آموزش Amazon Bedrock با Amazon Q Developer - از مبتدی تا حرفهای - پایتون
✅ سرفصل و جزئیات آموزش
آنچه یاد خواهید گرفت:
- تسلط به اصول Generative AI و کاربردهای تجاری آن
- ناوبری کنسول Amazon Bedrock با اطمینان
- تسلط به راهاندازی و یکپارچهسازی Amazon Q Developer
- ایجاد تصاویر سفارشی با هوش مصنوعی با پرامپتهای ساده
- بهینهسازی استفاده از سرویسهای AWS با Amazon Q
- توسعه مهارتهای تولید کد مؤثر با هوش مصنوعی
- بهینهسازی عملکرد کد با بینشهای Amazon Q
- بهبود گردش کارهای توسعه مشارکتی
- پیادهسازی شیوههای هوش مصنوعی مسئولانه و ملاحظات اخلاقی
- انجام پروژههای عملی و واقعی هوش مصنوعی با Amazon Bedrock
پیشنیازهای دوره
- درک اولیه از کدنویسی یا پایتون الزامی است.
- از مبانی تا جزئیات: ما با اصول هوش مصنوعی، AWS ،Amazon Q و GenAI شروع میکنیم و مفاهیم و اصطلاحات اصلی را به روشی واضح و مختصر توضیح میدهیم.
- یک حساب AWS
- درک اولیه از مفاهیم رایانش ابری (مفید است، اما الزامی نیست)
- اشتیاق به یادگیری در مورد هوش مصنوعی و کاربردهای عملی آن
- یادگیری عملی: لابراتوارها و تمرینهای عملی در طول دوره ارائه میشود تا یادگیری را تقویت کند و به شما اجازه دهد آنچه یاد گرفتید را در یک محیط واقعی تمرین کنید.
توضیحات دوره
به توسعه Generative AI با Amazon Bedrock و Amazon Q مسلط شوید.
دنیای پیشرفته توسعه Generative AI را با جدیدترین ابزارهای آمازون، Amazon Bedrock و Amazon Q بررسی کنید. این دوره جامع به شما یاد خواهد داد چگونه اپلیکیشنهای مبتنی بر هوش مصنوعی را با پیشرفتهترین سرویسهای هوش مصنوعی آمازون ساخته، مستقر کرده و بهینهسازی کنید.
آنچه یاد خواهید گرفت:
- نصب و پیکربندی Amazon Bedrock برای استقرار مدل هوش مصنوعی
- یکپارچهسازی مدلهای بنیادی مانند Claude ،Llama 2 و Amazon Titan
- توسعه با قابلیتهای کدنویسی به کمک هوش مصنوعی موجود در Amazon Q
- ایجاد اپلیکیشنهای آماده تولید با سرویسهای هوش مصنوعی AWS
- پیادهسازی بهترین شیوهها برای مهندسی پرامپت و امنیت هوش مصنوعی
- ایجاد راهحلهای مقیاسپذیر و مقرونبهصرفه هوش مصنوعی
محتوای دوره
بخش 1: شروع کار با Amazon Bedrock
- آشنایی با معماری Amazon Bedrock
- محیط توسعه خود را راهاندازی کنید.
- درک مدلهای بنیادی و قابلیتهای آنها
- یکپارچهسازی و احراز هویت API
بخش 2: ساخت با مدلهای بنیادی
- تولید و تکمیل متن
- تولید و دستکاری تصویر
- تولید و بهینهسازی کد
- تیونینگ مدلها برای موارد استفاده خاص
بخش 3: تجربه توسعهدهنده Amazon Q
- توسعه کد به کمک هوش مصنوعی
- بررسی و بهینهسازی کد
- تولید مستندات
- پیادهسازی بهترین شیوههای امنیتی
بخش 4: پارامترهای استنتاج کد با Q برای Bedrock
- ساخت کد با کمک هوش مصنوعی
- ایجاد یک ژنراتور محتوای مبتنی بر هوش مصنوعی
- توسعه یک اپلیکیشن تولید تصویر
- پیادهسازی یک سیستم ریفکتورینگ کد
بخش 5: پیکربندی اضافی برای مدلها
- پرامپتهای سیستم
- حداکثر طول
- دنباله توقف
- Guardrailها و ابزارهای بیلدر
این دوره برای چه کسانی مناسب است؟
- مبتدیان: افرادی که تجربه کمی در هوش مصنوعی، GenAI ،AWS و Amazon Q دارند یا هیچ تجربهای ندارند. فارغالتحصیلان اخیر یا دانشجویانی که به دنبال شروع کار خود در هوش مصنوعی، GenAI ،AWS ،Amazon Q یا توسعه نرمافزار هستند.
- همه میتوانند این دوره را در هر سرعتی که میخواهند دنبال کنند.
- کاربران سطح متوسط: متخصصانی که کمی با هوش مصنوعی آشنا هستند، اما میخواهند درک و مهارتهای خود را عمیقتر کنند. توسعهدهندگان یا مدیران سیستم که با هوش مصنوعی در سطوح اولیه کار کردهاند، اما به دنبال گسترش دانش و قابلیتهای خود هستند.
