آموزش AI-200: توسعه‌دهنده ارشد ابری Azure AI - دوره جامع - آخرین آپدیت

دانلود AI-200: Azure AI Cloud Developer Associate - Complete Course

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: تخصص در توسعه ابری هوش مصنوعی آماده تولید: مقیاس‌بندی سیستم‌های چند-عاملی (Multi-agent)، ایمن‌سازی داده‌های برداری و استقرار هوش مصنوعی سازمانی ساخت معماری‌های هوش مصنوعی در سطح تولید: فراتر رفتن از منطق عامل‌ها برای طراحی و استقرار راهکارهای مقیاس‌پذیر با استفاده از کانتینرها (Container Apps, AKS) و توابع بدون سرور تسلط بر داده‌های برداری در Azure: کسب تجربه عملی عمیق با پشته داده‌های بهینه شده برای AI در Azure، شامل پیاده‌سازی جستجوی برداری در Azure Cosmos DB تقویت و گسترش مهارت‌های عاملی AI-103: تقویت درک ارکستراسیون چند-عاملی، Grounding و حافظه از دوره AI-103 و یادگیری نحوه یکپارچه‌سازی آن‌ها در محیط ابری پیاده‌سازی امنیت و قابلیت مشاهده سازمانی: یادگیری ایمن‌سازی اپلیکیشن‌های AI با Entra ID و مدیریت هویت‌ها، و مانیتورینگ آن‌ها با استفاده از OpenTelemetry و Azure Monitor پیشنیازها: تسلط پایه بر Azure و پایتون: شما باید با پورتال Azure، مفاهیم پایه ابری و برنامه‌نویسی پایتون (APIها و SDKها) آشنا باشید. تجربه در مفاهیم سطح AZ-204 (مانند Functions یا Logic Apps) مفید است اما الزامی نیست، زیرا مباحث AI-200 را از پایه پوشش می‌دهیم تکمیل دوره AI-103 (یا تجربه معادل): این دوره فرض می‌کند شما دانش عملی در ساخت عامل‌ها، پیاده‌سازی RAG و استفاده از Azure AI Foundry Agent Service را دارید. ما مفاهیم پایه ساخت عامل را مجدداً تدریس نمی‌کنیم، بلکه بر مقیاس‌بندی و ایمن‌سازی آن‌ها برای محیط ابری تمرکز می‌کنیم.

AI-200: توسعه‌دهنده ارشد ابری Azure AI –دوره جامع


مزایای کلیدی

  • پیاده‌سازی در مقیاس تولید:فراتر از منطق ساده عامل‌ها با دروس جامع و بررسی کدهای عملی شامل استقرار Kubernetes، جستجوی برداری Cosmos DB، مقیاس‌بندی چند-عاملی و امنیت Entra ID.

  • تسلط معماری:درک دلیل استفاده از الگوهای AI ابری با بررسی عمیق Azure Container Apps، AKS و پایگاه‌های داده برداری سازمانی بر اساس مستندات رسمی.

  • ساخت راهکارهای واقعی:تبدیل مفاهیم به زیرساخت با ساخت سیستم‌های AI قابل استقرار که از ارکستراسیون Kubernetes، دیتابیس Cosmos DB برای Grounding و هویت‌های مدیریت شده ایمن بهره می‌برند.

  • قبولی با اطمینان در آزمون AI-200:تکمیل تمرینات آزمونی با عمق فنی و تجربه عملی مورد نیاز برای کسب آخرین گواهینامه AI-200 مایکروسافت.


آیا آماده‌اید تا رهبری تغییرات سال ۲۰۲۶ از نمونه‌های اولیه عامل‌ها به سمت AI ابری تولیدی را بر عهده بگیرید؟

آزمون AI-200 چالش‌برانگیز است زیرا فراتر از ساخت ساده عامل‌ها، توانایی معماری، ایمن‌سازی و مقیاس‌بندی سیستم‌های پیچیده AI در زیرساخت‌های ابری سازمانی را می‌طلبد. این دوره طراحی شده تا شما را از مبانی Azure AI Foundry به پیشرفته‌ترین متدهای مقیاس‌بندی چند-عاملی، مدیریت داده‌های برداری و استقرار Kubernetes برساند.

