دوره ساخت و استقرار مدل‌های هوش مصنوعی مولد با استفاده از خدمات AWS همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره ساخت و استقرار مدل‌های هوش مصنوعی مولد با استفاده از خدمات AWS

موضوع کلی: هوش مصنوعی و پردازش داده

موضوع میانی: هوش مصنوعی مولد

📋 سرفصل‌های دوره

• 1. مبانی هوش مصنوعی مولد
• 2. معرفی خدمات AWS برای هوش مصنوعی مولد
• 3. ساخت مدل‌های زبان بزرگ (LLMs)
• 4. آموزش و تنظیم دقیق مدل‌های LLMs
• 5. کار با مدل‌های تولید تصویر
• 6. تولید متن خلاقانه با هوش مصنوعی
• 7. تولید کد با هوش مصنوعی
• 8. استقرار مدل‌های هوش مصنوعی مولد
• 9. بهینه‌سازی مدل‌های هوش مصنوعی مولد
• 10. امنیت در هوش مصنوعی مولد
• 11. اخلاق در هوش مصنوعی مولد
• 12. مقدمه‌ای بر پردازش زبان طبیعی
• 13. تکنیک‌های پیش‌پردازش متن
• 14. مدل‌های زبانی آماری
• 15. شبکه‌های عصبی بازگشتی (RNNs)
• 16. شبکه‌های حافظه کوتاه‌مدت طولانی (LSTMs)
• 17. واحدهای بازگشتی دروازه‌ای (GRUs)
• 18. مکانیزم توجه (Attention Mechanism)
• 19. مدل‌های ترنسفورمر (Transformers)
• 20. آشنایی با مدل‌های از پیش آموزش‌دیده
• 21. کاربرد مدل‌های از پیش آموزش‌دیده
• 22. تنظیم دقیق مدل‌های از پیش آموزش‌دیده
• 23. مقدمه‌ای بر مدل‌های تولید تصویر
• 24. معماری شبکه‌های مولد تخاصمی (GANs)
• 25. شبکه‌های خودرمزگذار متغیر (VAEs)
• 26. مدل‌های انتشار (Diffusion Models)
• 27. تولید تصویر با استفاده از پرامپت‌ها
• 28. تنظیم دقیق مدل‌های تولید تصویر
• 29. کاربرد مدل‌های تولید تصویر در طراحی
• 30. تولید موسیقی با هوش مصنوعی
• 31. تولید ویدئو با هوش مصنوعی
• 32. مقدمه‌ای بر خدمات AWS برای هوش مصنوعی
• 33. Amazon SageMaker
• 34. Amazon Bedrock
• 35. Amazon Rekognition
• 36. Amazon Comprehend
• 37. Amazon Translate
• 38. Amazon Lex
• 39. Amazon Polly
• 40. Amazon Transcribe
• 41. Amazon Personalize
• 42. Amazon Forecast
• 43. Amazon Kendra
• 44. Amazon CodeWhisperer
• 45. معماری راه‌کارهای هوش مصنوعی مولد در AWS
• 46. ساخت برنامه‌های کاربردی با Amazon Bedrock
• 47. استفاده از مدل‌های Foundation در Bedrock
• 48. تنظیم دقیق مدل‌ها در SageMaker JumpStart
• 49. استقرار مدل‌های LLM سفارشی
• 50. مدیریت داده‌ها برای آموزش مدل‌ها
• 51. امنیت داده‌ها در AWS
• 52. حاکمیت مدل‌ها در AWS
• 53. پایش عملکرد مدل‌ها
• 54. بهینه‌سازی هزینه در راه‌کارهای هوش مصنوعی
• 55. مقدمه‌ای بر پردازش داده در AWS
• 56. خدمات ذخیره‌سازی داده در AWS
• 57. Amazon S3
• 58. Amazon EFS
• 59. Amazon FSx
• 60. خدمات پایگاه داده در AWS
• 61. Amazon RDS
• 62. Amazon DynamoDB
• 63. Amazon Redshift
• 64. خدمات تحلیل داده در AWS
• 65. Amazon EMR
• 66. AWS Glue
• 67. Amazon Athena
• 68. Amazon QuickSight
• 69. پردازش داده‌های بزرگ با AWS
• 70. مهندسی داده برای هوش مصنوعی مولد
• 71. جمع‌آوری داده‌های مورد نیاز
• 72. پاکسازی و پیش‌پردازش داده‌ها
• 73. تبدیل داده‌ها به فرمت مناسب
• 74. مدیریت چرخه عمر داده‌ها
• 75. ملاحظات حریم خصوصی داده‌ها
• 76. قوانین و مقررات مربوط به داده‌ها
• 77. امنیت داده‌ها در طول پردازش
• 78. استفاده از خدمات AWS برای پردازش داده
• 79. ساخت خطوط لوله داده (Data Pipelines)
• 80. خودکارسازی فرآیندهای پردازش داده
• 81. مانیتورینگ و گزارش‌دهی پردازش داده
• 82. بهینه‌سازی عملکرد پردازش داده
• 83. مقدمه‌ای بر مفاهیم پیشرفته هوش مصنوعی مولد
• 84. یادگیری انتقالی (Transfer Learning)
• 85. یادگیری تقویتی (Reinforcement Learning)
• 86. یادگیری فدرال (Federated Learning)
• 87. تفسیرپذیری مدل‌های هوش مصنوعی
• 88. قابلیت اطمینان مدل‌های هوش مصنوعی
• 89. کاربردهای صنعتی هوش مصنوعی مولد
• 90. هوش مصنوعی مولد در خدمات مالی
• 91. هوش مصنوعی مولد در مراقبت‌های بهداشتی
• 92. هوش مصنوعی مولد در آموزش
• 93. هوش مصنوعی مولد در رسانه و سرگرمی
• 94. چالش‌ها و آینده هوش مصنوعی مولد
• 95. روندهای نوظهور در هوش مصنوعی مولد
• 96. توسعه پایدار در هوش مصنوعی مولد