ایجاد گردش کار هوش مصنوعی چندعاملی در AWS Bedrock

آنچه خواهید آموخت:

• درک و اجرای گردش کارهای چندعاملی
• استقرار گردش کارهای چندعاملی با AWS - استفاده از Bedrock ،Lambdas ،API Gateway ،S3 و بسیاری موارد دیگر
• استفاده از AWS Bedrock برای LLMها
• اجرای همکاری چندعاملی
• استقرار سیستم‌های هوش مصنوعی تولیدی – راه‌اندازی یک معماری مقیاس‌پذیر هوش مصنوعی با استفاده از AWS Lambda و API Gateway.
• ایجاد Action Groups در AWS Lambda – ساخت و مدیریت Action Groups برای تصمیم‌گیری هوش مصنوعی در محیط‌های بدون سرور
• ساخت عامل های مسافرتی مجهز به هوش مصنوعی – طراحی یک دستیار مسافرتی هوشمند که می‌تواند پیشنهاداتی برای اقامت و رستوران ارائه دهد.
• اجرای API Gateway برای دسترسی خارجی – دستیار مسافرتی هوش مصنوعی خود را از طریق AWS API Gateway به وب متصل کنید.
• بهینه‌سازی پرامپت های هوش مصنوعی با محدودیت‌های نرخ API – یاد بگیرید که چگونه محدودیت‌های پرامپت API را مدیریت کنید و از هزینه‌های اضافی جلوگیری نمایید.
• اجرای لاگ‌ کردن و نظارت – عملکرد مدل AI را پیگیری کنید و از AWS CloudWatch برای نظارت بر استفاده از API استفاده کنید.
• درک نقش عوامل ناظر – بیاموزید که چگونه عوامل ناظر وظایف را به طور موثر مدیریت و هماهنگ می‌کنند.
• استقرار یک سیستم هوش مصنوعی End-to-End – دستیار مسافرتی خود را از مفهوم به تولید در یک محیط واقعی AWS ببرید.
• تیونینگ دقیق پاسخ‌های AWS Bedrock LLM – پارامترهای سیستم را تنظیم کنید تا دقت و ارتباط پیشنهادات مسافرتی را بهبود بخشید.
• طراحی اپلیکیشن های مقیاس‌پذیر بدون سرور – بهترین شیوه ها را برای مقیاس‌پذیری اپلیکیشن های بدون سرور هوش مصنوعی محور در AWS بیاموزید.

پیش نیازهای دوره

• برنامه‌نویسی پایه پایتون

توضیحات دوره

آیا می‌خواهید از قدرت گردش کارهای چندعاملی برای ایجاد اپلیکیشن های هوش مصنوعی پیشرفته استفاده کنید و آن‌ها را به مقیاس گسترش دهید؟ این دوره در واقع دروازه‌ای برای ایجاد یک برنامه‌ریز مسافرتی کاملاً عملیاتی و آماده تولید در AWS Bedrock است، جایی که چندین عامل برای ارائه پیشنهادات شخصی‌سازی شده بلادرنگ همکاری می‌کنند. شما خواهید دید که عامل های ناظر چگونه جریان تسک ها را هماهنگ می‌کنند، در حالی که عوامل همکار و کمک‌کننده بار سنگین را به دوش می‌کشند – انجام جستجوهای پایگاه داده، مدیریت پرامپت های API و پردازش ترجیحات سفر به نمایندگی از شما. با ساختاردهی هوش مصنوعی خود به این روش محور عاملی، شما یک سیستم مقیاس‌پذیر و ماژولار توسعه خواهید داد که به راحتی به سناریوهای پیچیده و واقعی سازگار می‌شود.

ما با اصول طراحی چندعاملی زمان مناسب برای تقسیم وظایف به عوامل تخصصی، نحوه مدیریت ارتباطات بین‌عاملی و اطمینان از همکاری یکپارچه برای پاسخ‌هایی فوری آغاز می‌کنیم. سپس به مدل‌های زبانی بزرگ AWS Bedrock (LLMs) خواهیم پرداخت و نمایش می‌دهیم که چگونه الگوهای پرامپت را شخصی‌سازی، پارامترهای پیش‌فرض را نادیده بگیرید و خروجی هوش مصنوعی خود را برای پرامپت های کاربران بهینه کنید. شما خواهید آموخت که چگونه اطلاعات کلیدی سفر را در Amazon S3 ذخیره کنید و یک لایه اپلیکیشن بدون سرور با استفاده از توابع AWS Lambda - بررسی Action Groups - بسازید تا گردش کار هوش مصنوعی خود را سبک و مقرون به صرفه نگه دارید. در پایان، ما نشان خواهیم داد که چگونه آماده تولید شوید با استقرار از طریق AWS API Gateway، که یک رابط قوی فراهم می‌کند که می‌تواند پرامپت های زنده را از هر نقطه‌ای در جهان با مقیاس‌پذیری و امنیت داخلی ارائه دهد.

در پایان این دوره، شما یک اپلکیشن چندعاملی با کیفیت تولید خواهید داشت که قادر است به طور خودکار رکوردهای پایگاه داده را جستجو کند، پرامپت های API انجام دهد و پیشنهادات مسافرتی پویا ارائه دهد. چه شما یک توسعه‌دهنده هوش مصنوعی با آرزو و چه یک مهندس با تجربه باشید، شما مهارت‌های عملی لازم را برای هماهنگ کردن عوامل ناظر، همکار و کمک‌کننده برای راه‌حل‌هایی در مقیاس سازمانی واقعی به دست خواهید آورد. به ما بپیوندید و شروع به ساخت نسل بعدی هوش مصنوعی مولد با AWS Bedrock کنید! تمام این کارها را در یک محیط کاملاً آماده تولید انجام می دهید.

این دوره برای چه کسانی مناسب است؟

• مهندسان هوش مصنوعی و یادگیری ماشین که می‌خواهند از مدل‌های زبان بزرگ (LLMs) و تکنیک‌های پیشرفته ترتیب‌دهی استفاده کنند.
• معماران و مهندسان ابری که به دنبال طراحی معماری‌های قوی و بدون سرور هوش مصنوعی در AWS با مقیاس‌پذیری مناسب تولید هستند.
• دانشمندان داده که به گسترش مجموعه مهارت‌های خود به سیستم‌های چندعاملی و استقرار در زمان واقعی در ابر علاقه‌مندند.
• متخصصان DevOps و MLOps که مشتاق‌اند تا اتوماسیون end-to-endا برای اپلکیشن های هوش مصنوعی را از ذخیره‌سازی داده‌ها تا اندپوینت های API به تسلط برسانند.
• توسعه‌دهندگان نرم‌افزار که مایل به ادغام conversational AI در اپلکیشن های خود برای تجارب کاربر دوستانه و پویا هستند.
• علاقه‌مندان به فناوری و کارآفرینانی که پتانسیل سرویس های هوش مصنوعی محور را می‌بینند و می‌خواهند از رویکرد عملی برای پروتوتایپ‌سازی سریع و مقیاس‌گذاری استفاده کنند.