دوره آموزشی راهحلهای هوش مصنوعی سازمانی با AWS: کسبوکار Amazon Q، پایگاههای دانش Bedrock، و MLOps در SageMaker
52 دقیقهمتوسط2025-01-23
مدرسین
Noah Gift
MLOps Expert | Solopreneur | Author | Adjunct Professor | CTO
Pragmatic AI Labs
جزئیات دوره
در این دوره، با راهکارهای هوش مصنوعی سازمانی آشنا خواهید شد که ترکیبی از Amazon Q Business، پایگاههای دانش Bedrock و SageMaker MLOps برای مدیریت چرخه عمر کامل مدلهای یادگیری ماشین (ML) است. مدرس دوره، Noah Gift، نمای کلی از Amazon Q، استفاده از CloudShell با Amazon Q و قابلیتهای کسبوکار Amazon Q را ارائه میدهد. سپس به زیرساخت AWS و MLOps پرداخته و پیادهسازی پیشرفته هوش مصنوعی AWS، شامل AIOps سازمانی، نمونهسازی کنسول Bedrock و گردشکار RAG را توضیح میدهد.
اهداف یادگیری دوره
آشنایی با Amazon Q و قابلیتهای تجاری آن
استفاده از CloudShell با Amazon Q
درک فرآیندهای MLOps در AWS
پیادهسازی پیشرفته هوش مصنوعی سازمانی با استفاده از AWS
آشنایی با AIOps و نمونهسازی کنسول Bedrock
کار با گردشکار RAG در پروژههای هوش مصنوعی
اهداف یادگیری دوره
آشنایی با Amazon Q و قابلیتهای تجاری آن
استفاده از CloudShell با Amazon Q
درک فرآیندهای MLOps در AWS
پیادهسازی پیشرفته هوش مصنوعی سازمانی با استفاده از AWS
آشنایی با AIOps و نمونهسازی کنسول Bedrock
کار با گردشکار RAG در پروژههای هوش مصنوعی
مهارت ها
Amazon BedrockAmazon SageMakerCloud DevelopmentMachine LearningGenerative AIAmazon Web Services (AWS)AmazonCloud ServicesCloud PlatformsArtificial Intelligence (AI)Cloud ComputingOne-Off
سرفصل ها
بنیادهای هوش مصنوعی سازمانی
- مقدمه ای بر عملیات هوش مصنوعی سازمانی
- مروری بر کسب و کار آمازون Q
- استفاده از CloudShell با Amazon Q
- قابلیتهای تجاری آمازون Q
AWS Infrastructure و MLOps
- نمای کلی Bedrock API CloudShell
- مهارتهای بنیادی CloudShell
- کنترل هزینه با CloudShell و SageMaker
- کاهش مقیاس در LLM
- چارچوب MLOps سازمانی
پیادهسازی پیشرفته AWS AI
- AIOps سازمانی با Bedrock
- گردش کار RAG در بستر
- نمونه سازی اولیه کنسول بستر
بهترین شیوه ها
- خلاصه دوره و بهترین شیوه ها