هوش مصنوعی مولد روی AWS - آموزش RAG ،Amazon Bedrock و Langchain (نسخه 2025)
✅ سرفصل و جزئیات آموزش
آنچه یاد خواهید گرفت:
- اصول AI، یادگیری ماشین و شبکه های عصبی مصنوعی را یاد بگیرید.
- در مورد اینکه Generative AI چگونه کار می کند یاد بگیرید و مدل های پایه را عمیقا بررسی کنید.
- Amazon Bedrock - بررسی دقیق کنسول، معماری Bedrock، قیمت گذاری و پارامترهای استنتاج
- مورد استفاده 1: صنعت سرگرمی و رسانه - طراحی پوستر فیلم با S3 ،API Gateway و مدل بنیادین Stable Diffusion تولید کنید.
- مورد استفاده 2: خلاصه سازی متن برای صنعت ساخت با S3 ،API Gateway و مدل بنیادین Cohere
- مورد استفاده 3: یک چت بات با Langchain ،Llama 2 ،Bedrock و Streamlit بسازید.
- مورد استفاده 4 - اپلیکیشن پرسش و پاسخ منابع انسانی کارمندان با Retrieval Augmented Generation (RAG) - Bedrock - Claude Foundation Model + Langchain + FAISS + Streamlit
- مورد استفاده 5: اپلیکیشن آموزش الکترونیکی بدون سرور با استفاده از پایگاه دانش Bedrock + Claude FM + AWS Lambda + API Gateway
- مورد استفاده 6: ساخت یک عامل بانکداری خرد با استفاده از عاملها و پایگاههای دانش Amazon Bedrock
- مورد استفاده 7 - ساخت عامل کدینگ زیرساخت با استفاده از Amazon Q CLI و سرور AWS CloudFormation.
- مورد استفاده 8: Amazon Q Business - ساخت یک اپلیکیشن مدیریت بازاریابی با Amazon Q
- مورد استفاده 9 - قابلیتهای Amazon Q Developer بر روی SDLC - عملی
- لاگ کردن Bedrock با AWS CloudWatch
- چرخه عمر پروژه GenAI: فاز 1 - انتخاب مورد استفاده - بحث در مورد فازهای مختلف GenAI و اینکه چگونه مورد استفاده درست را شناسایی کنید.
- چرخه عمر پروژه GenAI: فاز 2 - انتخاب مدل بنیادین - تئوری و عملی با سرویس ارزیابی مدل AWS Bedrock
- چرخه عمر پروژه GenAI: فاز 3 - مهندسی پرامپت - عوامل تاثیرگذار روی طراحی پرامپت - Stability Diffusion ،Amazon Titan ،Claude و تکنیک های طراحی پرامپت
- چرخه عمر پروژه GenAI: فاز 4 - تیونینگ مدل های بنیادین - تئوری و عملی
- تولید کد با AWS CodeWhisperer و CDK در تایپ اسکریپت
- یادآوری مبانی پایتون
- یادآوری AWS Lambda و API Gateway
توضیحات دوره
به کامل ترین راهنمای Amazon Bedrock و Generative AI در AWS از یک مدرس پرفروش یودمی و معمار راه حل AWS مشغول به کار خوش آمدید.
این دوره از مبانی AI و Generative AI ،ML و Amazon Bedrock شروع می کند و به شما یاد می دهد چگونه اپلیکیشن های سازمانی end to end برای تولید تصویر با پایه Stability Diffusion، خلاصه سازی متن با Cohere، چت بات با Langchain ،Llama 2 و Streamlit و تولید کد با Amazon CodeWhisperer بسازید.
تمرکز این دوره روی کمک به شما برای تغییر شغل و ورود به نقش های پرسود Generative AI است.
پیش نیازی برای این دوره به جز دانش اولیه AWS وجود ندارد. این دوره بررسی اولیه ای از مفاهیم AI و ML ارائه می دهد و در پایان دوره، یادآوری پایتون، AWS Lambda و API Gateway ارائه می دهد تا در صورتی که با کدنویسی پایتون یا این 3 سرویس AWS آشنا نیستید.
بروزرسانی این دوره با تکامل GenAI و Bedrock ادامه پیدا می کند تا به شما درک دقیق و یادگیری لازم در زمینه سازمان را ارائه دهد تا برای تغییر شغل آماده باشید.
این دوره برای چه کسانی مناسب است؟
- این دوره طراحی شده است تا به شما در تغییر شغل و ورود به نقش های پرسود Generative AI و Amazon Bedrock کمک کند.
هوش مصنوعی مولد روی AWS - آموزش RAG ،Amazon Bedrock و Langchain (نسخه 2025)
-
مقدمه دوره 05:19
-
نکاتی برای بهینهسازی یادگیری و دانلود اسلایدهای محتوای دوره 02:36
-
هوش مصنوعی چیست؟ 02:40
-
بررسی یادگیری ماشین - تحت نظارت، نظارت نشده و یادگیری تقویتی 08:01
-
بررسی یادگیری عمیق و شبکه های عصبی 09:14
-
بررسی دانش - هوش مصنوعی، یادگیری ماشین و شبکه عصبی None
-
هوش مصنوعی مولد چیست؟ 04:03
-
Generative AI چگونه کار می کند؟ - بخش 1 - پرامپت، تکمیل و استنتاج ها 06:52
-
Generative AI چگونه کار می کند؟ - بخش 2 - اصطلاحات و مفاهیم اولیه 07:56
-
موارد استفاده از هوش مصنوعی تولیدی 07:51
-
مدل بنیادی در مقابل مدل زبان بزرگ در مقابل مدل انتشار در مقابل مدل چندوجهی 05:45
-
پیشنهادات سرویس در Generative AI از AWS 08:37
-
Amazon Bedrock - مقدمه 04:56
-
Bedrock - بررسی کنسول - بخش 1 15:24
-
Bedrock - بررسی کنسول - بخش 2 06:20
-
Amazon Bedrock - معماری 04:41
-
Amazon Bedrock - پارامترهای استنتاج - Temperature 09:16
-
Amazon Bedrock - پارامترهای استنتاج - بخش 2 06:40
-
Bedrock - قیمت گذاری 06:48
-
مقدمه بخش - مورد استفاده برای صنعت سرگرمی و رسانه 01:13
-
توضیحات مورد استفاده - صنعت سرگرمی و رسانه 02:02
-
معماری مورد استفاده - Lambda ،Amazon Bedrock (Stability AI) و S3 02:08
-
پیش نیازهای مورد استفاده - دسترسی به مدل و ارتقای نسخه Lambda Boto3 03:10
-
درس اختیاری - هزینه پیادهسازی موارد استفاده در صورت پیروی از دستورالعملها 03:13
-
ایجاد S3 Bucket و تابع Lambda 07:04
-
یکپارچه سازی AWS Lambda و Bedrock - بخش 1 17:02
-
یکپارچه سازی AWS Lambda و Bedrock - بخش 2 08:13
-
ذخیره تصویر تولید شده توسط Bedrock در S3 Bucket 09:56
-
تولید یک URL از پیش امضا شده برای تصویر در S3 Bucket 07:36
-
یکپارچه سازی AWS API Gateway و Lambda 09:44
-
دموی End to End 03:21
-
مقدمه بخش - مورد استفاده 2: خلاصه سازی متن 00:43
-
خلاصه سازی متن - توضیحات و معماری مورد استفاده 02:31
-
ایجاد تابع AWS Lambda 02:13
-
نوشتن تابع AWS Lambda برای اتصال به سرویس Bedrock - بخش 1 11:34
-
نوشتن تابع AWS Lambda برای اتصال به سرویس Bedrock - بخش 2 16:37
-
ایجاد REST API با یکپارچه سازی AWS API Gateway و Lambda 05:48
-
دموی End to End 05:46
-
چتبات - نسخه آزمایشی از آنچه خواهیم ساخت و معماری 05:38
-
چتبات - راه اندازی محیط قبل از کدنویسی 13:26
-
بک اند چتبات - بخش 1 14:46
-
بک اند چتبات - بخش 2 09:24
-
فرانت اند چتبات 06:19
-
چتبات - دمو End to End 02:08
-
نظارت بر Bedrock با استفاده از CloudWatch 07:03
-
(درس اختیاری) - مروری بر بردارها، تعبیه، پایگاه داده برداری و جستجو 15:28
-
عملی: بردارها و تعبیه ها (از دوره گواهینامه AWS AI Practitioner) 08:31
-
پرسش و پاسخ منابع انسانی (با RAG) - دمو از آنچه خواهیم ساخت 02:58
-
پرسش و پاسخ منابع انسانی (با RAG) - معماری برای مورد استفاده 07:42
-
RAG - تنظیمات محیط قبل از کدنویسی 02:34
-
پرسش و پاسخ منابع انسانی (با RAG) - عملی - بارگذاری دادهها - بخش 1 09:45
-
پرسش و پاسخ منابع انسانی (با RAG) - عملی - تبدیل داده - بخش 2 08:23
-
پرسش و پاسخ منابع انسانی (با RAG) - عملی - تعبیه، ذخیره برداری و ایندکس - بخش 3 10:22
-
