گواهینامه کامل AWS Certified Generative AI Developer Professional
✅ سرفصل و جزئیات آموزش
آنچه یاد خواهید گرفت:
- تسلط به مهارتهای مورد نیاز برای قبولی در آزمون گواهینامه AWS Generative AI Developer Professional
- ساخت اپلیکیشنهای generative AI آماده تولید در AWS با استفاده از Bedrock، SageMaker و ابزارهای serverless.
- طراحی و بهینهسازی پایپ لاینهای RAG با استفاده از embeddings، پایگاه داده vector و تنظیم بازیابی
- ایجاد گردشکارهای هوش مصنوعی عاملی با استفاده از Bedrock Agents ،Flows، ابزارها و الگوهای چند-عاملی
- ارزیابی و بهبود کیفیت مدل با Bedrock Evaluations، بررسیهای grounding و کنترلهای امنیتی
- خودکارسازی و مقیاسبندی سیستمهای GenAI با Step Functions ،Lambda ،CI/CD و بهترین شیوه های AWS
پیشنیازهای دوره
- داشتن دانش اولیه AWS توصیه میشود. دانشجویان باید با سرویسهای اصلی AWS مانند IAM ،S3 ،Lambda و VPCها آشنا باشند.
- آشنایی با مفاهیم ابری یا توسعه نرمافزار (APIs، JSON، گردشکارهای serverless) به پیشرفت سریعتر در بخشهای عملی کمک میکند.
- کمی آشنایی با هوش مصنوعی یا یادگیری ماشین مفید است، اما نیازی به پیشزمینه عمیق در ML، علم داده یا آموزش مدل نیست؛ تمام مفاهیم generative AI از پایه پوشش داده میشوند.
- یک حساب کاربری AWS برای تکمیل آزمایشگاههای عملی مورد نیاز است. استفاده از طرح رایگان برای اکثر تمرینها کافی است.
- یک کامپیوتر و اتصال اینترنت پایدار برای دنبال کردن درسهای ویدئویی و فعالیتهای عملی مورد نیاز است.
- هیچ گواهینامه قبلی AWS الزامی نیست، اما تجربه با مطالب سطح Associate، مباحث آزمون Professional را قابلفهمتر میکند.
توضیحات دوره
این دوره شامل استفاده از هوش مصنوعی برای پیشنویس سوالات ارزیابی است، اما تمام محتوا توسط انسان بازبینی شده است. از آواتارهای هوش مصنوعی یا صداهای مصنوعی استفاده نشده است.
با جامعترین آمادگی موجود برای آزمون AWS Certified Generative AI Developer – Professional (AIP-C01 / AP1-C01)، به یک متخصص generative AI با گواهینامه AWS تبدیل شوید. این دوره هر آنچه نیاز دارید، از جمله تمرین عملی، پوشش فنی عمیق و همسویی کامل با راهنمای رسمی آزمون را در اختیار شما قرار میدهد.
آنچه شامل میشود
- بیش از 22 ساعت آموزش ویدئویی در قالب بیش از 280 درس
- یک آزمون آزمایشی کامل با 75 سوال برای سنجش آمادگی شما
- بیش از 50 فعالیت عملی و آزمایشگاه برای ساخت مهارتهای واقعی
- فایلهای PDF قابل دانلود برای تمام اسلایدها و راهنمای مطالعه
- 125 سوال آزمون کوتاه که به سبک آزمون اصلی طراحی شدهاند.
آنچه یاد خواهید گرفت
generative AI در AWS، محبوبترین پلتفرم ابری جهان را با تکنیکهای پیشرفته AI ترکیب میکند. این دوره به شما کمک میکند تا از طریق سناریوهای واقعی و الگوهای معماری کاربردی، به هر دو مسلط شوید. یاد خواهید گرفت که چگونه:
- اپلیکیشنهای GenAI را با استفاده از Amazon Bedrock، SageMaker و Knowledge Bases بسازید.
- سیستمهای هوش مصنوعی عاملی را با استفاده از Bedrock Agents ،Flows ،OpenSearch ،Strands ،Agent Squad و AgentCore طراحی کنید.
- تکنیکهای بهینهسازی را برای پایپ لاینهای RAG، استراتژیهای embedding و عملکرد مدلهای بنیادی اعمال کنید.
- پرامپتها و گردشکارهای ساختاریافته را با استفاده از Prompt Management و Bedrock Flows مدیریت کنید.
- کیفیت و امنیت مدل را با استفاده از Bedrock Evaluations ارزیابی کنید.
- داده را با Bedrock Data Automation ،SageMaker ،Glue، Comprehend ،Textract و موارد دیگر آماده و پردازش کنید.
