مشکل زیرساخت شبکه و افت سرعت کاملاً برطرف شده است. در حال حاضر فعالسازی و آمادهسازی دورهها در حال انجام است. از صبر و شکیبایی شما سپاسگزاریم.
لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش مبانی هوش مصنوعی Azure - راهنمای جامع گواهینامه AI-901
- آخرین آپدیت
دانلود Azure AI Fundamentals - Complete AI-901 Certification Guide
نکته:
ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره:
با بررسی عمیق مبانی هوش مصنوعی، یادگیری ماشین، پردازش زبان طبیعی و موارد دیگر، گواهینامه Azure AI-901 را کسب کنید. مفاهیم کلیدی را از طریق دروس جذاب و آزمایشگاههای عملی بیاموزید تا مهارتها و مسیر شغلی خود را ارتقا دهید.
این راهنمای گواهینامه، یک تجربه یادگیری جامع را برای تسلط بر مبانی هوش مصنوعی Azure ارائه میدهد. این دوره با تاریخچه و تکامل AI شروع شده و به مفاهیم بنیادی، از جمله گردشهای کاری کلیدی AI، اصول هوش مصنوعی مسئولانه و زیرساختهای مورد نیاز برای استقرار راهکارهای AI در Azure میپردازد. از طریق دروس ویدئویی و آزمایشگاههای واقعی، شما موضوعات ضروری مانند یادگیری ماشین، عاملهای هوش مصنوعی (AI Agents) و عملکردهای مسئولانه AI را درک خواهید کرد.
همانطور که در دوره پیش میروید، به بررسی هوش مصنوعی مولد، مدلهای زبانی بزرگ (LLM)، مدلهای ترنسفورمر و کاربردهای آنها خواهید پرداخت. همچنین تجربه عملی در ساخت و مدیریت عاملهای هوش مصنوعی، و درک پیچیدگیهای توکنایزیشن و جاسازیهای برداری (Vector Embeddings) را کسب میکنید. این دوره به حوزههای پردازش زبان طبیعی، صوت و راهکارهای بینایی گسترش مییابد، جایی که ابزارهای AI برای تحلیل متن، تبدیل گفتار به متن و تشخیص تصویر را با استفاده از سرویسهای Azure بررسی خواهید کرد.
در ماژولهای نهایی، تمرکز بر آینده هوش مصنوعی با پیشرفتهایی مانند سیستمهای AI چندوجهی (Multimodal)، هوش مخزنی و مشارکت انسان و هوش مصنوعی است. در پایان دوره، شما نهتنها برای آزمون گواهینامه AI-901 آماده میشوید، بلکه توانایی پیادهسازی با اعتمادبهنفس راهکارهای AI را خواهید داشت و به سرمایهای ارزشمند برای هر سازمان مبتنی بر هوش مصنوعی تبدیل میشوید.
این دوره برای متخصصان آیندهدار AI، معماران ابری و متخصصان IT طراحی شده است که هدفشان کسب تخصص در Azure AI و دریافت گواهینامه AI-901 است. این دوره برای افرادی که با فناوریهای AI کار میکنند یا قصد انتقال به این حوزه را دارند ایدهآل است و بنیادی قوی در یادگیری ماشین، NLP و استقرار سیستمهای AI روی Azure فراهم میکند. تجربه قبلی در رایانش ابری و مفاهیم پایه AI مفید است اما الزامی نیست.
این دوره از یک رویکرد ساختاریافته و ماژولبندی شده پیروی میکند که به یادگیرندگان اجازه میدهد پیش از پرداختن به موضوعات پیشرفته، دانش بنیادی خود را بسازند. از طریق دروس، آزمایشگاههای عملی و مطالعات موردی، دانشجویان هم تئوری و هم کاربردهای عملی را میآموزند. پیشروی واضح از مفاهیم تاریخی تا فناوریهای پیشرفته AI، یک مسیر یادگیری جامع را تضمین میکند.
این دوره بر اساس راهنمای جامع گواهینامه Azure AI-901 اثر Anand Rao Nednur تهیه شده است.
این ویدیو توسط Packt لایسنس و توزیع شده است. تمامی حقوق محفوظ است.
پکت (Packt) یکی از پرکارترین ناشران محتوای فنی پیشرو در جهان است. برای بیش از دو دهه، ماموریت ما گردآوری و انتشار دانش بهترین متخصصان فنی بوده است.
ما بر دورههای کاربردی تمرکز میکنیم که به مشتریان ما در انجام کارهایشان کمک کند و پوششی گسترده از موضوعات فنی تثبیت شده و پیشرو را ارائه میدهیم. اگر شما فرد یا سازمانی هستید که یادگیری از طریق عمل را میپذیرد، پکت بهترین انتخاب برای شماست.