پرسش و پاسخ منابع انسانی (با RAG) - عملی - LLM Creation + Context - بخش 4 07:34
-
پرسش و پاسخ منابع انسانی (با RAG) - عملی - دمو نهایی و فرانت اند 06:02
-
پرسش و پاسخ منابع انسانی (با RAG) - نسخه آزمایشی از ابتدا تا انتها 01:25
-
نسخه آزمایشی از آنچه خواهیم ساخت - پایگاه دانش Amazon Bedrock، لامبدا، API Gateway 06:07
-
پایگاه دانش Bedrock چیست؟ - مفهوم و معماری 05:09
-
ایجاد پایگاه دانش Amazon Bedrock 10:43
-
Retrieve API و RetrieveAndGenerate API برای بازیابی داده - مفهوم 04:50
-
پایگاه دانش و ایجاد AWS Lambda - بخش 1 16:01
-
پایگاه دانش و ایجاد AWS Lambda - ارتقاء Boto3 - بخش 2 02:59
-
پایگاه دانش و ایجاد AWS Lambda - بخش 3 10:49
-
پایگاه دانش - ایجاد REST API و ادغام Lambda 06:20
-
پایگاه دانش - پاکسازی (برای جلوگیری از هزینهها) 01:33
-
دمو از آنچه خواهیم ساخت - عامل Amazon Bedrock 05:54
-
مورد استفاده عامل Amazon Bedrock - معماری 13:16
-
عامل بانک خرده فروشی - ایجاد DynamoDB 06:55
-
عامل بانک خرده فروشی - ایجاد Lambda در AWS 14:08
-
عامل بانک خرده فروشی - ایجاد سند مشخصات OpenAPI 11:11
-
ایجاد عامل Bedrock 07:29
-
مجوز عامل Bedrock برای فراخوانی تابع Lambda 02:31
-
یکپارچه سازی - عامل Bedrock، لامبدا و DynamoDB 13:00
-
یکپارچه سازی عامل Bedrock و پایگاه دانش 13:48
-
پروتکل زمینه مدل (MCP) - مفاهیم اولیه 13:49
-
نصب Amazon Q CLI (کلاینت MCP) 08:32
-
معماری عامل کدینگ با سرور AWS MCP CloudFormation 02:58
-
پیش نیازها - نصب AWS CLI 02:51
-
ساخت عامل کدینگ - سرور AWS MCP CloudFormation و Amazon Q-CLI (عملی) 16:53
-
بررسی بخش - چرخه عمر پروژه GenAI و شناسایی مورد استفاده 00:31
-
بررسی چرخه عمر پروژه GenAI 02:40
-
GenAI - رویکرد شناسایی مورد استفاده 02:47
-
بررسی بخش - مدل بنیادین را برای مورد استفاده خود انتخاب کنید 00:43
-
معیار انتخاب مدل بنیادین - تئوری - بخش 1 04:23
-
معیار انتخاب مدل بنیادین - تئوری - بخش 2 06:59
-
معیار انتخاب مدل بنیادین - عملی 11:05
-
بررسی بخش - مهندسی پرامپت 00:48
-
مهندسی پرامپت - بخش 1 05:46
-
مهندسی پرامپت - بخش 2 07:22
-
تکنیک های مهندسی پرامپت 04:34
-
گام های مهندسی یک پرامپت خوب 01:13
-
بررسی بخش - تیونینگ مدل بنیادین 00:40
-
تیونینگ مدل بنیادین - بررسی 03:46
-
تیونینگ مدل بنیادین - معماری 03:12
-
Amazon Bedrock - چالش های حریم خصوصی داده 01:36
-
تیونینگ مدل های بنیادین - عملی 10:59
-
اصول راهنمای هوش مصنوعی مسئولانه AWS 13:49
-
Amazon Bedrock Guardrails 07:31
-
Amazon Q Business - بررسی و معماری 06:38
-
ساخت اپلیکیشن مدیریت بازاریابی با Amazon Q Business 25:56
-
توسعهدهنده Amazon Q - بررسی 01:45
-
Amazon Q - عملی 12:41
-
یادآوری برنامه نویسی اولیه پایتون - بخش 1 08:00
-
یادآوری برنامه نویسی اولیه پایتون - بخش 2 15:11
-
AWS Lambda - بررسی 05:25
-
AWS Lambda - فراخوانی 03:15
-
مقدمه Boto3 09:00
-
یادآوری AWS API Gateway 29:57
مشخصات آموزش
هوش مصنوعی مولد روی AWS - آموزش RAG ،Amazon Bedrock و Langchain (نسخه 2025)
- تاریخ به روز رسانی: 1404/09/07
- سطح دوره:همه سطوح
- تعداد درس:108
- مدت زمان :13:09:57
- حجم :7.76GB
- زبان:دوبله زبان فارسی
- دوره آموزشی:AI Academy