- کاربران پیشرفته: مهندسان هوش مصنوعی با تجربه، معماران نرمافزار یا رهبران تیم که میخواهند مهارتهای هوش مصنوعی خود را تقویت کنند و با بهترین شیوههای جدید بروز بمانند.
- افرادی که به دنبال تغییر شغل هستند: افرادی که از سایر نقشهای فناوری اطلاعات (مانند مدیریت سیستم، توسعه نرمافزار یا تضمین کیفیت) به هوش مصنوعی، Amazon Q و GenAI منتقل میشوند.
آموزش Amazon Bedrock با Amazon Q Developer - از مبتدی تا حرفهای - پایتون
-
مقدمه 01:19
-
آشنایی با Bedrock 04:10
-
PartyRock - تجربه Bedrock مانند چتجیپیتی 12:48
-
درک رابط کاربری 07:24
-
فعالسازی دسترسی به مدل 04:21
-
پس از دسترسی به مدل 01:15
-
آیا Amazon Q واقعاً میتواند به ما در کدنویسی کمک کند؟ - بخش عملی 08:09
-
استفاده از Playground چت 05:34
-
استفاده از Playground متن 03:15
-
استفاده از Playground تصویر 03:02
-
درک Q Developer 03:48
-
عملکرد Q Developer در صنعت 03:53
-
چت با Amazon Q 04:03
-
آیا میتوانیم کد را مستقیماً در Lambda درخواست کنیم؟ 09:35
-
چگونه از Amazon Q در Lambda با Bedrock استفاده کنیم؟ 03:01
-
Bedrock با مدل متنی - بخش عملی Amazon Titan 09:34
-
Bedrock با مدل متنی - بخش عملی Claude Sonnet 10:06
-
Bedrock با مدل متنی - بخش عملی Llama 08:10
-
چگونه خطاها را در صورت بروز در کد عیبیابی کنیم؟ 06:59
-
Bedrock با مدل تصویری - بخش عملی Titan Image 19:04
-
Bedrock با مدل تصویری - Stability.ai 08:09
-
هوش مصنوعی چیست؟ 05:59
-
Generative AI چیست؟ 04:03
-
فرصتهای موجود در GenAI 04:09
-
رابطه GenAI، هوش مصنوعی، یادگیری ماشین و یادگیری عمیق 05:20
-
مدل بنیادی مقابل مدل زبانی بزرگ 04:18
-
درک مهندسی پرامپت 04:10
-
انواع مهندسی پرامپت 02:14
-
درک پارامترهای استنتاج 08:06
-
دما - بخش عملی 06:02
-
کد دما با Q Developer - بخش عملی 1 08:31
-
کد دما با Q Developer - بخش عملی 2 06:30
-
Top P - بخش عملی 04:59
-
کد Top P با Q Developer - بخش عملی 1 08:40
-
کد Top P با Q Developer - بخش عملی 2 09:00
-
Top K - بخش عملی 04:59
-
کد Top K با Q Developer - بخش عملی 1 08:18
-
کد Top K با Q Developer - بخش عملی 2 05:52
-
محتملترین راهحل - بخش عملی 06:13
-
سناریوی عیبیابی - خطای انکار دسترسی 04:07
-
سناریوی عیبیابی - خطای تایماوت 06:13
-
سناریوی عیبیابی - استثنای اعتبارسنجی 07:08
-
سناریوی عیبیابی - خطای ModelAccess 07:38
-
پیکربندیهای اضافی 06:10
-
پرامپت سیستم 04:22
-
کد برای پرامپت سیستم با Amazon Q Dev 08:35
-
حداکثر طول 02:43
-
کد برای حداکثر طول با Amazon Q Dev 09:22
-
دنباله توقف 03:24
-
کد برای دنباله توقف دنباله با Amazon Q Dev 07:41
-
درک Safeguardها 04:55
-
راهاندازی Guardrailها 07:53
-
استفاده از Guardrailها 02:54
-
تشخیص واترمارک 03:32
-
درک ابزارهای بیلدر 04:32
-
مدیریت پرامپت 07:08
-
پایگاه دانش - استفاده از کاربر روت 06:57
-
کاربران و نقشهای IAM 05:55
-
سیاست IAM 03:21
-
پایگاه دانش - استفاده از کاربر IAM 06:57
-
درک عاملها 03:54
-
بررسی عاملها 03:56
-
ایجاد عاملها با دستیار 08:43
-
تعریف عاملها بهصورت دستی 07:37
-
افزودن گروههای اکشن و Guardrailها در عاملها 05:22
-
درک جریان پرامپت 05:50
-
جریان پرامپت با پایگاه دانش 05:01
-
جریان پرامپت با مدیریت پرامپت 03:18
-
جریان پرامپت با ایجاد پرامپت و پایگاه دانش 07:42
-
جریان پرامپت با شرط 05:02
مشخصات آموزش
آموزش Amazon Bedrock با Amazon Q Developer - از مبتدی تا حرفهای - پایتون
- تاریخ به روز رسانی: 1404/12/10
- سطح دوره:همه سطوح
- تعداد درس:70
- مدت زمان :07:02:59
- حجم :3.55GB
- زبان:دوبله زبان فارسی
- دوره آموزشی:AI Academy