این دوره که برای آخرین سرفصل‌های سال ۲۰۲۶ به‌روزرسانی شده است، «حلقه مفقوده» فنی بین توسعه عامل و استقرار در محیط تولید را پر می‌کند. در حالی که دوره AI-103 نحوه ساخت عامل‌ها را می‌آموزد، این دوره نحوه استقرار، ایمن‌سازی و مقیاس‌بندی آن‌ها برای حجم کاری واقعی سازمان‌ها را آموزش می‌دهد.


آنچه خواهید ساخت و در آن تسلط می‌یابید:

از طریق ماژول‌های دقیق و بررسی‌های فنی، تمامی دامنه‌های مورد آزمون در AI-200 را پوشش خواهید داد:

  • Kubernetes برای پردازش‌های AI:استقرار سیستم‌های چند-عاملی در Azure Kubernetes Service (AKS) و Container Apps با قابلیت Auto-scaling، Health Probes و به‌روزرسانی‌های Rolling.

  • داده‌های برداری با Cosmos DB:پیاده‌سازی Grounding در سطح تولید با استفاده از Azure Cosmos DB for NoSQL همراه با جستجوی برداری، استراتژی‌های ایندکس‌گذاری و الگوهای جستجوی ترکیبی.

  • امنیت و هویت سازمانی:ایمن‌سازی تمام سرویس‌های AI با استفاده از Managed Identities در Entra ID، کنترل دسترسی مبتنی بر نقش (RBAC) و یکپارچه‌سازی Key Vault برای مدیریت اسرار.

  • معماری‌های چند-عاملی رویداد-محور:ساخت گردش‌کارهای نامتقارن (Asynchronous) با استفاده از Azure Service Bus، Event Grid و Durable Functions برای هماهنگی انتقال عامل‌ها در مقیاس بالا.

  • قابلیت مشاهده ابری (Observability):پیاده‌سازی OpenTelemetry برای ردیابی عامل‌ها، پیکربندی Azure Monitor برای هشدارهای عملکرد و دیباگ خطاهای تولید با Application Insights.

  • ذخیره‌سازی برای حافظه عامل:حفظ وضعیت عامل در نشست‌های مختلف با استفاده از Azure Cosmos DB، Azure Redis Cache و Blob Storage با برنامه‌ریزی دقیق برای ثبات و نرخ تراکنش.


این دوره چگونه شما را به گواهینامه می‌رساند

  • دروس فنی عمیق:ما الگوهای پیچیده AI ابری را به درس‌های بصری و قابل فهم تبدیل کرده‌ایم تا منطق پشت سیستم‌های چند-عاملی سطح تولید را درک کنید.

  • رویکرد کد-محور:هر مفهوم اصلی با یک بررسی کد همراه است تا مطمئن شوید می‌توانید Cosmos DB ایمن شده با Entra را مستقر کنید، کلاسترهای AKS را پیکربندی کنید و سیستم‌های چند-عاملی را در محیط خود مقیاس‌بندی کنید.

  • پر کردن شکاف مهارتی:این دوره مکمل ایده‌آل برای دوره AI-103 است. ساخت عامل را در آنجا بیاموزید و مقیاس‌بندی تولیدی را در اینجا.

  • تضمین آینده شغلی:تمرکز بر آخرین استانداردهای ۲۰۲۶ برای توسعه AI ابری، عبور از عامل‌های ایزوله و رسیدن به سیستم‌های AI سازمانی، ایمن و قابل مشاهده.


این دوره برای چه کسانی مناسب است:

  • فارغ‌التحصیلان AI-103که به دنبال گواهینامه AI-200 هستند و می‌خواهند بر Kubernetes، Cosmos DB و قابلیت مشاهده سازمانی تسلط یابند.

  • توسعه‌دهندگان ابریکه در حال ساخت راهکارهای AI تولیدی روی Microsoft Azure هستند و نیاز به درک زیرساخت، امنیت و الگوهای مقیاس‌بندی برای سیستم‌های چند-عاملی دارند.


پیش‌نیازها

  • تکمیل AI-103 (یا تجربه معادل در ساخت عامل):این دوره فرض می‌کند شما می‌دانید چگونه عامل بسازید، Grounding را پیاده کنید و از Azure AI Foundry Agent Service استفاده کنید.

  • آشنایی پایه با Azure و زیرساخت:شما باید با پورتال Azure، گروه‌های منابع و استفاده پایه از CLI راحت باشید. تجربه در کانتینرها یا Kubernetes مفید است اما الزامی نیست.


سرفصل ها و درس ها

تئوری Theory

  • واحد ۱: مفاهیم پایه - مهندس یکپارچه‌سازی AI چیست؟ Unit 1: The Absolute Basics – What Is an AI Integration Engineer?

  • پیش‌نمایش: بررسی کد واحد ۱: بنیادها - اولین فراخوانی عامل شما Preview: Unit 1 Code Walkthrough: Foundation – Your First Agent Call

  • راهنمای ضروری منابع دوره و تمرینات Essential Guide to Course Resources & Exercises

  • واحد ۲: ذخیره‌سازی کانتینرها - Azure Container Registry (ACR) Unit 2: Storing Containers – Azure Container Registry (ACR)

  • واحد ۳: کانتینرهای بدون سرور - Azure Container Apps Unit 3: Serverless Containers – Azure Container Apps

  • واحد ۴: ارکستراسیون کامل - Azure Kubernetes Service (AKS) Unit 4: Full Orchestration – Azure Kubernetes Service (AKS)

  • واحد ۵: مسئله حافظه AI - مقدمه‌ای بر جستجوی برداری Unit 5: The AI Memory Problem – Introduction to Vector Search

  • واحد ۶: جستجوی برداری توزیع شده جهانی - Cosmos DB for NoSQL Unit 6: Globally Distributed Vector Search – Cosmos DB for NoSQL

  • واحد ۷: جستجوی برداری رابطه‌ای - PostgreSQL با pgvector Unit 7: Relational Vector Search – PostgreSQL with pgvector

  • واحد ۸: جستجوی برداری فوق سریع - Azure Managed Redis Unit 8: Ultra-Fast Vector Search – Azure Managed Redis

  • واحد ۹: جداسازی برای تاب‌آوری - Azure Service Bus Unit 9: Decoupling for Resilience – Azure Service Bus

  • واحد ۱۰: هوش مصنوعی واکنش‌گرا - Azure Event Grid برای گردش‌کارهای رویداد-محور Unit 10: Reactive AI – Azure Event Grid for Event-Driven Workflows

  • واحد ۱۱: اتصال بدون سرور - Azure Functions برای بک‌اندهای AI Unit 11: Serverless Glue – Azure Functions for AI Backends

  • واحد ۱۲: ایمن‌سازی اعتبارنامه‌ها - Azure Key Vault برای اسرار Zero Trust Unit 12: Securing Credentials – Azure Key Vault for Zero-Trust Secrets

  • واحد ۱۳: پیکربندی به عنوان سطح کنترل - Azure App Configuration Unit 13: Configuration as Control Plane – Azure App Configuration

  • واحد ۱۴: مسئله قابلیت مشاهده - چرا لاگ‌ها کافی نیستند؟ Unit 14: Observability Problem – Why Logs Aren't Enough

  • واحد ۱۵: تحلیل تله‌متری - KQL و Application Insights Unit 15: Analyzing Telemetry – KQL and Application Insights

  • واحد ۱۶: کشینگ برای کاهش تأخیر - Azure Managed Redis (عملیات داده) Unit 16: Caching for Latency – Azure Managed Redis (Data Operations)

  • واحد ۱۷: هماهنگی در زمان واقعی - Redis Pub/Sub و Streams Unit 17: Real-Time Coordination – Redis Pub/Sub and Streams

  • واحد ۱۸: جمع‌بندی - بررسی معماری یکپارچه‌سازی Unit 18: Bringing It Together – Integration Architecture Review

