کتاب Building Gen AI Applications with Amazon Bedrock: Architect Foundation Models into Secure, Scalable Generative AI Solutions Using Amazon Bedrock and AWS (English Edition) (ساخت برنامه‌های هوش مصنوعی مولد با Amazon Bedrock: معماری مدل‌های بنیادی در قالب راه‌حل‌های هوش مصنوعی مولد امن و مقیاس‌پذیر با استفاده از Amazon Bedrock و AWS (نسخه انگلیسی)) یک راهنمای کاملاً مهندسی و کاربردی برای تبدیل مدل‌های هوش مصنوعی مولد از دموهای آزمایشی به سیستم‌های پایدار، ایمن و مقیاس‌پذیر در محیط تولید (Production) با استفاده از سرویس Amazon Bedrock در اکوسیستم AWS است.
جهت دانلود کتاب Building Gen AI Applications with Amazon Bedrock می‌توانید از لینک زیر استفاده کنید:
faghatketab.ir/product/building-gen-ai-applications-with-amazon-bedrock/
طراحی، ساخت و مقیاس‌گذاری راهکارهای هوش مصنوعی مولد با Amazon Bedrock — از صفر تا صد
ساخت برنامه‌های کاربردی واقعی هوش مصنوعی مولد روی Amazon Bedrock از مرحله صفر تا تحویل به محیط تولید (Production).
یادگیری الگوهای کاربردی برای پرامپت‌ها، سیستم‌های بازیابی اطلاعات (RAG)، عامل‌ها (Agents) و ادغام‌های امن.
استقرار سیستم‌های Gen AI مقیاس‌پذیر و مقرون‌به‌صرفه روی AWS به همراه پایش (Monitoring) و نرده‌های محافظ (Guardrails).
سرویس Amazon Bedrock به شما امکان می‌دهد بدون درگیری با مدیریت زیرساخت، برنامه‌های کاربردی قدرتمندی در حوزه هوش مصنوعی مولد روی AWS بسازید. کتاب Building Gen AI Applications with Amazon Bedrock راهنمایی عملی برای ایجاد سیستم‌های GenAI آماده برای محیط تولید است؛ از اولین فراخوانی مدل گرفته تا توسعه برنامه‌هایی امن، مشاهده‌پذیر (Observable) و هوشمند از نظر مدیریت هزینه.
یاد خواهید گرفت که مدل‌های پایه چگونه با مهندسی نرم‌افزار مدرن همگام می‌شوند و چطور راهکارهایی مانند چت‌بات‌ها، ابزارهای خلاصه‌سازی، تولید تصویر و تجربیات شخصی‌سازی‌شده را بدون برهم زدن ساختار فعلی سیستم خود طراحی کنید. با پیشرفت در مراحل کتاب، نحوه انتخاب و ارزیابی مدل‌ها، زمان مناسب استفاده از پرامپت‌نویسی، RAG یا عامل‌ها، و همچنین طراحی جریان‌های کاری پایداری را که تحت شرایط دنیای واقعی رفتاری قابل اعتماد دارند، کشف خواهید کرد.
علاوه بر این، Bedrock را با معماری‌های موجود ادغام می‌کنید، نرده‌های محافظ و چرخه‌های ارزیابی را پیاده‌سازی خواهید کرد و بدون مواجهه با چالش‌های غیرمنتظره در عملکرد یا هزینه، با اطمینان دست به مقیاس‌گذاری می‌زنید. کار با مدل‌هایی نظیر Anthropic Claude و Amazon Titan به شما نشان می‌دهد که چگونه انضباط مهندسی، هوش مصنوعی مولد را از یک دمو آزمایشی به ارزش واقعی و قابل اتکا برای کسب‌وکار تبدیل می‌کند. در نهایت، آماده خواهید بود تا سیستم‌های GenAI را روی Bedrock با وضوح و تسلط کامل بسازید و اداره کنید!
ساخت برنامه‌های کاربردی هوش مصنوعی مولد آماده برای محیط تولید روی Amazon Bedrock.
انتخاب، ارزیابی و مقایسه مدل‌های پایه با اطمینان خاطر.
طراحی پرامپت‌های مقاوم، خروجی‌های ساختاریافته و ادغام ابزارها.
پیاده‌سازی پایپ‌لاین‌های RAG با پاسخ‌های مستند و قابل راستی‌آزمایی.
توسعه جریان‌های کاری مبتنی بر عامل (Agentic) به همراه نرده‌های محافظ و کنترل‌های ایمنی.
مقیاس‌گذاری سیستم‌های GenAI با رعایت اصول پایش، ارزیابی و مدیریت هزینه.
این کتاب برای مهندسان نرم‌افزار، معماران راهکار (Solution Architects)، دانشمندان داده، مهندسان یادگیری ماشین (ML)، مهندسان DevOps و مدیران فنی طراحی شده است که در حال ساخت برنامه‌های هوش مصنوعی مولد روی AWS هستند.
این اثر گزینه‌ای ایده‌آل برای متخصصانی است که می‌خواهند LLMها، پایپ‌لاین‌های RAG و عامل‌های AI را با استفاده از Amazon Bedrock در سیستم‌های محیط تولید ادغام کنند. داشتن درک پایه از سرویس‌های AWS، معماری ابری و توسعه نرم‌افزار مدرن توصیه می‌شود، اما نیازی به تجربه قبلی در پژوهش‌های یادگیری عمیق یا آموزش مدل نیست.
۱. شروع کار با Amazon Bedrock
۲. راه‌اندازی محیط کاری
۳. مدل‌های پایه در Amazon Bedrock
۴. توسعه راهکارهای هوش مصنوعی مولد
۵. ادغام Bedrock با جریان‌های کاری موجود
۶. مقیاس‌پذیری برنامه‌های کاربردی هوش مصنوعی مولد
۷. سناریوهای کاربردی پیشرفته و صنایع
۸. آینده هوش مصنوعی مولد با Bedrock
نمایه (Index)
سید کادار انصاری سید احمد (Syed Kadar Ansari Syed Ahamed) از رهبران مهندسی در زمینه ساخت پلتفرم‌های داده‌محور و مجهز به هوش مصنوعی در مقیاس تولید است. تمرکز او بر هوش مصنوعی مولد کاربردی است—جایی که مدل‌ها با حاکمیت داده، امنیت و قابلیت اطمینان پیوند می‌خورند. این کتاب مهندسان را هدایت می‌کند تا از Amazon Bedrock برای طراحی، ارزیابی و عرضه سیستم‌های واقعی AI به شکلی شفاف، ایمن و دور از بزرگ‌نمایی‌های تبلیغاتی استفاده کنند.
