دوره معماری و پیاده‌سازی راه‌حل‌های حرفه‌ای هوش مصنوعی مولد با AWS همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره معماری و پیاده‌سازی راه‌حل‌های حرفه‌ای هوش مصنوعی مولد با AWS

موضوع کلی: هوش مصنوعی و توسعه نرم‌افزار

موضوع میانی: توسعه حرفه‌ای برنامه‌های هوش مصنوعی مولد

📋 سرفصل‌های دوره

• 1. مقدمه ای بر هوش مصنوعی مولد و AWS
• 2. مبانی مدل های زبانی بزرگ (LLMs)
• 3. معماری های کلیدی مدل های مولد
• 4. مفاهیم یادگیری عمیق برای مدل های مولد
• 5. معماری ترنسفورمر و اجزای آن
• 6. پردازش زبان طبیعی (NLP) در مدل های مولد
• 7. تولید متن با استفاده از مدل های مولد
• 8. تولید تصویر با استفاده از مدل های مولد
• 9. تولید کد با استفاده از مدل های مولد
• 10. ملاحظات اخلاقی و امنیتی در هوش مصنوعی مولد
• 11. مقررات و چارچوب های قانونی هوش مصنوعی در ایران
• 12. اصول حاکم بر توسعه نرم افزار حرفه ای
• 13. استانداردهای کدنویسی و بهترین شیوه ها
• 14. مدیریت چرخه عمر توسعه نرم افزار (SDLC)
• 15. متدولوژی های توسعه چابک (Agile)
• 16. روش های توسعه مبتنی بر تست (TDD)
• 17. کنترل نسخه با Git و GitHub/GitLab
• 18. مقدمه ای بر خدمات AWS برای هوش مصنوعی
• 19. Amazon SageMaker: معرفی و قابلیت ها
• 20. Amazon SageMaker Studio: محیط توسعه یکپارچه
• 21. آماده سازی داده ها برای مدل های مولد در SageMaker
• 22. ویژگی سازی داده ها با SageMaker Feature Store
• 23. آموزش مدل های پایه با SageMaker
• 24. تنظیم دقیق (Fine-tuning) مدل های پایه
• 25. استفاده از مدل های از پیش آموزش دیده در SageMaker
• 26. Amazon Bedrock: خدمات مدل های مولد
• 27. معرفی Amazon Bedrock و مدل های آن
• 28. مدل های Anthropic Claude در Bedrock
• 29. مدل های AI21 Labs Jurassic در Bedrock
• 30. مدل های Amazon Titan در Bedrock
• 31. مدل های Cohere در Bedrock
• 32. مدل های Meta Llama در Bedrock
• 33. تنظیم دقیق مدل ها در Bedrock
• 34. استفاده از Prompt Engineering در Bedrock
• 35. تکنیک های بهبود Prompt برای نتایج بهتر
• 36. Prompt Chaining برای وظایف پیچیده
• 37. بازیابی افزوده (RAG) برای افزایش دانش مدل
• 38. پیاده سازی RAG با استفاده از Amazon Kendra
• 39. ادغام Bedrock با سایر خدمات AWS
• 40. ساخت برنامه های کاربردی با Bedrock Agents
• 41. توسعه اپلیکیشن های تولید متن خلاقانه
• 42. طراحی چت‌بات های هوشمند با Bedrock
• 43. تولید محتوای بازاریابی با مدل های مولد
• 44. خلاصه سازی متون با استفاده از مدل های مولد
• 45. ترجمه ماشینی پیشرفته با مدل های مولد
• 46. تولید کد و کمک به برنامه نویسان
• 47. توسعه ابزارهای خودکارسازی با هوش مصنوعی مولد
• 48. مدیریت و ارزیابی مدل های مولد
• 49. معیارهای ارزیابی مدل های تولید متن
• 50. معیارهای ارزیابی مدل های تولید تصویر
• 51. معیارهای ارزیابی مدل های تولید کد
• 52. نظارت بر عملکرد مدل ها در محیط عملیاتی
• 53. Amazon CloudWatch برای مانیتورینگ
• 54. امنیت در توسعه برنامه های هوش مصنوعی مولد
• 55. مدیریت دسترسی با AWS IAM
• 56. رمزنگاری داده ها در AWS
• 57. حفاظت از مدل ها در برابر سوء استفاده
• 58. ملاحظات حریم خصوصی در داده ها و مدل ها
• 59. طراحی معماری های مقیاس پذیر برای برنامه های مولد
• 60. استفاده از AWS Lambda برای اجرای کد بدون سرور
• 61. Amazon API Gateway برای ساخت API
• 62. استفاده از Amazon S3 برای ذخیره سازی داده ها
• 63. Amazon DynamoDB برای پایگاه داده NoSQL
• 64. طراحی معماری های مقاوم در برابر خطا
• 65. استقرار برنامه های هوش مصنوعی مولد
• 66. استفاده از AWS CodePipeline برای CI/CD
• 67. استقرار مدل ها با SageMaker Endpoints
• 68. استقرار با استفاده از Bedrock API
• 69. بهینه سازی هزینه در برنامه های هوش مصنوعی مولد
• 70. نظارت بر مصرف منابع و هزینه ها
• 71. استراتژی های کاهش هزینه
• 72. ملاحظات مربوط به مقررات مالی و بانکداری اسلامی در هوش مصنوعی
• 73. قوانین مربوط به رمزارزها و هوش مصنوعی
• 74. کاربرد هوش مصنوعی در اقتصاد اسلامی
• 75. ملاحظات مربوط به فقه و احکام در توسعه نرم افزار
• 76. الگوهای پوششی شرعی در محیط کار مجازی
• 77. محدودیت های محتوایی در آموزش های دینی
• 78. ملاحظات مربوط به تاریخ و سیاست در محتوای هوش مصنوعی
• 79. تأثیر هوش مصنوعی بر روابط بین الملل
• 80. چارچوب های قانونی روابط خارجی ایران
• 81. ملاحظات مربوط به علوم پزشکی و هوش مصنوعی
• 82. کاربرد هوش مصنوعی در تشخیص و درمان
• 83. ملاحظات اخلاقی در استفاده از داده های پزشکی
• 84. پروتکل های وزارت بهداشت در استفاده از فناوری
• 85. مدیریت ریسک در پروژه های هوش مصنوعی مولد
• 86. شناسایی و ارزیابی ریسک ها
• 87. برنامه ریزی برای کاهش ریسک
• 88. بررسی موردی: ساخت یک دستیار کدنویسی هوشمند
• 89. طراحی معماری دستیار کدنویسی
• 90. پیاده سازی با SageMaker و Bedrock
• 91. ارزیابی و بهبود دستیار کدنویسی
• 92. بررسی موردی: ساخت یک سیستم تولید محتوای خلاقانه
• 93. طراحی معماری سیستم تولید محتوا
• 94. پیاده سازی با Bedrock
• 95. ارزیابی و بهبود سیستم تولید محتوا
• 96. بررسی موردی: ساخت یک ربات پرسش و پاسخ سازمانی
• 97. طراحی معماری ربات پرسش و پاسخ
• 98. پیاده سازی با Bedrock و Kendra
• 99. ارزیابی و بهبود ربات پرسش و پاسخ
• 100. آینده هوش مصنوعی مولد و نقش AWS