Bedrock بسازید و استقرار دهید.
مهارت ها
Amazon BedrockTelecommunicationsMachine LearningFull-Stack Web DevelopmentAmazonGenerative AIProjectArtificial Intelligence (AI)Web DevelopmentNetwork and System Administration
سرفصل ها
0. مقدمه
- 01 - ساخت برنامههای Amazon Bedrock
- 02 - آنچه باید بدانید
- 03 - راهاندازی AWS
- 04 - اعتبارنامه AWS را تنظیم کنید
1. مفاهیم کلیدی
- 05 - آمازون بستر
- 06 - LangChain
- 07 - Streamlit
- 08 - نسل افزوده بازیابی (RAG)
- 09 - مروری بر مدل
2. چت ربات مکالمه ای
- 10 - نمای کلی مورد استفاده
- 11 - بررسی معماری
- 12 - پایگاه دانش خود را راهاندازی کنید
- 13 - نوشتن کد - تعامل دانش پایه
- 14 - دمو - تعامل دانش پایه
- 15 - کدگذاری - اضافه کردن یکپارچه سازی Streamlit - قسمت 1
- 16 - کدنویسی - افزودن یکپارچه سازی Streamlit - قسمت 2
- 17 - نسخه ی نمایشی - رابط کاربری Streamlit
3. پیشرفتهای برنامه
- 18 - تاریخچه مکالمه
- 19 - کدنویسی - پشتیبانی از تاریخچه مکالمه
- 20 - نسخه ی نمایشی - تاریخچه گفتگوی چت بات
- 21 - مقدمه ای بر آمازون کندرا
- 22 - راهاندازی شاخص آمازون کندرا
- 23 - کدگذاری - آمازون کندرا ادغام
- 24 - تنظیم مجوزها برای آمازون کندرا
- 25 - نسخه ی نمایشی - آمازون کندرا و آمازون بستر ادغام
- 26 - عوامل بستر
- 27 - پیکربندی عامل آمازون بستر
- 28 - بررسی فایلهای پروژه
- 29 - تست عامل در کنسول AWS
نتیجه
- 30 - پاکسازی بستر آمازون
- 31 - توسعه اپلیکیشن خود را با Amazon Bedrock ادامه دهید
دوره های مرتبط
- دوره آموزشی آزمایشگاه هوش مصنوعی خودت رو بساز
- دوره آموزشی پردازش زبان طبیعی (NLP) در Amazon Bedrock
- دوره آموزشی تحلیلهای پیشرفته هوش مصنوعی بر روی AWS: آمازون Bedrock، Q، SageMaker Data Wrangler و QuickSight
- دوره آموزشی هوش مصنوعی مسئولانه بر روی AWS: حصارهای Bedrock، امنیت Amazon Q و SageMaker Clarify
- دوره آموزشی ساخت برنامههای هوش مصنوعی با استفاده از Amazon Bedrock
- دوره آموزشی راهحلهای هوش مصنوعی سازمانی با AWS: کسبوکار Amazon Q، پایگاههای دانش Bedrock، و MLOps در SageMaker
- دوره آموزشی مبانی اتوماسیون هوش مصنوعی AWS: رابط خط فرمان (CLI) با Amazon Q در AWS CloudShell
- دوره آموزشی ساخت هوش مصنوعی مولد با AWS: توسعهدهنده Amazon Q، استنتاج Bedrock، و SageMaker Canvas