- سیستمهای AI سطح تولید را با استفاده از Step Functions، Lambda ،Pipelines و ابزارهای CI/CD سازماندهی کنید.
هر ماژول بر اساس دامنههای آزمون AWS و مهارتهای توصیفشده در مستندات رسمی AWS است. مدرسان تمام طرح آزمون را ترسیم کردهاند تا اطمینان حاصل شود که هیچ نکتهای را از دست نخواهید داد.
اگر آماده تسلط به generative AI در AWS و کسب یکی از پیشروترین گواهینامههای موجود هستید، مدرسان مشتاقند شما را در تمام مراحل راهنمایی کنند. بیایید شروع کنیم!
این دوره برای چه کسانی مناسب است؟
- توسعهدهندگان AWS، مهندسان ابر و معمارانی که برای آزمون Generative AI Developer Professional آماده میشوند.
- متخصصان AI و ML که میخواهند اپلیکیشنهای واقعی GenAI را با استفاده از Bedrock ،SageMaker و الگوهای RAG بسازند.
- متخصصان فنی که در حال پذیرش generative AI هستند و به دنبال تجربه عملی با ابزارها و بهترین شیوه های AWS میباشند.
- دانشجویان آشنا با اصول AWS که میخواهند به سطح توسعه GenAI در مقیاس تولید ارتقا یابند.
گواهینامه کامل AWS Certified Generative AI Developer Professional
-
بررسی دوره 14:53
-
راهاندازی هشدار صورتحساب AWS 01:42
-
مقدمه بخش 01:29
-
بررسی Amazon Bedrock 08:04
-
آموزش عملی با محیط Bedrock Playground 10:15
-
تنظیم دقیق مدلهای اساسی در Bedrock 07:37
-
سازگاری رتبه پایین (LoRA) - چگونگی عملکرد تنظیم دقیق 02:56
-
تولید افزوده به بازیابی (RAG) 08:28
-
ذخیرهسازهای برداری و جستجوی معنایی 08:03
-
پایگاههای دانش Bedrock 05:01
-
کار با پایگاههای دانش - عملی 16:09
-
استراتژیهای پیشبازیابی و تکهتکه کردن داده 04:48
-
مدیریت Chunking با Bedrock 06:48
-
بهینهسازی ذخیرهساز برداری و Embeddings شما 08:12
-
ارزیابی عملکرد RAG 04:29
-
مدلهای چندوجهی و پایپ لاین ها با Bedrock 03:29
-
Bedrock Guardrails 03:45
-
کار با Bedrock Guardrails - عملی 09:42
-
اصلاح در سطح توکن 02:10
-
مدیریت پرامپت در Amazon Bedrock 05:06
-
جریانهای پرامپت در Bedrock 04:55
-
اجبار به استفاده از دادههای ساختاریافته 03:35
-
معرفی مهندسی پرامپت 03:31
-
آناتومی یک پرامپت 02:16
-
بهترین شیوه های پرامپت 04:13
-
انواع پرامپت ها 03:14
-
سوءاستفاده از پرامپت و کاهش سوگیری 08:39
-
ادغام در سطح سازمان 03:25
-
ابزار Well-Architected آمازون - لنز Generative AI 02:42
-
آزمون: مبانی Bedrock و GenAI None
-
مقدمه بخش 01:56
-
کار با داده ساختاریافته 06:49
-
خودکارسازی داده در Amazon Bedrock 11:15
-
سرویس SageMaker Data Wrangler 06:54
-
دمو - ageMaker Studio و Canvas و Data Wrangler 24:20
-
سرویس AWS Glue 06:03
-
AWS Glue Studio 05:19
-
کیفیت داده در Glue 02:57
-
معیارهای CloudWatch 04:09
-
AWS Transcribe 04:19
-
کار با AWS Transcribe - عملی 01:44
-
Amazon Comprehend 03:33
-
Amazon Comprehend - عملی 04:26
-
استفاده همزمان از Comprehend، Lambda و Bedrock 01:22
-
معرفی سرویس Amazon OpenSearch (بخش 1) 11:25
-
معرفی سرویس Amazon OpenSearch (بخش 2) 07:23
-
مدیریت ایندکس OpenSearch و طراحی برای ثبات 10:54
-
عملکرد سرویس Amazon OpenSearch 01:29
-
بدون سرور Amazon OpenSearch 02:00
-
استفاده و تنظیم OpenSearch به عنوان ذخیرهساز برداری 09:29
-
Amazon RDS 03:38
-
