دوره آموزشی ساخت هوش مصنوعی مولد با AWS: توسعهدهنده Amazon Q، استنتاج Bedrock، و SageMaker Canvas
1 ساعت 23 دقیقهمتوسط2025-01-16
مدرسین
Noah Gift
MLOps Expert | Solopreneur | Author | Adjunct Professor | CTO

Pragmatic AI Labs
جزئیات دوره
در این دوره، نوح گیفت، کارشناس MLOps، شما را با دنیای هوش مصنوعی مولد (Generative AI) در AWS آشنا میکند. درک خود را از توکنیزاسیون، معماری مدلهای چندگانه، و نحوه ساخت و استقرار مدلهای هوش مصنوعی گسترش دهید. با تکنیک نوآورانه Retrieval-Augmented Generation (RAG) آشنا شوید و نحوه پیادهسازی آن را در AWS با استفاده از Bedrock Knowledge Agents بیاموزید.
به صورت عملی با ابزارهای توسعه Amazon Q کار کنید، از جمله نصب و توسعه با IntelliJ و VS Code، همچنین قابلیتهایی مانند دستیار مستندسازی و اسکن کد. عمیقتر به AWS Bedrock وارد شوید و درسهایی درباره Provisioned IO و ارزیابی درخواستها (Prompts) دریافت کنید. همچنین با SageMaker Canvas، یک محیط قدرتمند برای کار با مجموعه دادهها و فرآیندهای MLOps، آشنا شوید.
تا پایان این دوره، شما در استفاده از ابزارهای مختلف AWS برای بهینهسازی فرآیندهای هوش مصنوعی و یادگیری ماشین حرفهای خواهید شد.
اهداف یادگیری:
درک مفاهیم توکنیزاسیون و معماری مدلهای چندگانه.
پیادهسازی RAG با استفاده از AWS Bedrock Knowledge Agents.
کار با ابزارهای توسعه Amazon Q و ادغام آن با IntelliJ و VS Code.
استفاده از SageMaker Canvas برای مدیریت دادهها و فرآیندهای MLOps.
ارزیابی و بهبود درخواستها (Prompts) در AWS Bedrock.
یادگیری اصول ساخت و استقرار مدلهای هوش مصنوعی در AWS.
به صورت عملی با ابزارهای توسعه Amazon Q کار کنید، از جمله نصب و توسعه با IntelliJ و VS Code، همچنین قابلیتهایی مانند دستیار مستندسازی و اسکن کد. عمیقتر به AWS Bedrock وارد شوید و درسهایی درباره Provisioned IO و ارزیابی درخواستها (Prompts) دریافت کنید. همچنین با SageMaker Canvas، یک محیط قدرتمند برای کار با مجموعه دادهها و فرآیندهای MLOps، آشنا شوید.
تا پایان این دوره، شما در استفاده از ابزارهای مختلف AWS برای بهینهسازی فرآیندهای هوش مصنوعی و یادگیری ماشین حرفهای خواهید شد.
اهداف یادگیری:
درک مفاهیم توکنیزاسیون و معماری مدلهای چندگانه.
پیادهسازی RAG با استفاده از AWS Bedrock Knowledge Agents.
کار با ابزارهای توسعه Amazon Q و ادغام آن با IntelliJ و VS Code.
استفاده از SageMaker Canvas برای مدیریت دادهها و فرآیندهای MLOps.
ارزیابی و بهبود درخواستها (Prompts) در AWS Bedrock.
یادگیری اصول ساخت و استقرار مدلهای هوش مصنوعی در AWS.
مهارت ها
Amazon BedrockArtificial Intelligence for DesignCloud DevelopmentAmazon Web Services (AWS)AI Productivity ToolsAmazonGenerative AIVideoCloud ServicesPhotographyGraphic DesignCloud PlatformsArtificial Intelligence (AI)Animation and IllustrationCloud ComputingBusiness Software and ToolsOne-Off
سرفصل ها
ماژول 1 - مدلهای بنیاد و مفاهیم اصلی
- 01 - هوش مصنوعی مولد در AWS
- 02 - درک نشانه گذاری
- 03 - معماری چند مدل
- 04 - مقدمه ای بر RAG
- 05 - RAG در AWS
- 06 - RAG با عامل دانش Bedrock
- 07 - بررسی سیستم RAG Bedrock
- 08 - نسخه ی نمایشی AWS Bedrock rust
- 09 - معماری زنگ بستر
ماژول 2 - Amazon Q Developer Tools
- 10 - معرفی توسعه دهنده Amazon Q
- 11 - آمازون Q در IntelliJ
- 12 - نصب Amazon Q در VS Code
- 13 - توسعه با آمازون Q
- 14 - دستیار اسناد
- 15 - اسکن کد کیو آمازون
ماژول 3 - AWS بستر
- 16 - بستر فراهم شده IO
- 17 - راهاندازی IO ارائهشده از Bedrock
- 18 - ارزیابی دستورات در بستر
ماژول 4 - SageMaker Canvas and MLOps
- 19 - معرفی بوم SageMaker
- 20 - نمای کلی Canvas UI
- 21 - کار با مجموعه داده ها
- 22 - نتیجه گیری دوره
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 مدلهای زبان بزرگ در AWS: ساخت و استقرار مدلهای زبان بزرگ متنباز