خدمات الذكاء الاصطناعي وتحليل البيانات
تعرّف على أهم خدمات الذكاء الاصطناعي وتعلّم الآلة وتحليل البيانات في AWS: الطبقات الثلاث للذكاء الاصطناعي، والخدمات الجاهزة مثل Rekognition و Comprehend، ومنصة Amazon SageMaker، والذكاء الاصطناعي التوليدي عبر Bedrock و Q، وخدمات التحليل مثل Athena و Redshift و Kinesis.
يجمع هذا الموضوع خدمات AWS التي تحوّل البيانات إلى رؤى وتضيف الذكاء إلى التطبيقات. في اختبار CLF-C02 لا تدرّب نموذجاً ولا تكتب استعلاماً. هدفك أن تتعرّف على كل خدمة باسمها، وتطابِق المشكلة الموصوفة بالخدمة المناسبة لها.
يضم الموضوع درسين. يمرّ الأول على منظومة الذكاء الاصطناعي وتعلّم الآلة في AWS، من الخدمات الجاهزة التي تستدعيها عبر API حتى منصة Amazon SageMaker والذكاء الاصطناعي التوليدي. ويتتبّع الثاني البيانات عبر مسار تحليل كامل، ويقارن بين خدمات التحليل التي يخلط بينها المتعلّمون أكثر من غيرها.
ما الذي يغطيه هذا الموضوع
- الطبقات الثلاث لمنظومة الذكاء الاصطناعي وتعلّم الآلة في AWS، من الخدمات الجاهزة إلى النماذج المخصّصة
- خدمات الذكاء الاصطناعي الجاهزة مثل Rekognition و Comprehend و Polly و Transcribe و Lex، ومهمة كل واحدة
- منصة Amazon SageMaker لبناء نماذج تعلّم الآلة وتدريبها ونشرها على بياناتك
- الذكاء الاصطناعي التوليدي عبر Amazon Bedrock و Amazon Q
- مراحل مسار تحليل البيانات: الاستيعاب والتخزين والمعالجة والاستعلام والعرض المرئي
- خدمات التحليل الأساسية مثل Amazon Athena و Redshift و EMR و AWS Glue و Kinesis و QuickSight
- كيف تميّز بين Amazon Athena و Redshift و EMR
لماذا هذا مهم
تظهر هذه الخدمات كثيراً في أسئلة السيناريو: تصف جملة حاجة معيّنة، وتختار أنت الخدمة المناسبة. حين تعرف أن Transcribe تحوّل الكلام إلى نص، وأن SageMaker لبناء النماذج المخصّصة، وأن Athena تشغّل SQL على S3، تجيب بسرعة دون تردّد.
يكافئ الموضوع أيضاً إدراك النمط أكثر من حفظ التفاصيل. حالما تضع الخدمة في الطبقة الصحيحة من منظومة الذكاء الاصطناعي، أو في المرحلة الصحيحة من مسار التحليل، تتحوّل القائمة الطويلة من الأسماء إلى مجموعة صغيرة من المهام الواضحة، وهذا تحديداً ما يختبره الامتحان.