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

آموزش مبانی هوش مصنوعی Azure - راهنمای جامع گواهینامه AI-901
جزییات دوره
6h 3m
52
(آخرین آپدیت)
149
- از 5
دارد
دارد
دارد
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar