دوره ساخت برنامه‌های هوش مصنوعی مولد با AWS همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره ساخت برنامه‌های هوش مصنوعی مولد با AWS

موضوع کلی: توسعهٔ برنامه‌های کاربردی هوش مصنوعی مولد

موضوع میانی: هوش مصنوعی مولد در بستر ابری

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر هوش مصنوعی مولد
• 2. مفاهیم کلیدی هوش مصنوعی مولد
• 3. معماری مدل‌های مولد
• 4. یادگیری عمیق برای مدل‌های مولد
• 5. شبکه‌های مولد تخاصمی (GANs)
• 6. خودرمزگذارها (Autoencoders)
• 7. ترانسفورمرها و مدل‌های زبانی بزرگ (LLMs)
• 8. آموزش مدل‌های مولد
• 9. تنظیم دقیق (Fine-tuning) مدل‌های مولد
• 10. مباني AWS برای هوش مصنوعی
• 11. خدمات AWS برای یادگیری ماشین
• 12. Amazon SageMaker چیست؟
• 13. آماده‌سازی داده‌ها برای مدل‌های مولد در AWS
• 14. ذخیره‌سازی داده‌ها در AWS (S3)
• 15. پردازش داده‌ها در AWS (EMR, Glue)
• 16. استفاده از SageMaker برای آموزش مدل
• 17. مدیریت چرخه عمر مدل در SageMaker
• 18. استقرار مدل‌های مولد در AWS
• 19. Endpoint های SageMaker برای استنتاج
• 20. بهینه‌سازی استنتاج مدل‌های مولد
• 21. چالش‌های امنیتی در هوش مصنوعی مولد
• 22. اصول اخلاقی در هوش مصنوعی مولد
• 23. حاکمیت داده‌ها و مدل‌ها در AWS
• 24. مدل‌های زبانی بزرگ (LLMs)
• 25. معماری ترانسفورمر
• 26. نحوه کارکرد LLMs
• 27. آموزش LLMs
• 28. تنظیم دقیق LLMs
• 29. کاربرد LLMs در تولید متن
• 30. تولید کد با LLMs
• 31. ترجمه ماشینی با LLMs
• 32. خلاصه‌سازی متن با LLMs
• 33. پاسخ به پرسش با LLMs
• 34. تولید محتوای خلاقانه
• 35. تولید تصاویر با مدل‌های مولد
• 36. مدل‌های انتشار (Diffusion Models)
• 37. DALL-E و Stable Diffusion
• 38. تولید تصاویر از متن
• 39. ویرایش تصاویر با مدل‌های مولد
• 40. تولید ویدئو با مدل‌های مولد
• 41. تولید صدا با مدل‌های مولد
• 42. تولید موسیقی با مدل‌های مولد
• 43. AWS Bedrock: سرویس LLM مدیریت شده
• 44. کار با مدل‌های پایه در Bedrock
• 45. تنظیم دقیق مدل‌ها در Bedrock
• 46. استفاده از Prompt Engineering در Bedrock
• 47. توسعه برنامه‌های کاربردی با Bedrock
• 48. یکپارچه‌سازی Bedrock با سایر خدمات AWS
• 49. ملاحظات امنیتی و انطباق در Bedrock
• 50. حکمرانی هوش مصنوعی در AWS
• 51. اصول اخلاقی در توسعه هوش مصنوعی مولد
• 52. قوانین و مقررات مربوط به هوش مصنوعی
• 53. مدیریت ریسک در هوش مصنوعی مولد
• 54. استانداردهای انطباق در AWS
• 55. حفاظت از داده‌ها در هوش مصنوعی مولد
• 56. حریم خصوصی کاربران در هوش مصنوعی مولد
• 57. شفافیت در مدل‌های مولد
• 58. قابلیت توضیح‌پذیری (Explainability) در مدل‌های مولد
• 59. تشخیص و کاهش سوگیری در مدل‌های مولد
• 60. توسعه مسئولانه هوش مصنوعی مولد
• 61. برنامه‌های کاربردی هوش مصنوعی مولد در کسب‌وکار
• 62. بهبود بهره‌وری با هوش مصنوعی مولد
• 63. نوآوری با هوش مصنوعی مولد
• 64. تجربه مشتری با هوش مصنوعی مولد
• 65. اتوماسیون فرآیندها با هوش مصنوعی مولد
• 66. تولید محتوای بازاریابی
• 67. تولید متن‌های فنی
• 68. پشتیبانی مشتری با چت‌بات‌های هوشمند
• 69. تحلیل داده‌های متنی
• 70. تولید گزارش‌های خودکار
• 71. توسعه ابزارهای آموزشی
• 72. ساخت بازی‌های تعاملی
• 73. طراحی رابط کاربری (UI)
• 74. تولید مدل‌های سه‌بعدی
• 75. کاربرد در علوم پزشکی
• 76. کاربرد در تحقیقات علمی
• 77. پایش و تحلیل سلامت
• 78. تولید راهنمای درمانی
• 79. تولید تصاویر پزشکی
• 80. هوش مصنوعی مولد در حوزه مالی
• 81. تحلیل ریسک
• 82. تشخیص تقلب
• 83. تولید گزارش‌های مالی
• 84. مشاوره سرمایه‌گذاری
• 85. هوش مصنوعی مولد در حوزه حقوقی
• 86. تحلیل اسناد حقوقی
• 87. پیش‌بینی نتایج پرونده‌ها
• 88. تولید پیش‌نویس قراردادها
• 89. دسترسی به اطلاعات حقوقی
• 90. آینده هوش مصنوعی مولد
• 91. روندهای نوظهور در هوش مصنوعی مولد
• 92. تأثیر هوش مصنوعی مولد بر جامعه
• 93. چالش‌های پیش روی هوش مصنوعی مولد
• 94. فرصت‌های شغلی جدید
• 95. آموزش و توسعه مهارت‌های لازم
• 96. ملاحظات بلندمدت
• 97. همکاری انسان و هوش مصنوعی
• 98. توسعه پایدار با هوش مصنوعی مولد
• 99. ایجاد اکوسیستم هوش مصنوعی مولد
• 100. نوآوری مستمر در هوش مصنوعی مولد