کار با Amazon RDS - عملی 10:26
-
استفاده از RDS با مخازن اسناد S3 01:18
-
Amazon Aurora 06:27
-
Amazon Aurora (عملی) 08:22
-
Amazon Aurora و افزونه pgvector 01:43
-
Amazon DynamoDB 07:47
-
Amazon DynamoDB - عملی 08:42
-
Amazon DynamoDB - مفاهیم WCU و RCU 11:05
-
کار با WCU و RCU در DynamoDB - عملی 04:06
-
Amazon DynamoDB - بررسی APIs اولیه 07:54
-
کار با APIهای پایه DynamoDB - عملی 03:10
-
سرویس Amazon DynamoDB DAX 02:45
-
Amazon DynamoDB DAX - عملی 04:08
-
مفهوم TTL در Amazon DynamoDB 05:20
-
DynamoDB و Generative AI 01:35
-
بروز نگه داشتن ذخیرهساز برداری 02:23
-
ماژولهای رتبهبندی مجدد در Bedrock 01:33
-
Amazon S3 - کلاس های ذخیره سازی 06:12
-
Amazon S3 - کلاس های ذخیره سازی - عملی 03:37
-
Amazon S3 - قوانین چرخه عمر 04:20
-
کار با قوانین چرخه عمر S3 - عملی 02:24
-
قابلیت Replication در Amazon S3 01:25
-
نکات مربوط به Replication در S3 00:57
-
کار با Replication در S3 - عملی 06:29
-
آزمون: مدیریت داده برای Generative AI None
-
مقدمه بخش 01:54
-
ایجنتهای LLM در Bedrock 10:00
-
کار با Amazon Bedrock Agents - عملی 19:25
-
گردشکارهای چند عاملی 08:57
-
حافظه کوتاه مدت و بلند مدت ایجنت 03:38
-
ایجنتهای Strands 05:33
-
مفهوم Agent Squad 02:55
-
معرفی Amazon AgentCore 05:07
-
حافظه و ابزارهای AgentCore 03:35
-
وارد کردن، درگاه و احراز هویت در AgentCore Bedrock 03:37
-
آزمایشگاه: Strands Agents ،AgentCore و Agent Squad 24:03
-
پروتکل زمینه مدل (MCP) 04:43
-
استفاده از OpenAPI و ابزارها 01:32
-
نظارت انسانی در فرآیند 02:45
-
سرویس Amazon Q Business 07:13
-
کار با Amazon Q Business - عملی 08:57
-
اپلیکیشنهای Amazon Q 00:53
-
کار با Amazon Q Apps - عملی 03:28
-
پاکسازی منابع Amazon Q Business 00:48
-
سرویس Amazon Q Developer 04:08
-
کار با Amazon Q Developer - عملی 06:28
-
آزمون: هوش مصنوعی عاملی None
-
مقدمه بخش 01:55
-
بهینهسازی مصرف توکن 06:19
-
انتخاب مدل مقرونبهصرفه 04:50
-
حداکثرسازی بهرهوری منابع و توان عملیاتی 04:29
-
سیستمهای کشینگ هوشمند برای GenAI 07:44
-
ساخت سیستمهای AI پاسخگو 04:56
-
بهینهسازی عملکرد بازیابی 03:39
-
بهینهسازی برای موارد استفاده خاص 02:38
-
بهینهسازی عملکرد سیستم مدل بنیادی 04:36
-
مفاهیم Exponential Backoff و Connection Pooling 03:03
-
استنتاج بینمنطقهای در Bedrock 04:41
-
آزمون: کارایی عملیاتی و بهینهسازی None
-
مقدمه بخش 01:41
-
پردازش داده، آموزش و استقرار با SageMaker 03:12
-
حفاظتهای استقرار در SageMaker 06:18
-
بهینهسازی استقرار مدلهای بنیادی 05:56
-
سرویس SageMaker Ground Truth 05:35
-
نظارت بر مدل و شفافسازی در SageMaker 04:38
-
ثبتکننده مدل در SageMaker 03:07
-
ردیابی تاریخچه در SageMaker 03:31
-
ردیابی تاریخچه بین حسابهای کاربری مختلف 00:34
-
SageMaker در لبه شبکه 04:18
-
استودیو یکپارچه SageMaker 03:00
-
پایپلاینهای SageMaker 01:57
-
کار با SageMaker JumpStart - عملی 14:51
-
آزمون: مدیریت مدلها با SageMaker None
-
مقدمه بخش 02:08
-
AWS Lambda 04:49
-
الگوهای ادغام Lambda - بخش اول 05:09
-
الگوهای ادغام Lambda - بخش دوم 06:44
-
استفاده از Lambda با Bedrock 02:03
