کتاب Building Gen AI Applications with Amazon Bedrock

کتاب Building Gen AI Applications with Amazon Bedrock

اثر Syed Kadar Ansari Syed Ahamed

شناسنامه کتاب

مشخصات تکمیلی ثبت‌شده برای این عنوان

نویسنده

Syed Kadar Ansari Syed Ahamed

انتشارات

Orange Education Pvt Ltd

سال انتشار

2026

فرمت کتاب

EPUB

تعداد صفحات

561

حجم فایل / وزن

41.41 مگابایت

ASIN

B0GT9JQTSF

شابک (ISBN)

978-93-49887-98-5

ویرایش / نوبت چاپ

First

۱۴۰,۰۰۰ تومان

نظرات کاربران

تجربیات خود را از خواندن این کتاب با دیگران به اشتراک بگذارید.

—
امتیاز کل
star star star star star
از 0 نظر

ثبت نظر جدید

دیدگاهتان را بنویسید

هنوز دیدگاهی ثبت نشده است.

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.

در ادامه مقدمه‌ای از کتاب Building Gen AI Applications with Amazon Bedrock را از زبان نویسنده شرح خواهیم داد.

مقدمه‌ای بر کتاب Building Gen AI Applications with Amazon Bedrock:

هوش مصنوعی مولد در سال ۲۰۲۲ از یک آستانه مهم عبور کرد؛ زمانی که مدل‌های زبانی بزرگ (LLMها) از دموهای پژوهشی به ابزارهای روزمره تبدیل شدند و محور گفتگوها از «آیا می‌توانیم این را بسازیم؟» به «چگونه این را به شکلی ایمن و قابل اطمینان عرضه کنیم؟» تغییر یافت. این تغییر از آن جهت اهمیت دارد که بخش سخت کار دیگر وجود مدل‌های توانمند نیست، بلکه تمام مسائل پیرامون آن‌هاست؛ مواردی مانند انتخاب مدل مناسب برای یک وظیفه، کنترل هزینه و تاخیر (Latency)، محافظت از داده‌های مشتریان، جلوگیری از تزریق پرامپت (Prompt Injection) هنگام اتصال مدل‌ها به ابزارها، و ایجاد چرخه ارزیابی برای پایدار ماندن کیفیت با تغییر نیازمندی‌ها. به عبارت دیگر، هوش مصنوعی مولد روزبه‌روز بیشتر به یک دسیپلین مهندسی تبدیل می‌شود تا یک ویژگی فانتزی و نوظهور.
سرویس Amazon Bedrock در چنین زمانی به‌عنوان یک لایه زیرساختی برای مدل‌های پایه (Foundation Models) وارد عرصه می‌شود. به جای آنکه خودتان درگیر میزبانی مدل، مقیاس‌پذیری و جزئیات یکپارچه‌سازی مربوط به هر ارائه‌دهنده شوید، Bedrock امکان دسترسی به چندین مدل پایه با کارایی بالا را از طریق یک سرویس مدیریت‌شده و رابط‌های کاربری یکپارچه فراهم می‌کند؛ آن هم با تاکید بر امنیت، حریم خصوصی و قابلیت‌های هوش مصنوعی مسئولانه که مناسب استفاده‌های سازمانی است. هدف کتاب Building Gen AI Applications with Amazon Bedrock کمک به شما برای استفاده بهینه از این زیرساخت است تا از «پرامپت‌نویسی در محیط آزمایشگاهی (Playground)» به سمت ساخت سیستم‌های آماده تولید (Production-grade) حرکت کنید؛ سیستم‌هایی که تحت بار واقعی رفتاری پیش‌بینی‌پذیر دارند، با جریان‌های کاری موجود ادغام می‌شوند و در طول زمان قابلیت نگهداری خود را حفظ می‌کنند.
