آموزش AWS Bedrock ،Google Vertex AI ،S3 ،Lambda ،API ،RAG ،Agent
✅ سرفصل و جزئیات آموزش
آنچه یاد خواهید گرفت:
- اصول Generative AI – درک مفاهیم اصلی Generative AI، از جمله مهندسی پرامپت، رایانش ابری و چگونگی کار مدلهای هوش مصنوعی
- AWS Bedrock – یادگیری چگونگی راهاندازی AWS Bedrock، بررسی در کنسول و استفاده از سرویسهایی مانند S3 ،Lambda و API Gateway برای ساخت اپلیکیشن های مجهز به هوش مصنوعی
- پایگاه دانش و Retrieval-Augmented Generation (RAG) – ساخت اپلیکیشن هایی که از RAG برای تعامل با داده سفارشی ذخیرهشده در S3 با استفاده از AWS Bedrock استفاده میکنند.
- ایجاد Agent و Guardrails – ایجاد Agentهای قدرتمند با guardrails برای تضمین تعاملات ایمن و قابل اعتماد با مدلهای هوش مصنوعی.
- Google Vertex AI – بررسی در ارائههای Vertex AI گوگل، یادگیری چگونگی راهاندازی Vertex AI Studio و پیادهسازی موارد استفاده RAG و Agentic AI
- پروژههای عملی – پیادهسازی موارد استفاده در دنیای واقعی، از جمله ساخت اپلیکیشن های پایگاه دانش هوش مصنوعی، اپلیکیشن های عامل مسافرتی و یکپارچهسازی APIهای خارجی و فضای ابری
- یکپارچهسازی با فضای ابری – یادگیری چگونگی یکپارچهسازی مؤثر Generative AI با سرویسهای ابری برای مقیاسپذیری، امنیت و ذخیرهسازی
پیشنیازهای دوره
- هیچ تجربه برنامهنویسی یا ابری لازم نیست. تنها اشتیاق به یادگیری Generative AI، سرویسهای ابری و چگونگی کار آنها با یکدیگر کافی است.
توضیحات دوره
این دوره برای دانشجویان، دانشمندان داده، مهندسان AI/ML، توسعهدهندگان و مدیران محصول که میخواهند در Generative AI با استفاده از AWS Bedrock و Google Vertex AI مهارت پیدا کنند، ایدهآل است. هیچ تجربه قبلی در Python لازم نیست و این امر آن را برای مبتدیانی که مشتاق ورود به دنیای هوش مصنوعی بدون منحنی یادگیری تند هستند، قابل دسترس میسازد.
ما ابتدا ملزومات Generative AI و رایانش ابری را پوشش خواهیم داد، سپس به سراغ پروژههای عملی با استفاده از سرویسهای AWS Bedrock مانند S3، Lambda و API Gateway میرویم. شما اپلیکیشن هایی با ایجاد پایگاه دانش، RAG (Retrieval-Augmented Generation) و پیکربندی guardrail برای تضمین خروجیهای ایمن و قابل اعتماد هوش مصنوعی خواهید ساخت.
علاوه بر این، شما Google Vertex AI را بررسی خواهید کرد، جایی که Agentic AI را برای تصمیمگیری پویا و بلادرنگ و Vertex AI RAG را برای ایجاد سیستمهای هوش مصنوعی هوشمند پوشش میدهیم. همچنین APIها و توابع ابری را برای ارتقای بیشتر اپلیکیشن هایتان یکپارچهسازی خواهید کرد.
ما ارائههای هوش مصنوعی AWS مانند Amazon Q و SageMaker AI و ارائههای هوش مصنوعی Google Cloud را پوشش خواهیم داد.
با تمرین عملی جامع و توضیحات شفاف، این دوره تضمین میکند که مهارتهای عملی در Generative AI و سرویسهای هوش مصنوعی ابری کسب کنید. تا پایان دوره، شما برای ساخت اپلیکیشن های مقیاسپذیر و مجهز به هوش مصنوعی مجهز خواهید شد، که آن را برای پیشرفت شغلی در حوزه همیشه در حال تکامل هوش مصنوعی عالی میسازد.
این دوره برای چه کسانی مناسب است؟
- مبتدیان در هوش مصنوعی و رایانش ابری – افرادی بدون تجربه قبلی در Python، هوش مصنوعی یا رایانش ابری که میخواهند مهارتهای عملی در Generative AI کسب کنند.