-
Amazon API Gateway 06:37
-
Amazon API Gateway - عملی 10:19
-
API Gateway و اپلیکیشنهای Generative AI 02:26
-
AWS AppConfig 02:44
-
انتخاب پویا مدل با AppConfig 01:15
-
توابع گام AWS 03:55
-
استیتهای Step Function 03:19
-
الگوی Circuit Breaker در Step Functions 03:42
-
آزمایشگاه: زنجیرهسازی پرامپت با Step Functions و Bedrock 09:50
-
AWS CodePipeline 03:56
-
پیشنیازهای CodePipeline - عملی 02:07
-
کار با AWS CodePipeline - عملی 10:14
-
AWS CodeBuild 04:18
-
کار با AWS CodeBuild - بخش اول - عملی 04:08
-
کار با AWS CodeBuild - بخش دوم - عملی 09:29
-
AWS CodeDeploy 08:15
-
کار با AWS CodeDeploy - عملی 12:15
-
استفاده از MLFlow برای آزمایشهای LLM 01:48
-
AWS AppSync و Generative AI 01:44
-
AWS Outposts 02:38
-
AWS Outposts و Generative AI 01:36
-
سرویس AWS Wavelength 01:56
-
AWS Wavelength و Generative AI 01:09
-
سرویس Amazon SQS 10:33
-
کار با Amazon SQS - عملی 06:27
-
سرویس AWS Amplify 01:59
-
سرویس Amazon EventBridge 06:59
-
کار با Amazon EventBridge - عملی 06:51
-
سرویس Amazon SNS 04:18
-
کار با Amazon SNS - عملی 04:35
-
سرویس Amazon AppFlow 01:23
-
آزمون: ابزارهای بیشتر برای ساخت اپلیکیشنهای AI None
-
مقدمه بخش 02:04
-
ردیابی ایجنت در Bedrock 02:23
-
تکنیکهای ارزیابی برای مدلهای بنیادی 06:31
-
ارزیابی LLMها با امتیازهای ROUGE، BLUE و BERT 05:10
-
ارزیابیهای مدل در Amazon Bedrock 03:43
-
سیستمهای اعتبارسنجی استقرار 02:39
-
اصول هوش مصنوعی مسئولانه 06:41
-
لاگهای CloudWatch 06:01
-
کار با CloudWatch Logs - عملی 05:09
-
هشدارهای CloudWatch 04:13
-
کار با CloudWatch Alarms - عملی 04:38
-
سرویس CloudWatch RUM 01:05
-
نظارت بر GenAI با CloudWatch 02:33
-
AWS CloudTrail 05:42
-
کار با AWS CloudTrail - عملی 01:30
-
CloudTrail و Generative AI 00:47
-
سرویس AWS X-Ray 07:07
-
AWS X-Ray - عملی 08:13
-
AWS Lake Formation 06:34
-
آزمون: حاکمیت و تضمین کیفیت None
-
مقدمه بخش 01:56
-
اصل کمترین امتیاز 02:06
-
پوششگذاری داده و Key Salting 02:32
-
مقدمه IAM: کاربران، گروهها و سیاستها 03:22
-
کاربران و گروه های IAM - عملی 06:23
-
ورود همزمان به کنسول AWS 01:48
-
سیاستهای IAM 02:50
-
سیاست های IAM - عملی 08:01
-
IAM MFA 04:10
-
IAM MFA - عملی 04:01
-
نقش های IAM 01:39
-
نقش های IAM - عملی 02:05
-
رمزنگاری 101 03:59
-
AWS KMS 07:28
-
AWS KMS - عملی 09:31
-
Amazon Macie 01:03
-
AWS Secrets Manager 02:10
-
AWS Secrets Manager - عملی 04:00
-
Amazon Cognito 06:32
-
AWS WAF 03:01
-
VPC و Subnets درگاه اینترنت و درگاه NAT 05:23
-
NACL، گروه های امنیت و لاگ های جریان VPC 04:39
-
همتاسازی VPC، اندپوینت ها، VPN و اتصال مستقیم 05:29
-
چیت شیت VPC و کامنت های پایانی 02:34
-
لینک خصوصی AWS 02:04
-
آزمون - امنیت، هویت و انطباق None
-
مقدمه: سایر سرویسهایی که باید بشناسید 01:42
-
Amazon Athena 04:18
-
Amazon EMR 08:38
-
Amazon Quicksight 16:12
-
استریمهای داده Amazon Kinesis 04:12
-
استریم های داده Amazon Kinesis - عملی 09:38
-
Amazon MSK 03:50
-
آزمون: تحلیل داده None
-
AWS App Runner 01:39
-
