کتاب راهنمای عملی هوش مصنوعی مولد در AWS برای متخصصان ایرانی با فرمت AZW3 برای کتابخوان کیندل و فرمت EPUB

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره راهنمای عملی هوش مصنوعی مولد در AWS برای متخصصان ایرانی

موضوع کلی: هوش مصنوعی و یادگیری ماشین

موضوع میانی: هوش مصنوعی مولد در خدمات ابری

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر هوش مصنوعی مولد
• 2. مبانی یادگیری ماشین
• 3. انواع مدل‌های یادگیری ماشین
• 4. شبکه‌های عصبی مصنوعی
• 5. شبکه‌های عصبی عمیق
• 6. معماری‌های پرکاربرد در یادگیری عمیق
• 7. مقدمه‌ای بر پردازش زبان طبیعی (NLP)
• 8. مدل‌های زبانی سنتی
• 9. یادگیری نمایش کلمات (Word Embeddings)
• 10. مدل‌های ترنسفورمر (Transformers)
• 11. آشنایی با معماری ترنسفورمر
• 12. مکانیزم توجه (Attention Mechanism)
• 13. پردازش توالی با ترنسفورمرها
• 14. مقدمه‌ای بر هوش مصنوعی مولد
• 15. مفاهیم کلیدی در هوش مصنوعی مولد
• 16. کاربردهای هوش مصنوعی مولد
• 17. مدل‌های مولد مبتنی بر ترنسفورمر
• 18. مدل‌های زبانی بزرگ (LLMs)
• 19. آموزش مدل‌های زبانی بزرگ
• 20. تنظیم دقیق (Fine-tuning) مدل‌های زبانی بزرگ
• 21. مقدمه‌ای بر خدمات ابری AWS
• 22. خدمات محاسباتی AWS
• 23. خدمات ذخیره‌سازی AWS
• 24. خدمات شبکه‌ای AWS
• 25. امنیت در AWS
• 26. مقدمه‌ای بر هوش مصنوعی مولد در AWS
• 27. Amazon SageMaker
• 28. Amazon SageMaker Studio
• 29. Amazon SageMaker JumpStart
• 30. مدل‌های از پیش آموزش‌دیده در SageMaker
• 31. Amazon Bedrock
• 32. معرفی Amazon Bedrock
• 33. مدل‌های پایه‌ای در Bedrock
• 34. تنظیم مدل‌های پایه‌ای در Bedrock
• 35. کاربردهای Bedrock در تولید متن
• 36. کاربردهای Bedrock در خلاصه‌سازی
• 37. کاربردهای Bedrock در ترجمه
• 38. کاربردهای Bedrock در تولید کد
• 39. Amazon Comprehend
• 40. تحلیل احساسات با Amazon Comprehend
• 41. تشخیص موجودیت نام‌دار (NER) با Comprehend
• 42. استخراج عبارات کلیدی با Comprehend
• 43. Amazon Rekognition
• 44. شناسایی اشیاء و چهره با Rekognition
• 45. تحلیل متن تصاویر با Rekognition
• 46. Amazon Transcribe
• 47. تبدیل گفتار به متن با Transcribe
• 48. کاربردهای Transcribe در کسب و کار
• 49. Amazon Polly
• 50. تبدیل متن به گفتار با Polly
• 51. صداهای طبیعی در Polly
• 52. Amazon Lex
• 53. ساخت ربات‌های گفتگو (Chatbots) با Lex
• 54. مدیریت مکالمات در Lex
• 55. Amazon Kendra
• 56. جستجوی هوشمند با Amazon Kendra
• 57. بهبود نتایج جستجو با Kendra
• 58. AWS Inferentia و Trainium
• 59. شتاب‌دهنده‌های سخت‌افزاری AWS
• 60. بهینه‌سازی آموزش مدل‌ها
• 61. بهینه‌سازی استنتاج مدل‌ها
• 62. هوش مصنوعی مولد برای تولید محتوا
• 63. تولید متن خلاقانه
• 64. تولید مقالات و گزارش‌ها
• 65. تولید محتوای بازاریابی
• 66. هوش مصنوعی مولد برای توسعه نرم‌افزار
• 67. تولید کد با کمک هوش مصنوعی
• 68. اشکال‌زدایی کد با هوش مصنوعی
• 69. مستندسازی خودکار کد
• 70. هوش مصنوعی مولد در خدمات مشتری
• 71. ربات‌های پاسخگو هوشمند
• 72. شخصی‌سازی تعاملات مشتری
• 73. تحلیل بازخورد مشتریان
• 74. ملاحظات اخلاقی در هوش مصنوعی مولد
• 75. سوگیری در مدل‌های هوش مصنوعی
• 76. شفافیت و قابلیت توضیح‌پذیری
• 77. امنیت و حریم خصوصی در هوش مصنوعی مولد
• 78. مسئولیت‌پذیری در استفاده از هوش مصنوعی
• 79. مدیریت ریسک در پروژه‌های هوش مصنوعی مولد
• 80. استانداردهای حاکمیتی برای هوش مصنوعی
• 81. آینده هوش مصنوعی مولد در خدمات ابری
• 82. روندهای نوظهور در هوش مصنوعی مولد
• 83. تأثیر هوش مصنوعی مولد بر صنایع
• 84. نقش متخصصان ایرانی در هوش مصنوعی مولد
• 85. آموزش و توسعه مهارت‌های لازم
• 86. کاربردهای عملی در صنایع ایران
• 87. پیاده‌سازی هوش مصنوعی مولد در سازمان‌ها
• 88. انتخاب مدل مناسب برای کاربرد
• 89. ارزیابی و سنجش عملکرد مدل‌ها
• 90. بهینه‌سازی هزینه‌ها در استفاده از AWS
• 91. نکات کلیدی برای موفقیت در پروژه‌های هوش مصنوعی مولد
• 92. جمع‌بندی و چشم‌انداز آینده
• 93. تکمیل دانش برای گام‌های بعدی