یک موضوع تکرارشونده که در سراسر فصل‌های کتاب Building Gen AI Applications with Amazon Bedrock مشاهده خواهید کرد این است که سیستم‌های مولد، متفاوتی از نرم‌افزارهای سنتی دچار شکست می‌شوند. این سیستم‌ها احتمالی (Probabilistic) هستند، عملکرد آن‌ها به پرامپت‌ها و طول زمینه (Context Length) بستگی دارد و هزینه‌های آن‌ها بر اساس تعداد توکن‌ها به گونه‌ای مقیاس می‌یابد که می‌تواند تیم‌ها را پس از راه‌اندازی شگفت‌زده کند. بسیاری از رایج‌ترین شکست‌ها، «شکست مدل» نیستند بلکه شکست‌های محصولی و سیستمی هستند: معیارهای موفقیت نامشخص، پیچیدگی زودرس و عرضه بدون یک استراتژی ارزیابی معتبر. از این رو، این کتاب با پرامپت‌ها، بازیابی اطلاعات (Retrieval)، استفاده از ابزارها، پایش (Monitoring) و حاکمیت (Governance) به‌عنوان دغدغه‌های درجه‌یک مهندسی رفتار می‌کند—چرا که واقعاً هم این‌گونه هستند.
کتاب Building Gen AI Applications with Amazon Bedrock برای چه کسانی است؟
این کتاب برای مهندسان، معماران سیستم، دانشمندان داده و مدیران فنی نوشته شده است که می‌خواهند برنامه‌های کاربردی واقعی با Amazon Bedrock بسازند. نیازی نیست که پژوهشگر مدل باشید، اما تسلط نسبی بر مفاهیم پایه AWS و ایده اصلی فراخوانی سرویس‌ها از طریق SDKها برای شما مفید خواهد بود. اگر با LLMها آزمایش کرده‌اید و شکاف بین خروجی‌های چشمگیر و سیستم‌های قابل اعتماد را حس کرده‌اید، شما مخاطب هدف کتاب Building Gen AI Applications with Amazon Bedrock هستید.
ساختار کتاب Building Gen AI Applications with Amazon Bedrock چگونه است؟
این کتاب به گونه‌ای طراحی شده است که بازتاب‌دهنده روند واقعی به‌کارگیری Bedrock در سازمان‌ها باشد؛ یعنی شروع از پایه‌ها، سپس حرکت به سمت درک مدل، مهندسی راهکار، ادغام با جریان کاری، مقیاس‌پذیری در محیط تولید، برنامه‌های کاربردی پیشرفته و در نهایت نگارش دیدگاهی رو به آینده از اقدامات بعدی.
  • فصل ۱. شروع کار با Amazon Bedrock: به معرفی Amazon Bedrock در فضای مدرن هوش مصنوعی مولد و اکوسیستم گسترده‌تر AWS می‌پردازد. یاد خواهید گرفت که Bedrock چیست، جایگاه آن در معماری‌های رایج کجاست و چگونه سناریوهای استفاده معمول مانند خلاصه‌سازی، چت‌بات‌ها، شخصی‌سازی و تولید تصویر با قابلیت‌های اصلی Bedrock و ملاحظات قیمت‌گذاری آن تطبیق می‌یابند.
  • فصل ۲. راه‌اندازی محیط کاری: مسیر ورود شماست. این فصل از کتاب Building Gen AI Applications with Amazon Bedrock مراحل آماده‌سازی حساب AWS برای Bedrock، پیکربندی ابزارهایی که بیشتر استفاده خواهید کرد (کنسول، SDKها و CLI) و همچنین ایجاد یک خط پایه عملیاتی را مرور می‌کند تا بتوانید به سرعت و با اطمینان ایده‌های خود را تکرار و ارزیابی کنید. هدف، رفع اصطکاک‌های راه‌اندازی اولیه است، زیرا پیکربندی‌های نادرست بعداً هنگام درگیر شدن کنترل دسترسی، ثبت لاگ‌ها و اعتبارنامه‌ها به خطرات محیط تولید تبدیل می‌شوند.
  • فصل ۳. مدل‌های پایه در Amazon Bedrock: بدون اینکه شما را به یک آموزش‌دهنده مدل تبدیل کند، به «زیر کاپوت» می‌رود. شما یک مدل ذهنی سطح بالا از نحوه آموزش و بهینه‌سازی مدل‌های پایه، علت اهمیت انتخاب‌های معماری و داده‌های آموزش، و نحوه بروز این عوامل به‌عنوان موازنه (Trade-off) در دنیای واقعی—استدلال، خلاقیت، رفتار چندزبانه، تاخیر و هزینه—خواهید ساخت. سپس این درک را با کاتالوگ مدل‌های Bedrock تطبیق داده و یک چارچوب مقایسه‌ای کاربردی برای انتخاب مدل‌ها بر اساس قابلیت‌ها، مدالیته‌ها و محدودیت‌های عملیاتی ارائه می‌دهیم.

