دوره آموزشی
آموزش های یودمی
دوبله زبان فارسی

هوش مصنوعی مولد روی AWS - آموزش RAG ،Amazon Bedrock و Langchain (نسخه 2025)

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
  • 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

5,194,000 1,038,800 تومان

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

آموزش های مرتبط

The Great Courses
770,000 154,000 تومان
  • زمان: 01:57:58
  • تعداد درس: 29
  • سطح دوره:
  • زبان: دوبله فارسی
The Great Courses
4,351,500 870,300 تومان
  • زمان: 11:01:32
  • تعداد درس: 53
  • سطح دوره:
  • زبان: دوبله فارسی
The Great Courses
711,000 142,200 تومان
  • زمان: 01:48:43
  • تعداد درس: 14
  • سطح دوره:
  • زبان: دوبله فارسی
The Great Courses
1,356,000 271,200 تومان
  • زمان: 03:26:02
  • تعداد درس: 29
  • سطح دوره:
  • زبان: دوبله فارسی
The Great Courses
3,930,000 786,000 تومان
  • زمان: 09:57:30
  • تعداد درس: 74
  • سطح دوره:
  • زبان: دوبله فارسی
The Great Courses
490,000 98,000 تومان
  • زمان: 55:18
  • تعداد درس: 9
  • سطح دوره:
  • زبان: دوبله فارسی
The Great Courses
490,000 98,000 تومان
  • زمان: 48:56
  • تعداد درس: 12
  • سطح دوره:
  • زبان: دوبله فارسی
The Great Courses
2,797,500 559,500 تومان
  • زمان: 07:05:39
  • تعداد درس: 75
  • سطح دوره:
  • زبان: دوبله فارسی
The Great Courses
490,000 98,000 تومان
  • زمان: 58:24
  • تعداد درس: 14
  • سطح دوره:
  • زبان: دوبله فارسی

آیا سوالی دارید؟

ما به شما کمک خواهیم کرد تا شغل و رشد خود را افزایش دهید.
امروز با ما تماس بگیرید