- دانشجویان – کسانی که در رشته علوم کامپیوتر، هوش مصنوعی یا علم داده تحصیل میکنند و میخواهند کاربردهای عملی هوش مصنوعی و فضای ابری را بررسی کنند.
- دانشمندان داده و مهندسان یادگیری ماشین – متخصصانی که به دنبال گسترش تخصص خود در Generative AI، RAG و Agentic AI با استفاده از AWS Bedrock و Google Vertex AI هستند.
- توسعهدهندگان – توسعهدهندگان نرمافزاری که به دنبال یادگیری چگونگی ساخت اپلیکیشن های مبتنی بر هوش مصنوعی با یکپارچهسازی ابری با استفاده از AWS و Google Cloud هستند.
- مدیران محصول – افرادی که محصولات مرتبط با هوش مصنوعی را مدیریت میکنند و به دنبال درک چگونگی استفاده از Generative AI و راهحلهای ابری برای بهبود ویژگیهای محصول هستند.
- پژوهشگران – پژوهشگران هوش مصنوعی که علاقهمند به یادگیری در مورد کاربردهای عملی Generative AI روی پلتفرمهای ابری و بررسی ابزارهای جدید هوش مصنوعی هستند.
آموزش AWS Bedrock ،Google Vertex AI ،S3 ،Lambda ،API ،RAG ،Agent
-
معرفی دوره 06:50
-
رایانش ابری و Generative AI 06:45
-
اصول Generative AI (برای مبتدیان) 08:53
-
مهندسی پرامپت (برای مبتدیان) 10:33
-
تمرین عملی مهندسی پرامپت (برای مبتدیان) 08:11
-
معرفی Agentic AI (برای مبتدیان) 03:05
-
ویژگیهای Agentic AI (برای مبتدیان) 03:35
-
سرویسهای AWS Generative AI 15:28
-
مفاهیم و ویژگیهای سرویس Bedrock 18:58
-
Bedrock - راهاندازی حساب کاربری 06:02
-
Bedrock - نمای کلی کنسول 25:28
-
Bedrock - دسترسی به LLM و محیط تمرین 06:47
-
بررسی مورد استفاده و معماری Bedrock 05:35
-
تمرین عملی مورد استفاده Bedrock - Lambda ،Boto3 و S3 13:31
-
پیادهسازی Bedrock - Lambda ،Boto3 و S3 (ادامه) 08:04
-
پیادهسازی Bedrock - URL پیشامضاشده و API Gateway 16:36
-
بررسی مورد استفاده 06:40
-
نمای کلی معماری 02:26
-
راهاندازی پایگاه دانش Bedrock 04:57
-
همگامسازی پایگاه دانش Bedrock 07:51
-
راهاندازی محیط Boto3 برای Bedrock - یکپارچگی با S3 04:59
-
پیادهسازی - چتبات Streamlit، پایگاه دانش، S3 17:25
-
پیادهسازی - همگامسازی خودکار با Lambda 06:54
-
Bedrock Agent - ایجاد و تست 19:53
-
Guardrail بستر Bedrock 07:20
-
پیشنهادهای Google Gen AI 03:48
-
Vertex AI - ویژگیها و قیمتگذاری 05:57
-
راهاندازی حساب کاربری و صفحه فرود Vertex AI 09:36
-
Vertex AI Studio - ویژگیها (تمرین عملی) 14:14
-
مورد استفاده: Vertex AI - جستجوی اسناد 12:22
-
مورد استفاده: دستیار هوش مصنوعی عامل مسافرتی با Agent Builder (RAG) 14:29
-
مورد استفاده: دستیار هوش مصنوعی عامل مسافرتی با Agent Builder (API خارجی) 08:15
-
مورد استفاده: دستیار هوش مصنوعی عامل مسافرتی با Agent Builder (Cloud Function) 12:24
-
آزمونها None
مشخصات آموزش
آموزش AWS Bedrock ،Google Vertex AI ،S3 ،Lambda ،API ،RAG ،Agent
- تاریخ به روز رسانی: 1405/04/02
- سطح دوره:همه سطوح
- تعداد درس:34
- مدت زمان :05:23:51
- حجم :3.01GB
- زبان:دوبله زبان فارسی
- دوره آموزشی:AI Academy