  • واحد ۱۹: مقاوم‌سازی تولید - امنیت، قابلیت اطمینان، هزینه Unit 19: Production Hardening – Security, Reliability, Cost

  • واحد ۲۰: پروژه نهایی - طراحی یک یکپارچه‌سازی AI آماده تولید Unit 20: Capstone – Design a Production-Ready AI Integration

بررسی کدهای عملی Code Walkthroughs

  • واحد ۱: بنیادها - اولین فراخوانی عامل شما Unit 1: Foundation – Your First Agent Call

  • واحد ۱: بنیادها - اولین فراخوانی عامل شما (تکراری) Unit 1: Foundation - Your First Agent Call (Repeat due to Udemy bug)

  • مطالعه قبل از شروع: یادداشت‌های استقرار و مدل Read Before You Start: Deployment & Model Notes

  • واحد ویژه: استقرار Bicep، نکات، ترفندها و توصیه‌ها Special Unit: Bicep Deployment, Tips, Tricks & Advice

  • واحد ۲: Azure Container Apps با Hello World FastAPI Unit 2: Azure Container Apps with Hello World FastAPI

  • واحد ۳: Azure Container Apps با Application Factory FastAPI Unit 3: Azure Container Apps with Application Factory FastAPI

  • واحد ۴: Azure Container Apps برای عامل‌های AI Unit 4: Azure Container Apps for AI Agents

  • واحد ۵: Azure Container Apps و مقیاس‌بندی HTTP Unit 5: Azure Container Apps and HTTP Scaling

  • واحد ۶: Azure Container Apps و مقیاس‌بندی CPU Unit 6: Azure Container Apps and CPU Scaling

  • واحد ۷: Azure Container Apps و Health Probes Unit 7: Azure Container Apps and Health Probes

  • واحد ۸: Azure Kubernetes برای عامل‌های AI Unit 8: Azure Kubernetes for AI Agents

  • واحد ۹: Azure Kubernetes و مقیاس‌بندی CPU Unit 9: Azure Kubernetes and CPU Scaling

  • واحد ۱۰: Azure Kubernetes و Health Probes Unit 10: Azure Kubernetes and Health Probes

  • واحد ۱۱: جستجوی برداری Cosmos DB و خط لوله پردازش داده Unit 11: Cosmos DB Vector Search and Data Processing Pipeline

  • واحد ۱۲: جستجوی برداری Cosmos DB برای عامل‌های AI Unit 12: Cosmos DB Vector Search for AI Agents

  • واحد ۱۳: جستجوی برداری PostgreSQL و خط لوله پردازش داده Unit 13: PostgresSQL Vector Search and Data Processing Pipeline

  • واحد ۱۴: جستجوی برداری PostgreSQL برای عامل‌های AI Unit 14: PostgresSQL Vector Search for AI Agents

  • واحد ۱۵: جستجوی برداری Redis و خط لوله پردازش داده Unit 15: Redis Vector Search and Data Processing Pipeline

  • واحد ۱۶: جستجوی برداری Redis برای عامل‌های AI Unit 16: Redis Vector Search for AI Agents

  • واحد ۱۷: Azure Event Grid برای عامل‌های AI Unit 17: Azure Event Grid for AI Agents

  • واحد ۱۸: Azure Event Grid و Azure Functions برای عامل‌های AI Unit 18: Azure Event Grid and Azure Functions for AI Agents

  • واحد ۱۹: Azure Service Bus و Azure Functions برای عامل‌های AI Unit 19: Azure Service Bus and Azure Functions for AI Agents

سوالات آزمون Exam Questions

  • آزمون ۱ Test 1

  • آزمون ۲ Test 2

نمایش نظرات

آموزش AI-200: توسعه‌دهنده ارشد ابری Azure AI - دوره جامع
جزییات دوره
18 hours
44
(آخرین آپدیت)
1,002
4.4 از 5
دارد
ندارد
ندارد
Luke Ginn
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Luke Ginn Luke Ginn

معمار یادگیری ماشین و ابری | مدرس حرفه‌ای