فصل 3 کتاب Building Gen AI Applications with Amazon Bedrock

  • فصل ۴. توسعه راهکارهای هوش مصنوعی مولد: نشان‌دهنده گذار از آزمایش به مهندسی است. این فصل از کتاب Building Gen AI Applications with Amazon Bedrock بر تکنیک‌ها و الگوهایی تمرکز دارد که هوش مصنوعی مولد را در عمل قابل اعتماد می‌کنند؛ طراحی پرامپت پایدار در برابر تغییرات، سیستم‌های بازیابی اطلاعات که خروجی‌ها را مستند می‌کنند، و انتخاب‌های معماری برنامه که شکنندگی را کاهش می‌دهند. ایده راهنما، تبدیل «خروجی‌های نویدبخش» به «رفتارهای تکرارپذیر» به کمک چرخه ارزیابی و بهبود است، نه بر اساس حدس و گمان.
  • فصل ۵. ادغام Bedrock با جریان‌های کاری موجود: محدودیتی را به رسمیت می‌شناسد که تقریباً هر تیم واقعی با آن مواجه است: شما نمی‌توانید همه چیز را از نو بسازید. یاد خواهید گرفت چگونه Bedrock را در سیستم‌های زنده—APIها، پایگاه‌های داده، جریان‌های رویداد و پایپ‌لاین‌های عملیاتی—ببافید تا قابلیت‌های مولد، موارد موجود را تقویت کنند نه اینکه شما را مجبور به بازنویسی کنند. تمرکز ما بر الگوهای ادغامی است که ماژولار بودن و قابلیت نگهداری را حفظ می‌کنند، زیرا هزینه بلندمدت هوش مصنوعی مولد اغلب تحت الشعاع پیچیدگی ادغام قرار می‌گیرد، نه صرفاً فراخوانی مدل‌ها.
  • فصل ۶. مقیاس‌پذیری برنامه‌های کاربردی هوش مصنوعی مولد: با مقیاس‌پذیری به‌عنوان چیزی فراتر از توان پردازشی (Throughput) رفتار می‌کند. مدل‌های پایه رفتارهای هزینه‌ای غیرخطی، تاخیرهای متغیر و حالت‌های شکست جدیدی (وقفه زمانی، محدودیت نرخ درخواست، انحراف در زمینه طولانی و طوفان‌های تلاش مجدد) معرفی می‌کنند. این فصل از کتاب Building Gen AI Applications with Amazon Bedrock چارچوبی کاربردی برای آمادگی محیط تولید ارائه می‌دهد که حول محور قابلیت اطمینان، عملکرد، هزینه، مشاهده‌پذیری (Observability) و تجربه کاربر ساخته شده است—زیرا در محیط تولید، این پنج نیرو همیشه به هم متصل هستند.

