آموزش AI-102: مهندس هوش مصنوعی Azure (آپدیت ۲۰۲۶) - آخرین آپدیت

سرفصل ها و درس ها

مقدمه Introduction

• معرفی دوره Course Introduction

مبانی و کلیات هوش مصنوعی مولد (GenAI) GenAI Primers and Fundamentals

• همزیستی هم‌افزای هوش مصنوعی پیش‌بین و مولد The Synergistic Co-existence of Predictive and Generative AI

• مقدمه‌ای بر عامل‌های هوش مصنوعی و سیستم‌های ترکیبی AI Introduction to AI Agents and Compound AI Systems

• اصطلاحات GenAI: واژگان کلیدی GenAI Jargons: Key Terminologies

توسعه GenAI با Microsoft Foundry GenAI Development with Microsoft Foundry

• معرفی Microsoft Foundry Introduction to Microsoft Foundry

• تفاوت پروژه‌های Foundry مستقل و مبتنی بر Hub Difference between Standalone and Hub-Based Foundry Projects

• آزمایشگاه: استقرار پروژه مستقل Microsoft Foundry (عملی) Lab: Deploying a Standalone Microsoft Foundry Project (Hands-On Lab)

• آزمایشگاه: استقرار اولین مدل LLM (عملی) Lab: Deploying our First LLM (Hands-On Lab)

• مخزن گیت‌هاب برای آزمایشگاه‌ها Github Repo for Labs

• آزمایشگاه: فراخوانی LLMهای OpenAI از طریق SDK Foundry (عملی) Lab: Calling OpenAI LLM via Foundry OpenAI SDK (Hands-On Lab)

• آزمایشگاه: فراخوانی مدل Claude با استفاده از SDK Anthropic (عملی) Lab: Calling Claude model using Anthropic SDK (Hands-On Lab)

• آزمایشگاه: ایجاد اولین عامل با استفاده از Agent Service (عملی) Lab: Creating our First Agent using the Agent Service (Hands-On Lab)

• بهترین روش‌های مهندسی پرامپت (Prompt Engineering) Prompt Engineering Best Practises

• تکنیک‌های مهندسی پرامپت: CoT، Few Shot و غیره Prompt Engineering Techniques: CoT, Few Shot etc.

• معرفی Microsoft Foundry SDK Introduction to the Microsoft Foundry SDK

• آزمایشگاه: ایجاد عامل با ابزار Code Interpreter (عملی) Lab: Creating an Agent with the Code Interpreter Tool (Hands-On Lab)

• معرفی سرورهای MCP Introduction to MCP Servers

• آزمایشگاه: ایجاد عامل با ابزار MCP (عملی) Lab: Creating an Agent with MCP Tool (Hands-On Lab)

• آزمایشگاه: ایجاد عامل با ابزارهای متعدد (عملی) Lab: Creating a Multi-Tool Agent (Hands-On Lab)

• معرفی پروتکل A2A (عامل به عامل) Introduction to the A2A (Agent-to-Agent) Protocol

• درک مفهوم Fine Tuning در مدل‌های LLM Understanding Fine-Tuning a LLM

• آزمایشگاه: کار با فیلترهای ایمنی محتوا (عملی) Lab: Working with Content Safety Filters (Hands-On Lab)

• درک مفهوم Red Teaming در عامل‌های هوش مصنوعی Understanding AI Agent Red Teaming

• آزمایشگاه: ارزیابی عامل AI با استفاده از Red Teaming (عملی) Lab: Evaluating our AI Agent using Red-Teaming (Hands-On Lab)

• معرفی چارچوب عامل مایکروسافت (MAF) Introduction to the Microsoft Agent Framework (MAF)

• آزمایشگاه: شروع کار با Microsoft Agent Framework (عملی) Lab: Getting Started with the Microsoft Agent Framework (Hands-On Lab)

• آزمایشگاه: ایجاد عامل چند ابزاره با MAF (عملی) Lab: Creating a Multi-Tool Agent with MAF (Hands-On Lab)