سرفصل ها و درس ها
مقدمه
Introduction
پیشنمایش مقدمه
Introduction Preview
ماژول ۰: داستان هوش مصنوعی (تاریخچه و ریشهها)
Module 0: The Story of AI (History & Origins)
درس ۰.۱: از اسطورهها تا ریاضیات: پیشتاریخ هوش مصنوعی (پیشنمایش)
Lesson 0.1: From Myths to Mathematics: The Pre-history of AI Preview
درس ۰.۲: تست تورینگ: آیا ماشینها میتوانند فکر کنند؟ (۱۹۵۰)
Lesson 0.2: The Turing Test: Can Machines Think? (1950)
درس ۰.۳: کارگاه دارتموث: تعریف یک علم جدید (۱۹۵۶) (پیشنمایش)
Lesson 0.3: The Dartmouth Workshop: Defining a New Science (1956) Preview
درس ۰.۴: زمستانهای هوش مصنوعی: چرا AI اولیه با بنبست مواجه شد
Lesson 0.4: The AI Winters: Why Early AI Hit a Wall
درس ۰.۵: ظهور یادگیری ماشین: اولویت دادهها بر قوانین
Lesson 0.5: The Rise of Machine Learning: Data over Rules
درس ۰.۶: عصر ترنسفورمرها: توجه تنها چیزی است که نیاز دارید (پیشنمایش)
Lesson 0.6: The Transformer Era: Attention is All You Need Preview
ماژول ۱: مفاهیم بنیادی و زیرساختهای هوش مصنوعی
Module 1: Fundamental AI Concepts & Infrastructure
تعریف هوش مصنوعی در سال ۲۰۲۶
Defining AI in 2026
گردشهای کاری رایج هوش مصنوعی (پیشنمایش)
Common AI Workloads Preview
اصول هوش مصنوعی مسئولانه: عدالت و قابلیت اطمینان
Principles of Responsible AI: Fairness and Reliability
اصول هوش مصنوعی مسئولانه: حریم خصوصی، فراگیر بودن و شفافیت
Principles of Responsible AI: Privacy, Inclusivity, and Transparency
زیرساخت Azure: اشتراکها و گروههای منابع
Azure Infrastructure: Subscriptions and Resource Groups
مایکروسافت فاندری: مرکز یکپارچه توسعه AI شما
Microsoft Foundry: Your Unified AI Development Hub
احراز هویت: درک کلیدها و نقاط انتهایی (Endpoints)
Authentication: Understanding Keys and Endpoints
آزمایش ۱.۱: تخصیص منابع مایکروسافت فاندری
Lab 1.1: Provisioning the Microsoft Foundry Resource
آزمایش ۱.۲: نگاهی سریع به مایکروسافت فاندری
Lab 1.2: Quick Peek of Microsoft Foundry
آزمایش ۱.۳: سرویسهای بیشتر در مایکروسافت فاندری
Lab 1.3: More Services - Microsoft Foundry
آزمایش ۱.۴: هوش مصنوعی Azure - رابط کاربری جدید و تجربه جدید
Lab 1.4: Azure AI - New UI - New Experience
ماژول ۲: هوش مصنوعی مولد و عاملهای هوشمند
Module 2: Generative AI & Intelligent Agents
درس ۲.۱: هوش مصنوعی مولد چیست؟ از ورودی تا خلق اثر بدیع
Lesson 2.1: What is Generative AI? From Input to Original Creation
درس ۲.۲: مدلهای زبانی بزرگ (LLMs) در مقابل مدلهای زبانی کوچک (SLMs)
Lesson 2.2: Large Language Models (LLMs) vs. Small Language Models (SLMs)
درس ۲.۳: درک توکنها: هوش مصنوعی چگونه میخواند
Lesson 2.3: Understanding Tokens: How AI Reads
درس ۲.۴: جاسازیهای برداری (Vector Embeddings): بخشیدن معنا به دادهها
Lesson 2.4: Vector Embeddings: Giving Meaning to Data
درس ۲.۵: ترنسفورمر: توجه تنها چیزی است که نیاز دارید
Lesson 2.5: The Transformer: Attention is All You Need
درس ۲.۶: تعریف عاملهای AI: حافظه، ابزارها و استدلال
Lesson 2.6: Defining AI Agents: Memory, Tools, and Reasoning
درس ۲.۷: درگاه هوش مصنوعی Azure (Azure AI Gateway)
Lesson 2.7: The Azure AI Gateway
آزمایش ۲.۱: درگاه API و محدود کردن توکنها
Lab 2.1: API Gateway and The Token Limiting
آزمایش ۲.۲: ساخت اولین عامل خود