فصل 6 کتاب Building Gen AI Applications with Amazon Bedrock

  • فصل ۷. سناریوهای کاربردی پیشرفته و صنایع: از الگوها به سمت تاثیرات کاربردی حرکت می‌کند. در اینجا بررسی می‌کنیم که چگونه هوش مصنوعی مولد به زیرساختی حیاتی برای کسب‌وکار در حوزه‌هایی مانند تجارت الکترونیک، امور مالی و رسانه تبدیل می‌شود—به‌ویژه زمانی که با بازیابی اطلاعات، سیگنال‌های شخصی‌سازی و اتوماسیون جریان کاری ترکیب شود. تاکید کتاب Building Gen AI Applications with Amazon Bedrock کاملاً پرگماتیک و عملی است، زیرا موفقیت کمتر به قابلیت مدل به تنهایی و بیشتر به انضباط مهندسی پیرامون مدل مانند ارزیابی، حاکمیت، قابلیت حسابرسی و کنترل‌های عملیاتی بستگی دارد.
  • فصل ۸. آینده هوش مصنوعی مولد با Bedrock: با یک نگاه استراتژیک به پایان می‌رسد. آینده تنها «مدل‌های بزرگتر» نیست، بلکه سیستم‌های بهتر است؛ مانند معماری‌های کارآمدتر، قابلیت‌های مبتنی بر ترکیب (برای مثال الگوهای ترکیبی از متخصصان یا Mixture-of-Experts) و جریان‌های کاری چندعاملی (Multi-agent) با ابزارهای غنی‌تر که از پرامپت‌های تک‌پرسش فراتر می‌روند. همان‌طور که سازمان‌ها این سیستم‌ها را به کار می‌گیرند، سوال اصلی عملیاتی می‌شود: چگونه آن‌ها را به شکلی مسئولانه، قابل اعتماد و در مقیاس وسیع اجرا کنیم؟ ما این روندها را به آنچه در طول کتاب Building Gen AI Applications with Amazon Bedrock آموخته‌اید متصل می‌کنیم تا بتوانید قابلیت‌های جدید را بدون نیاز به شروع از صفر در هر بار، ارزیابی کنید.

فصل 8 کتاب Building Gen AI Applications with Amazon Bedrock

قراردادهای استفاده‌شده در کتاب Building Gen AI Applications with Amazon Bedrock
نمونه‌کدهای این کتاب در درجه اول برای خوانایی و در درجه دوم برای بهینه‌سازی نوشته شده‌اند. تا حد امکان، نمونه‌ها «شکل» سیستم‌های واقعی در محیط تولید را حفظ می‌کنند—تفکیک شفاف دغدغه‌ها، مدیریت صریح خطاها و تاکید بر مشاهده‌پذیری—چرا که اشکال‌زدایی (Debug) شکست‌های هوش مصنوعی مولد در صورت فقدان ردگیری‌ها (Traces)، لاگ‌ها و خروجی‌های ساختاریافته بسیار پرهزینه است. در سراسر کتاب Building Gen AI Applications with Amazon Bedrock یک الگوی ثابت را خواهید دید: تعریف کنید که خروجی «خوب» چه شکلی است، مدل را به سمت آن هدف محدود کنید و به طور مداوم اندازه‌گیری کنید. این امر بازتاب‌دهنده تفکر گسترده‌تر مهندسی AI است که ارزیابی یک موضوع فرعی نیست—بلکه ستون فقرات توسعه قابل اعتماد است.
نکته پایانی قبل از شروع
اگر فقط یک ایده از این پیش‌گفتار برداشت می‌کنید، بگذارید این باشد: Amazon Bedrock مدل‌های پایه را در دسترس قرار می‌دهد، اما در دسترس بودن به معنای آماده بودن نیست. تفاوت بین یک دمو و یک سیستم پایدار، انضباط مهندسی است؛ یعنی تلفیقی از معماری، ارزیابی، امنیت و کنترل هزینه.

سرفصل‌های کتاب Building Gen AI Applications with Amazon Bedrock:

  • Cover Page
  • Title Page
  • Copyright Page
  • Get a Free eBook
  • Enjoy 1 Month of Free Access to AVA SkillShelf!
  • Errata
  • Dedication Page
  • About the Author
  • About the Technical Reviewers
  • Acknowledgements
  • Preface
  • Table of Contents
  • 1. Getting Started with Amazon Bedrock
  • 2. Setting Up Your Environment
  • 3. Foundational Models in Amazon Bedrock
  • 4. Developing Generative AI Solutions
  • 5. Integrating Bedrock with Existing Workflow
  • 6. Scaling Generative AI Applications
  • 7. Advanced Use Cases and Industry Applications
  • 8. Future of Generative AI with Bedrock
  • Appendices
  • Index

جهت دانلود کتاب Building Gen AI Applications with Amazon Bedrock می‌توانید پس از پرداخت، دریافت کنید.