Camp d'entraînement complet pour le praticien certifié AI AWS AIF-C01

Aperçu

Maîtrisez AIF-C01 et réussissez du premier coup | 2 examens pratiques + 320 questions avec explications détaillées Ce que vous apprendrez :

Préparation complète pour la certification AWS Certified AI Practitioner (AIF-C01) :

15h de contenu vidéo de haute qualité + un total de 450 questions et explications.[À jour] Maîtrisez l'examen AIF-C01 - Aucune connaissance préalable requise.[Téléchargeable] Récapitulatif des concepts clés - fichier PDF (119 pages).Différencier l'Intelligence Artificielle, l'Apprentissage Automatique et l'Apprentissage Profond.Comprendre les principes fondamentaux des réseaux neuronaux.Explorer les applications de la vision par ordinateur et du traitement du langage naturel (NLP).Saisir les services fondamentaux AWS et les concepts de base.Apprenez les étapes clés du processus d'apprentissage automatique.Identifier et comprendre les différents types de données utilisés en apprentissage automatique.Distinguer et appliquer les principaux types d'apprentissage automatique :

Apprentissage supervisé, non supervisé, par renforcement et semi-supervisé.Comprendre le concept d'inférence en apprentissage automatique.Explorer les applications à valeur ajoutée de l'Intelligence Artificielle.Reconnaître les scénarios où l'Intelligence Artificielle peut ne pas être la solution appropriée.Acquérir une compréhension pratique d'Amazon Rekognition pour l'analyse d'images et de vidéos.Apprendre à utiliser Amazon Transcribe pour une conversion précise de la parole en texte.Découvrir les capacités d'Amazon Translate pour la traduction de texte multilingue.Explorer Amazon Comprehend pour la compréhension et les insights en langage naturel.Comprendre comment construire des interfaces conversationnelles avec Amazon Lex.Apprendre à générer une parole réaliste avec Amazon Polly.Découvrir comment utiliser Amazon Fraud Detector pour identifier les fraudes potentielles.Explorer Amazon Personalize pour créer des recommandations personnalisées.Comprendre comment utiliser Amazon Kendra pour une recherche intelligente dans les documents.Apprendre à extraire du texte et des données de documents avec Amazon Textract.Apprendre à utiliser Amazon Forecast pour la prévision de séries chronologiques.Comprendre les fondamentaux d'Amazon Mechanical Turk (MTurk) pour les tâches de crowdsourcing.Explorer comment mettre en œuvre des flux de travail de révision humaine pour les prédictions d'apprentissage automatique avec Amazon Augmented AI (A2I).Acquérir une vue d'ensemble complète d'Amazon SageMaker AI et de ses composants clés.Comprendre les différentes phases du cycle de développement de l'apprentissage automatique.Apprendre la distinction entre le cycle de développement ML et un pipeline ML.Saisir les concepts fondamentaux de MLOps.Découvrir comment les outils AWS SageMaker AI se mappent aux différentes étapes du pipeline ML.Explorer les sources de modèles et les stratégies de sélection dans Amazon SageMaker AI.Comprendre les principaux indicateurs de performance technique pour les problèmes de classification.Apprendre les indicateurs de performance technique essentiels pour les problèmes de régression.Comprendre la vue d'ensemble et la signification des modèles de fondation (FMs).Acquérir des connaissances dans le monde des modèles de langage à grande échelle (LLMs).Apprendre ce que sont les jetons, les embeddings et les vecteurs en tant que blocs de construction fondamentaux des modèles de langage.Explorer les capacités et les applications des modèles multimodaux.Découvrir les principes derrière les modèles de diffusion.Comprendre les différentes phases du cycle de vie des modèles de fondation.Acquérir une vue d'ensemble complète d'Amazon Bedrock.Comprendre le but et les capacités d'Amazon SageMaker JumpStart.Explorer Amazon Q Business et Amazon Q Developer pour les applications d'AI générative.Comprendre des paramètres d'inférence importants comme la Température, Top K, Top P et la Longueur de Sortie.Saisir le concept de la Génération Augmentée par la Récupération (RAG).Explorer comment mettre en œuvre RAG et les Bases de Connaissances en utilisant Amazon Bedrock.Comprendre les différentes options de base de données vectorielle pour le stockage des embeddings.Apprendre les méthodes de personnalisation des modèles de fondation, y compris les considérations de coût et d'implémentation.Découvrir comment les agents Amazon Bedrock peuvent aider à réaliser des tâches multi-étapes.Apprendre des techniques fondamentales d'ingénierie de prompt pour construire une base solide.Identifier et comprendre divers points faibles de l'IA, y compris l'exposition, l'empoisonnement, le détournement et l'injection de prompt.Découvrir diverses méthodes pour affiner les modèles de fondation à des tâches spécifiques.Comprendre les étapes cruciales impliquées dans la préparation des données pour un affinement efficace des modèles de fondation.Comprendre les métriques d'évaluation clés pour les modèles de fondation, y compris la Perplexité, BLEU, ROUGE, BERTScore, Précision, et le score F1.Comprendre les concepts clés de l'IA Responsable.Apprendre sur les préoccupations légales et éthiques entourant l'AI générative.Comprendre les concepts d'ajustement de modèle, biais et variance (sous-ajustement et sur-ajustement).Comprendre les AWS AI Service Cards :