Lab 2.2: Build Your First Agent
آزمایش ۲.۳: نظارت و ردیابی عاملها
Lab 2.3: Monitoring and Tracing the Agents
آزمایش ۲.۴: گردش کار سرتاسری عامل به عامل
Lab 2.4: End to End - Agent to Agent Workflow
ماژول ۳: پردازش زبان طبیعی (NLP)
Module 3: Natural Language Processing (NLP)
درس ۳.۱: استخراج عبارتهای کلیدی: یافتن «چه چیزی»
Lesson 3.1: Key-phrase Extraction: Finding the What
درس ۳.۲: بازشناسی موجودات نامدار (NER): شناسایی «چه کسی» و «کجا»
Lesson 3.2: Named Entity Recognition (NER): Identifying the "Who" and "Where"
درس ۳.۳: تحلیل احساسات: تشخیص لحن و عاطفه
Lesson 3.3: Sentiment Analysis: Detecting Tone and Emotion
درس ۳.۴: پیشپردازش متن: توکنایزیشن و حذف کلمات توقف
Lesson 3.4: Text Pre-processing: Tokenization and Stop-word Removal
آزمایش ۳.۱: پردازش زبان طبیعی
Lab 3.1: Natural Language Processing
ماژول ۴: راهکارهای صوت و بینایی
Module 4: Speech & Vision Solutions
درس ۴.۱: تبدیل گفتار به متن: هنر ترانویسی
Lesson 4.1: Speech-to-Text: The Art of Transcription
درس ۴.۲: تبدیل متن به گفتار: صداهای عصبی و عروض
Lesson 4.2: Text-to-Speech: Neural Voices and Prosody
آزمایش ۴.۱: تبدیل گفتار به متن و متن به گفتار
Lab 4.1: Speech to Text & Text to Speech
آزمایش ۴.۲: بینایی - API چهره
Lab 4.2: Vision - Face API
درس ۴.۳: بینایی ماشین: طبقهبندی تصاویر در مقابل تشخیص اشیاء
Lesson 4.3: Computer Vision: Image Classification vs. Object Detection
آزمایش ۴.۳: API چهره
Lab 4.3: Face API
درس ۴.۴: ترنسفورمرهای بینایی (ViT) و درک چندوجهی
Lesson 4.4: Vision Transformers (ViT) and Multimodal Understanding
درس ۴.۵: مدلهای دیفیوژن: هوش مصنوعی چگونه تصویر و ویدیو تولید میکند
Lesson 4.5: Diffusion Models: How AI Generates Images and Video
ماژول ۵: استخراج محتوا و اطلاعات
Module 5: Content & Information Extraction
درس ۵.۱: استخراج اطلاعات: فراتر رفتن از OCR ساده
Lesson 5.1: Information Extraction: Moving Beyond Simple OCR
درس ۵.۲: استخراج فیلد: نگاشت اسناد به شمای دادهها
Lesson 5.2: Field Extraction: Mapping Documents to Data Schemas
آزمایش ۵.۱: ایمنی محتوا
Lab 5.1: Content-Safety
درس ۵.۳: تحلیلگرهای پیشساخته در مقابل سفارشی برای فاکتورها و رسیدها
Lesson 5.3: Pre-built vs. Custom Analyzers for Invoices and Receipts
آزمایش ۵.۲: API ترجمه زبان
Lab 5.2: Language Translation-API
ماژول ۶: آینده هوش مصنوعی (۲۰۲۶ و پس از آن)
Module 6: The Future of AI (2026 and Beyond)
درس ۶.۱: هوش مصنوعی عاملمحور: از «چتباتها» تا «همکاران دیجیتال»
Lesson 6.1: Agentic AI: From "Chatbots" to "Digital Coworkers"
درس ۶.۲: استاندارد شدن چندوجهی: AI که همزمان میبیند، میشنود و صحبت میکند
Lesson 6.2: Multimodal as the Standard: AI that Sees, Hears & Speaks Simultaneously
درس ۶.۳: هوش مخزنی: AI که تاریخچه و زمینه را درک میکند
Lesson 6.3: Repository Intelligence: AI that Understands History and Context
درس ۶.۴: ایمنی جهانی AI: قانون AI اتحادیه اروپا و حاکمیت مدرن
Lesson 6.4: Global AI Safety: The EU AI Act and Modern Governance
درس ۶.۵: مشارکت انسان و AI: آیا هوش مصنوعی جایگزین ما میشود یا توانمندیهای ما را تقویت میکند
Lesson 6.5: The Human-AI Partnership: Will AI Replace Us or Amplify Us
نمایش نظرات