دوره آموزشی راه‌حل‌های هوش مصنوعی سازمانی با AWS: کسب‌وکار Amazon Q، پایگاه‌های دانش Bedrock، و MLOps در SageMaker

52 دقیقهمتوسط2025-01-23

مدرسین

Noah Gift

MLOps Expert | Solopreneur | Author | Adjunct Professor | CTO

Pragmatic AI Labs

جزئیات دوره

در این دوره، با راهکارهای هوش مصنوعی سازمانی آشنا خواهید شد که ترکیبی از Amazon Q Business، پایگاه‌های دانش Bedrock و SageMaker MLOps برای مدیریت چرخه عمر کامل مدل‌های یادگیری ماشین (ML) است. مدرس دوره، Noah Gift، نمای کلی از Amazon Q، استفاده از CloudShell با Amazon Q و قابلیت‌های کسب‌وکار Amazon Q را ارائه می‌دهد. سپس به زیرساخت AWS و MLOps پرداخته و پیاده‌سازی پیشرفته هوش مصنوعی AWS، شامل AIOps سازمانی، نمونه‌سازی کنسول Bedrock و گردش‌کار RAG را توضیح می‌دهد.

اهداف یادگیری دوره
آشنایی با Amazon Q و قابلیت‌های تجاری آن
استفاده از CloudShell با Amazon Q
درک فرآیندهای MLOps در AWS
پیاده‌سازی پیشرفته هوش مصنوعی سازمانی با استفاده از AWS
آشنایی با AIOps و نمونه‌سازی کنسول Bedrock
کار با گردش‌کار RAG در پروژه‌های هوش مصنوعی

مهارت ها

Amazon BedrockAmazon SageMakerCloud DevelopmentMachine LearningAmazon Web Services (AWS)AmazonGenerative AICloud ServicesCloud PlatformsArtificial Intelligence (AI)Cloud ComputingOne-Off

سرفصل ها

1. بنیادهای هوش مصنوعی سازمانی

01 - مقدمه ای بر عملیات هوش مصنوعی سازمانی
02 - مروری بر کسب و کار آمازون Q
03 - استفاده از CloudShell با Amazon Q
04 - قابلیت‌های تجاری آمازون Q

2. AWS Infrastructure و MLOps

05 - نمای کلی Bedrock API CloudShell
06 - مهارت‌های بنیادی CloudShell
07 - کنترل هزینه با CloudShell و SageMaker
08 - کاهش مقیاس در LLM
09 - چارچوب MLOps سازمانی

3. پیاده‌سازی پیشرفته AWS AI

10 - AIOps سازمانی با Bedrock
11 - گردش کار RAG در بستر
12 - نمونه سازی اولیه کنسول بستر

4. بهترین شیوه ها

13 - خلاصه دوره و بهترین شیوه ها