• آزمایشگاه: ساخت یک گردش کار متوالی با MAF (عملی) Lab: Building a Sequential Workflow with MAF (Hands-On Lab)

• آزمایشگاه: بصری‌سازی گردش کار متوالی با DevUI (عملی) Lab: Visualizing the Sequential Workflow with DevUI (Hands-On Lab)

• آزمایشگاه: ساخت یک گردش کار موازی با MAF (عملی) Lab: Building a Parallel Workflow with MAF (Hands-On Lab)

• معرفی Microsoft Prompt Flow Introduction to Microsoft Prompt Flow

• آزمایشگاه: استقرار پروژه Foundry مبتنی بر Hub (عملی) Lab: Deploying a Hub-Based Foundry Project (Hands-On Lab)

• آزمایشگاه: توسعه Prompt Flow برای شناسایی موجودات نام‌دار (NER) (عملی) Lab: Developing Named Entity Recognition Prompt Flow (Hands-On Lab)

• آزمایشگاه: استقرار Prompt Flow مربوط به NER (عملی) Lab: Deploying NER Prompt Flow (Hands-On Lab)

• آزمایشگاه: کوئری زدن به End-point مدل Prompt Flow در زمان واقعی (عملی) Lab: Querying Prompt Flow Endpoint in Real-Time (Hands-On Lab)

توسعه GenAI با Azure OpenAI GenAI Development with Azure OpenAI

• معرفی سرویس Azure OpenAI Introduction to Azure OpenAI Service

• آزمایشگاه: استقرار سرویس Azure OpenAI (عملی) Lab: Deploying Azure OpenAI Service (Hands-On Lab)

توسعه راهکارهای زبان طبیعی در Azure Develop Natural Language Solutions in Azure

• معرفی قابلیت‌های سرویس Azure Language Introduction to Azure Language Service Capabilities

• آزمایشگاه: تشخیص زبان، NER، تحلیل احساسات و بیشتر (عملی) Lab: Language Detection, NER, Sentiment Mining and more (Hands-On Lab)

• مقدمه‌ای بر ساخت مدل CLU Introduction to Building a CLU Model

• آزمایشگاه: ساخت مدل CLU با سرویس Azure Language (عملی) Lab: Building a CLU Model with Azure Language Service (Hands-On Lab)

• آزمایشگاه: استفاده از مدل سفارشی CLU در اپلیکیشن (عملی) Lab: Using a Custom CLU Model in Application (Hands-On Lab)

• معرفی ایجاد راهکار پاسخ به سوالات (QnA) Introduction to Creating a Question Answering Solution

• آزمایشگاه: ایجاد راهکار پاسخ به سوالات (عملی) Lab: Creating a Question Answering Solution (Hands-On Lab)

• آزمایشگاه: تست راهکار QnA (عملی) Lab: Testing our QnA Solution (Hands-On Lab)

• معرفی مدل‌های دسته‌بندی سفارشی (عملی) Introduction to Custom Classification Models (Hands-On Lab)

• آزمایشگاه: ایجاد مدل دسته‌بندی چندبرچسبی (عملی) Lab: Creating a Multi-Label Classification Model (Hands-On Lab)

• آزمایشگاه: تست مدل دسته‌بندی چندبرچسبی (عملی) Lab: Testing Multi-Label Classification Model (Hands-On Lab)

• آزمایشگاه: ایجاد مدل سفارشی شناسایی موجودات نام‌دار (NER) (عملی) Lab: Creating Custom Named Entity Recognition Model (Hands-On Lab)

• آزمایشگاه: تست مدل سفارشی NER (عملی) Lab: Testing Custom Named Entity Recognition Model (Hands-On Lab)

• معرفی سرویس Azure Translator Introduction to the Azure Translator Service

• آزمایشگاه: ترجمه متن با سرویس Azure Translator (عملی) Lab: Translate Text with Azure Translator Service (Hands-On Lab)

• آزمایشگاه: ترجمه اسناد با سرویس Azure Translator (عملی) Lab: Translate Documents with Azure Translator Service (Hands-On Lab)

• معرفی سرویس Azure Speech Introduction to Azure Speech Service

• آزمایشگاه: کار با قابلیت‌های سرویس Azure Speech (عملی) Lab: Work with the Azure Speech Service Capabilities (Hands-On Lab)

• آزمایشگاه: توسعه اپلیکیشن GenAI با قابلیت صوتی (عملی) Lab: Develop an Audio-Enabled Generative AI App (Hands-On Lab)

• آزمایشگاه: عامل صوتی زنده Azure AI (عملی) Lab: Azure AI Voice Live Agent (Hands-On Lab)

توسعه راهکارهای بینایی ماشین در Azure Develop Computer Vision Solutions in Azure

• معرفی قابلیت‌های Azure Computer Vision Introduction to Azure Computer Vision Capabilities

• آزمایشگاه: تحلیل تصاویر، خواندن متن و تشخیص اشیاء (عملی) Lab: Analyze Images, Read Text, and Detect Objects (Hands-On Lab)

• مقدمه‌ای بر مدل‌های سفارشی دسته‌بندی تصویر و تشخیص اشیاء Intro to Custom Image Classification and Object Detection Models

• آزمایشگاه: آموزش مدل سفارشی دسته‌بندی تصویر (عملی) Lab: Train a Custom Image Classification Model (Hands-On Lab)

• آزمایشگاه: دریافت پیش‌بینی‌ها از مدل دسته‌بندی تصویر (عملی) Lab: Get Predictions from Image Classification Model (Hands-On Lab)

• آزمایشگاه: ایجاد مدل سفارشی تشخیص اشیاء (عملی) Lab: Create a Custom Object Detection Model (Hands-On Lab)

• آزمایشگاه: دریافت پیش‌بینی‌ها از مدل تشخیص اشیاء (عملی) Lab: Get Predictions from Object Detection Model (Hands-On Lab)

• معرفی سرویس تشخیص چهره (Face Detection) Introduction to the Face Detection Service

• معرفی Azure Video Indexer Introduction to Azure Video Indexer

• آزمایشگاه: استفاده از ویجت‌ها و APIهای تحلیل ویدیو (عملی) Lab: Use Video Analyzer Widgets and APIs (Hands-On Lab)

• آزمایشگاه: توسعه اپلیکیشن GenAI با قابلیت بینایی (عملی) Lab: Develop a Vision-Enabled GenAI App (Hands-On Lab)

توسعه راهکارهای استخراج اطلاعات AI در Azure Develop AI Information Extraction Solutions in Azure

• معرفی سرویس Azure Document Intelligence Intoduction to the Azure Document Intelligence Service

• آزمایشگاه: استفاده از مدل‌های پیش‌ساخته Document Intelligence (عملی) Lab: Use Prebuilt Document Intelligence Models (Hands-On Lab)

• آزمایشگاه: آموزش مدل سفارشی Document Intelligence (عملی) Lab: Train a Custom Document Intelligence Model (Hands-On Lab)

• آزمایشگاه: استفاده از تحلیل‌گر سفارشی در کد پایتون (عملی) Lab: Use Custom Analyzer in Python Code (Hands-On Lab)

• معرفی Azure AI Search Introduction to Azure AI Search

• آزمایشگاه: ساخت ایندکس Azure AI Search - جستجوی کلمات کلیدی (عملی) Lab: Building an Azure AI Search Index - Keyword Search (Hands-On Lab)

• آزمایشگاه: اجرای کوئری‌های سینتکس Lucene روی ایندکس (عملی) Lab: Running Some Lucene Syntax Queries on Index (Hands-On Lab)

• آزمایشگاه: افزودن مهارت تحلیل احساسات سفارشی به Skillset (عملی) Lab: Adding a Custom Sentiment Analysis Skill to the Skillset (Hands-On Lab)

• آزمایشگاه: اجرای کوئری‌های جستجو از طریق کد (عملی) Lab: Running Search Queries via Code (Hands-On Lab)

• معرفی تولید تقویت‌شده با بازیابی (RAG) Introduction to Retrieval Augmented Generation (RAG)

• معرفی RAG چندوجهی با Azure AI Search Introduction to Multi-Modal RAG with Azure AI Search

• آزمایشگاه: ایجاد ایندکس جستجوی برداری چندوجهی (عملی) Lab: Creating a Multi-Modal Vector Search Index (Hands-On Lab)

• آزمایشگاه: ایجاد عامل RAG چندوجهی در Microsoft Foundry (عملی) Lab: Creating a Multi-Modal RAG Agent in Microsoft Foundry (Hands-On Lab)

• آزمایشگاه: خط لوله RAG چندوجهی با کد پایتون (عملی) Lab: Multi-Modal RAG Pipeline with Python Code (Hands-On Lab)

• معرفی Foundry IQ Introduction to Foundry IQ

• درک مفهوم بازیابی عامل‌محور در Foundry IQ Understanding Agentic Retrieval in Foundry IQ

• درک رتبه‌بندی BM25 و رتبه‌بندی مجدد معنایی (Semantic Re-Ranking) Understanding BM25 Ranking and Semantic Re-Ranking

• مخزن گیت‌هاب برای دموهای Foundry IQ Github Repo for Foundry IQ Demos

• آزمایشگاه: تنظیم پایگاه دانش و منابع Foundry IQ (عملی) Lab: Setting Up Foundry IQ Knowledge Base and Sources (Hands-On Lab)

• آزمایشگاه: ایجاد عامل Foundry IQ از طریق پورتال (عملی) Lab: Creating Foundry IQ Agent via the Portal (Hands-On Lab)

• آزمایشگاه: ایجاد عامل Foundry IQ از طریق نوت‌بوک پایتون (عملی) Lab: Creating Foundry IQ Agent via Python Notebook (Hands-On Lab)

راهکارهای استخراج اطلاعات با Azure AI Content Understanding Information Extraction Solutions with Azure AI Content Understanding

• معرفی Azure AI Content Understanding Introduction to Azure AI Content Understanding

• شفاف‌سازی در مورد قیمت‌گذاری! Clarity on Pricing!

• مخزن گیت‌هاب برای دموهای درک محتوا (Content Understanding) Github Repo for Content Understanding Demos

• آزمایشگاه: تست Content Understanding در پورتال Azure (عملی) Lab: Trying out Content Understanding in Azure Portal (Hands-On Lab)

• آزمایشگاه: درک محتوا با نوت‌بوک پایتون (عملی) Lab: Content Understanding with Python Notebook (Hands-On Lab)

• آزمایشگاه: ایجاد و تست تحلیل‌گر سفارشی (عملی) Lab: Creating and Testing Custom Analyzer (Hands-On Lab)

پروژه نهایی ۱: عامل RAG چندوجهی پایداری Capstone Project 1 - Sustainability Multi-Modal RAG Agent

• معرفی معماری RAG برای پایداری (Sustainability) Intro to Sustainability RAG Architecture

• مخزن گیت‌هاب برای پروژه نهایی Github Repo for the Capstone Project

• آزمایشگاه: راه‌اندازی زیرساخت پروژه (عملی) Lab: Project Infrastructure Set-Up (Hands-On Lab)

• آزمایشگاه: آماده‌سازی داده‌ها برای RAG (عملی) Lab: Data Preparation for RAG (Hands-On Lab)

• آزمایشگاه: ساخت و اجرای خط لوله RAG (عملی) Lab: Building and Running the RAG Pipeline (Hands-On Lab)

آزمون‌های تمرینی Practise Tests

• آزمون تمرینی ۱ Practise Test 1

• آزمون تمرینی ۲ Practise Test 2