AWS App Runner - عملی 03:59
-
Amazon EC2 03:32
-
کار با Amazon EC2 - عملی 13:48
-
Amazon ECS 06:43
-
ایجاد خوشه ECS - عملی 05:02
-
ایجاد سرویس ECS - عملی 09:45
-
آمازون EKS 03:58
-
Amazon EKS - عملی 06:50
-
ترکیب Amazon Lex و Connect 01:55
-
آزمون: پردازش، کانتینر و خدمات مشتری None
-
آمازون DocumentDB 01:15
-
Amazon ElastiCache 04:42
-
کار با Amazon ElastiCache - عملی 05:00
-
Amazon Neptune 01:23
-
تحلیل داده و جستجوی برداری در Amazon Neptune 01:19
-
آزمون: پایگاه داده None
-
AWS CDK 04:51
-
کار با AWS CDK - عملی 11:33
-
کلیدهای دسترسی، CLI و SDK در AWS 04:03
-
راه اندازی AWS CLI روی ویندوز 01:45
-
راهاندازی AWS CLI در مک 01:28
-
راهاندازی AWS CLI در لینوکس 01:30
-
کار با AWS CLI - عملی 03:50
-
AWS CloudFormation 03:31
-
AWS CloudFormation - عملی 08:32
-
AWS CodeArtifact 06:01
-
کار با AWS CodeArtifact - عملی 06:24
-
آزمون: ابزارهای توسعهدهندگان None
-
Amazon Augmented AI 01:56
-
Amazon Augmented AI - عملی 02:41
-
Amazon Kendra 01:22
-
Amazon Lex 01:52
-
Amazon Lex - عملی 04:34
-
Amazon Rekognition 05:40
-
کار با Amazon Rekognition - عملی 02:42
-
Amazon Textract 00:56
-
Amazon Textract - عملی 03:21
-
Amazon Transcribe 04:19
-
کار با Amazon Transcribe - عملی 01:44
-
آزمون: یادگیری ماشین None
-
مقیاسبندی خودکار AWS 02:05
-
کار با AWS Auto Scaling - عملی 01:56
-
شناسایی ناهنجاری هزینه در AWS 01:10
-
AWS Cost Explorer 02:10
-
Amazon Managed Grafana 02:49
-
AWS Systems Manager 02:25
-
AWS Systems Manager - معرفی Manager سشن 05:45
-
Parameter Store در Systems Manager 02:22
-
آزمون - مدیریت و حاکمیت None
-
AWS DataSync 04:45
-
AWS Transfer Family 02:19
-
آزمون: مهاجرت و انتقال None
-
Amazon CloudFront 05:18
-
کار با Amazon CloudFront - عملی 05:24
-
لودبالانسینگ الاستیک آمازون 06:31
-
کار با Elastic Load Balancing - عملی 08:34
-
AWS Global Accelerator 06:06
-
AWS Global Accelerator - عملی 08:49
-
Amazon Route 53 06:18
-
ثبت دامنه در Amazon Route 53 03:24
-
ایجاد اولین رکوردها در Route 53 03:56
-
راهاندازی EC2 با Route 53 05:40
-
آزمون: شبکه و تحویل محتوا None
-
سرویس Amazon EBS 04:47
-
کار با Amazon EBS - عملی 05:34
-
سرویس Amazon EFS 05:18
-
کار با Amazon EFS - عملی 13:05
-
مقایسه Amazon EFS در برابر Amazon EBS 02:11
-
آزمون: ذخیرهسازی None
-
آزمون آزمایشی کامل - گواهینامه AWS Generative AI Developer Professional None
-
مقدمه: آماده شدن برای آزمون 01:13
-
منابع آمادگی بیشتر و راهنمای آزمون 10:03
-
انواع جدید سوالات 03:01
-
نکات کلیدی برای شرکت در آزمون 08:16
-
بررسی آزمون و ثبت نام 04:37
-
50 درصد تخفیف در هزینه آزمون AWS شما! 01:10
-
دریافت 30 دقیقه اضافی در آزمون AWS خود - فقط انگلیسی زبانان غیر بومی 01:04
-
مسیرهای گواهینامه AWS Certification 06:05
-
تبریک میگویم! 01:28
مشخصات آموزش
گواهینامه کامل AWS Certified Generative AI Developer Professional
- تاریخ به روز رسانی: 1404/12/10
- سطح دوره:همه سطوح
- تعداد درس:295
- مدت زمان :22:49:31
- حجم :10.04GB
- زبان:دوبله زبان فارسی
- دوره آموزشی:AI Academy