آموزش Azure ML: بررسی و پیکربندی محیط کاری یادگیری ماشین (Machine Learning Workspace) - آخرین آپدیت

دانلود Azure ML: Explore & Configure the Machine Learning Workspace

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: دوره آمادگی آزمون DP-100: متخصص تایید شده مایکروسافت در زمینه دانشمند داده‌های Azure، برای متخصصانی طراحی شده است که هدفشان به‌کارگیری علوم داده و یادگیری ماشین در محیط Azure است. این دوره مهارت‌های لازم برای طراحی، پیاده‌سازی و بهینه‌سازی راهکارهای یادگیری ماشین با استفاده از Azure Machine Learning، MLflow و سرویس‌های Azure AI را به فراگیران آموزش می‌دهد. شرکت‌کنندگان تجربه عملی در جذب داده‌ها، آماده‌سازی، آموزش مدل، استقرار و نظارت را کسب خواهند کرد. این دوره از طریق دموهای کاربردی و سناریوهای واقعی، اطمینان حاصل می‌کند که یادگیرندگان برای ساخت راهکارهای هوش مصنوعی مقیاس‌پذیر در Azure آماده هستند. این تخصص به چهار دوره کلیدی تقسیم شده است که الزامات دامنه آزمون DP-100 (طراحی و پیاده‌سازی راهکار علوم داده در Azure) را پوشش می‌دهد: جزئیات دوره‌ها در ادامه آمده است: دوره ۱: Azure ML: طراحی و آماده‌سازی راهکارهای یادگیری ماشین دوره ۲: Azure ML: بررسی و پیکربندی محیط کاری یادگیری ماشین دوره ۳: Azure ML: استقرار، مدیریت و آزمایش مدل‌ها دوره ۴: Azure AI & ML: بهینه‌سازی مدل‌های زبانی برای کاربردهای هوش مصنوعی این دوره‌ها به ماژول‌ها، درس‌ها و ویدیوهای آموزشی تقسیم شده‌اند. تمامی دوره‌ها دارای مجموعه‌ای از تکالیف تمرینی و نمره‌دار هستند که توانایی کاندیدا در درک مفاهیم و تسلط بر موضوعات بحث شده را می‌سنجند. هدف این دوره دستیابی به گواهینامه Microsoft Certified: Azure Data Scientist Associate است. برخی از مزایای مهم کسب این گواهینامه‌ها عبارتند از: شناخت صنعتی: تایید تخصص در Azure Machine Learning. رشد شغلی: افزایش فرصت‌های شغلی در زمینه‌های AI، ML و علوم داده مبتنی بر ابر. Pتانسیل درآمدی بالاتر: باز کردن درها برای نقش‌های با درآمد بالا در علوم داده و هوش مصنوعی.

سرفصل ها و درس ها

اساسیات محیط کاری یادگیری ماشین Azure Azure Machine Learning Workspace: Essentials

  • محیط کاری یادگیری ماشین Azure چیست؟ What is Azure Machine Learning Workspace?

  • جریان کاری (Workflow) در مدل‌های یادگیری ماشین Azure Workflow in Azure Machine Learning Models

  • اجزای مدل یادگیری ماشین Azure Components of Azure Machine Learning Model

  • دسته‌های اصلی کاربران پشتیبانی شده در Azure Machine Learning Primary User Categories supported in Azure Machine Learning

  • منابع Azure به عنوان محیط‌های کاری Azure Resources as Workspaces

  • ایجاد محیط کاری یادگیری ماشین Azure Creating Azure Machine Learning Workspace

  • گشتی در محیط کاری Azure Machine Learning Azure Machine Learning Workspace - A Walk Through

  • بررسی استودیو یادگیری ماشین Azure Explore the Azure Machine Learning Studio

  • شناسایی دارایی‌های یادگیری ماشین (ML Assets) Identify Machine Learning Assets

  • آموزش مدل‌ها در محیط کاری Train models in the workspace

  • منابع محاسباتی در Azure Machine Learning Compute Resources in Azure Machine Learning

بررسی و پیکربندی محیط کاری Azure ML Explore and Configure the Azure ML Workspace

  • ایجاد و مدیریت نمونه‌های محاسباتی (Compute Instances) Creating and Manage Compute Instances

  • مقایسه CPU در مقابل GPU CPU vs GPU

  • ایجاد و مدیریت خوشه‌های محاسباتی (Compute Clusters) Creating and Manage Compute Clusters

  • ایجاد و مدیریت محاسبات متصل در محیط کاری Azure Machine Learning Creating and Managing Attached Computes in Azure Machine Learning Workspace

  • تفاوت DataStores و DataAssets در Azure Machine Learning DataStores vs DataAssets in Azure Machine Learning

  • ایجاد ذخیره‌سازهای داده (Datastores) در Azure Machine Learning Creating Datastores in Azure Machine Learning

  • ایجاد دارایی‌های داده در محیط کاری Azure Machine Learning Creating Data Assets in Azure Machine Learning Workspace

  • شناسه منبع یکسان (URI) Uniform Resource Identifier (URI)

  • درک محیط‌ها (Environments) در Azure Machine Learning Understanding Environments in Azure Machine Learning

  • اتصال و مدیریت استخر Synapse Spark در Azure Machine Learning Attach and manage a Synapse Spark pool in Azure Machine Learning

  • آموزش یک مدل در Azure Machine Learning Train a model in Azure Machine Learning

  • نکات مهم برای آزمون Exam Tips

نمایش نظرات

آموزش Azure ML: بررسی و پیکربندی محیط کاری یادگیری ماشین (Machine Learning Workspace)
جزییات دوره
7h 1m
23
(آخرین آپدیت)
148
- از 5
دارد
دارد
دارد
Chris Croft
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Chris Croft Chris Croft

مربی مدیریت، سخنران، نویسنده