ce qu'ils sont, pourquoi ils sont importants, et voir un exemple.Explorer AWS SageMaker Clarify pour détecter et atténuer le biais dans les modèles ML.Comprendre la Sécurité des Systèmes IA dans le contexte du Modèle de Responsabilité Partagée de AWS.Apprendre les concepts de gestion d'identité et d'accès (IAM) :

Utilisateurs, Groupes, Rôles, Politiques et Permissions.Explorer les capacités de chiffrement AWS pour sécuriser les données au repos et en transit.Comprendre les considérations de sécurité réseau pour les charges de travail IA, y compris AWS PrivateLink.Comprendre les concepts de provenance et de lignée des données.Découvrir les protocoles et cadres de gouvernance spécialement conçus pour l'AI générative. Bienvenue au Bootcamp complet AWS Certified AI Practitioner AIF-C01 — votre guide complet pour réussir l'examen.

Mon nom est Vladimir Raykov, et je serai votre instructeur. Je suis un praticien certifié en AI, un professionnel de la gestion de projet, un Scrum Master, et propriétaire de produit.

Je travaille actuellement comme chef de produit agile dans une entreprise de développement de logiciels. J'ai passé les 10 dernières années à enseigner en ligne et ai aidé des milliers d'étudiants à obtenir leurs certifications.

Je suis maintenant ici pour vous aider à faire de même. À la fin du cours, vous :

- Serez bien préparé pour passer l'examen officiel AWS Certified AI Practitioner (AIF-C01). - Aurez une base solide dans les concepts de base de l'IA, de l'apprentissage automatique et de l'apprentissage profond, expliqués simplement et clairement - Et j'ai créé plus de 300 diapositives avec des diagrammes et des images pour m'assurer que c'est vraiment le cas. - Obtiendrez une compréhension approfondie des services liés à l'IA d'AWS tels qu'Amazon Bedrock, Amazon SageMaker AI, et les services pré-entraînés tels que Comprehend, Rekognition et bien d'autres. - Apprendrez comment l'IA est appliquée dans des scénarios commerciaux réels et comment évaluer quand et comment utiliser l'IA de manière responsable. - Serez prêt pour les questions basées sur des scénarios de l'examen en appliquant ce que vous avez appris à des exemples pratiques tout au long du cours.

Quant à la structure du cours, vous trouverez :

- 18 sections structurées, alignées avec les 5 domaines de l'examen :

Fondamentaux de l'IA et de l'apprentissage automatique, Fondamentaux de l'AI générative, Applications des modèles de fondation, Lignes directrices pour une IA responsable, et Sécurité, Conformité et Gouvernance des Solutions IA - Plus de 150 leçons vidéo de courte durée (environ 15 heures au total). Chaque vidéo est scriptée pour assurer une livraison claire et concise — pas de remplissage, pas de moments de « humm ». - Plus de 320 questions pratiques avec des explications détaillées, incluses sous forme de quiz à la fin de chaque section - 2 examens blancs complets, chacun avec 65 questions qui reflètent le format réel de l'examen - Un résumé téléchargeable de 119 pages des points clés — parfait pour la révision de dernière minute - Des scénarios IA réels pour vous aider à connecter les concepts à des cas d'utilisation commerciale pratiques - Des mises à jour régulières basées sur les dernières évolutions des services AWS et du contenu de l'examen Ce cours est conçu pour toute personne souhaitant obtenir la certification AWS Certified AI Practitioner (AIF-C01) et l'ajouter à sa boîte à outils professionnelle — aucune expérience préalable de l'IA ou du cloud n'est requise.

Que vous cherchiez à comprendre comment l'IA fonctionne dans des environnements commerciaux réels ou à vous préparer pour votre prochain rôle, ce cours vous donnera les connaissances et la confiance nécessaires pour réussir l'examen. Il est parfait pour :

- Les analystes d'affaires et les professionnels du support IT - Les professionnels du marketing et les chefs de produit - Les chefs de projet, Propriétaires de produit et Scrum Masters - Les managers IT, professionnels des ventes, et toute personne curieuse à propos de l'IA et AWS À la fin, vous ne serez pas seulement préparé à réussir l'examen — vous comprendrez les concepts qu'il contient.

Prêt à commencer ? Regardez les vidéos d'aperçu—en particulier « Roadmap to Success »—pour voir ma stratégie pour vous aider à réussir l'examen et à vraiment comprendre le matériel.

Cliquez sur s'inscrire, et commençons ensemble votre parcours AWS AI. À bientôt à l'intérieur !

Programme

• **Introduction à l'IA et au ML**
• Différenciation entre IA, ML et Deep Learning
• Principes fondamentaux des réseaux neuronaux
• Types de Machine Learning : supervisé, non supervisé, renforcement, semi-supervisé
• Étapes clés du processus de Machine Learning
• Types de données dans le Machine Learning
• Concept d'inférence dans le ML
• Applications et limites de l'IA
• **Aperçu des services AI d'AWS**
• Services et concepts principaux d'AWS
• Amazon Rekognition : Analyse d'images et de vidéos
• Amazon Transcribe : Conversion parole-texte
• Amazon Translate : Traduction de texte multilingue
• Amazon Comprehend : Compréhension du langage naturel
• Amazon Lex et Polly : Interfaces conversationnelles et génération de discours
• Amazon Fraud Detector et Personalize
• Amazon Kendra : Recherche intelligente
• Amazon Textract : Extraction de texte et de données
• Amazon Forecast : Prévision de séries chronologiques
• **Outils et frameworks d'AI d'AWS**
• Amazon Mechanical Turk (MTurk) pour le crowdsourcing
• Amazon Augmented AI (A2I) pour les flux de travail de révision humaine
• Amazon SageMaker AI : Vue d'ensemble et composants clés
• Cycle de vie de développement de Machine Learning vs. pipeline ML
• Fondamentaux de MLOps
• **AI Générative et Modèles Fondamentaux**
• Modèles de langage large (LLM) et modèles fondamentaux
• Tokens, embeddings et vecteurs
• Modèles multimodaux et modèles de diffusion
• Phases du cycle de vie des modèles fondamentaux
• Amazon Bedrock et SageMaker JumpStart
• Amazon Q Business et Q Developer
• Paramètres d'inférence : Température, Top K, Top P, Longueur de sortie
• **Concepts et Applications Avancées d'AI**
• Génération augmentée par récupération (RAG) et bases de connaissances
• Options de bases de données vectorielles pour les embeddings
• Méthodes de personnalisation des modèles fondamentaux
• Agents Amazon Bedrock pour les tâches multi-étapes
• Techniques de Prompt Engineering
• Vulnérabilités et considérations de sécurité de l'IA
• **AI Responsable et Sécurité**
• Concepts d'IA responsable et préoccupations éthiques
• Ajustement du modèle, biais et variance
• Fiches de service AI d'AWS
• SageMaker Clarify : Détection et atténuation des biais
• Sécurité des systèmes AI dans le modèle de responsabilité partagée AWS
• Gestion des identités et des accès (IAM) dans AWS
• Cryptage et sécurité réseau pour les charges de travail AI
• Provenance, lignage et protocoles de gouvernance des données
• **Préparation et Pratique pour l'Examen**
• Plus de 150 leçons vidéo concises
• Plus de 320 questions de pratique avec explications
• 2 examens simulés complets
• Résumé téléchargeable en PDF de 119 pages
• Mises à jour régulières du contenu basées sur les changements d'AWS
• **Conclusion du Cours**
• Scénarios AI réels et cas d'utilisation en entreprise
• Feuille de route vers le succès et stratégie d'examen

Enseigné par

Vladimir Raykov

Sujets

Programmation