آموزش داده و هوش مصنوعی (Azure Databricks) - آخرین آپدیت

سرفصل ها و درس ها

مقدمه Introduction

• مقدمه دوره Course Introduction

مفاهیم مهم Important Concepts

• به سرور دیسکورد بپیوندید! Join the Discord Server!

• آشنایی با Azure Databricks Understanding Azure Databricks

• Azure Databricks در مقابل Azure Synapse Analytics Azure Databricks v/s Azure Synapse Analytics

• Microsoft Fabric و Azure Databricks: تطابق عالی!! Microsoft Fabric and Azure Databricks: Match Made in Heaven!!

تجزیه و تحلیل داده با استفاده از Apache Spark و SQL Data Analytics using Apache Spark and SQL

• آشنایی با Apache Spark و تجزیه و تحلیل داده با Azure Databricks Understanding Apache Spark and Data Analytics using Azure Databricks

• Data Lake و Delta Lake چیست؟ What is Data Lake and Delta Lake?

• Data Lakehouse چیست؟ What is a Data Lakehouse?

• Apache Spark چیست؟ What is Apache Spark?

• Unity Catalog (و ادغام با MS Purview) Unity Catalog ( and MS Purview integration)

• مخزن گیت هاب برای لابراتوارهای دوره Github Repository for the labs in the course

• استقرار یک فضای کاری Databricks و یک کلاستر محاسباتی (لاب عملی) Deploying a Databricks Workspace and a Compute Cluster (Hands-On Lab)

• ماژول ۱ (لاب عملی) Module 1 (Hands-On Lab)

• ماژول ۲ (لاب عملی) Module 2 (Hands-On Lab)

• ماژول ۳ (لاب عملی) Module 3 (Hands-On Lab)

• مقدمه‌ای بر Delta Live Tables و معماری Medallion Introduction to Delta Live Tables and Medallion Architecture

• ماژول ۴ (لاب عملی) Module 4 (Hands-On Lab)

یادگیری ماشین و یادگیری عمیق با Azure Databricks Machine Learning and Deep Learning using Azure Databricks

• مقدمه‌ای بر ML در Azure Databricks Introduction to ML on Azure Databricks

• درک مفاهیم پایه ML Understanding Basic ML Concepts

• درک الگوریتم‌های خطی Understanding Linear Algorithms

• درک الگوریتم‌های غیرخطی Understanding non-Linear Algorithms

• ماژول ۱: آموزش مدل (لاب عملی) Module 1: Model Training (Hands-On Lab)

• ماژول ۲: MLflow (لاب عملی) Module 2: MLflow (Hands-On Lab)

• ماژول ۳: تنظیم هایپرپارامتر با استفاده از Hyperopt (لاب عملی) Module 3: Hyperparameter tuning using Hyperopt (Hands-On Lab)

• ماژول ۴: استفاده از AutoML (لاب عملی) Module 4: Using AutoML (Hands-On Lab)

• مقدمه‌ای بر مدل‌های یادگیری عمیق Introduction to Deep Learning Models

• ماژول ۵: یادگیری عمیق (لاب عملی) Module 5: Deep Learning (Hands-On Lab)

مبانی هوش مصنوعی مولد Generative AI Essentials

• هوش مصنوعی مولد چیست؟ What is Generative AI?

• Azure OpenAI چیست؟ What is Azure OpenAI?

• مهندسی Prompt چیست؟ What is Prompt Engineering?

• بلوک‌های سازنده Prompt Building Blocks of a Prompt

• تکنیک Prompt زنجیره تفکر (Chain Of Thoughts) Chain Of Thoughts Prompting Technique

• کنترل خروجی از طریق مهندسی Prompt Controlling Output Through Prompt Engineering

• شروع کار با منابع Azure OpenAI (لاب عملی) Getting Started with Azure OpenAI resource (Hands-On Lab)

• استفاده از ChatCompletions API برای فراخوانی موتور GPT از طریق کد (لاب عملی) ChatCompletions API to call GPT engine via code (Hands-On Lab)

• بردارهای Embedding چیست؟ What Are Vector Embeddings?

• استفاده از موتورهای Embedding از طریق کد (لاب عملی) Making Use of Embedding Engines via code (Hands-On Lab)

• RAG (Retrieval Augmented Generation) چیست؟ What is RAG (Retrieval Augmented Generation) ?

هوش مصنوعی مولد و Azure Databricks Generative AI and Azure Databricks

• مقدمه‌ای بر هوش مصنوعی مولد در Azure Databricks Introduction to Generative AI on Azure Databricks

• شروع کار با GenAI در Azure Databricks (لاب عملی) Getting Started with GenAI on Azure Databricks (Hands-On Lab)

• فراخوانی مدل‌های پایه از طریق کد (لاب عملی) Calling Foundational Models via Code (Hands-On Lab)

• فراخوانی مدل‌های منبع باز از AI Foundry (لاب عملی) Calling Open Source Models from AI Foundry (Hands-On Lab)

• ساخت یک چت‌بات ساده با استفاده از موتور GPT (لاب عملی) Creating a Basic ChatBot using GPT engine (Hands-On Lab)

• ساخت چت‌بات RAG (لاب عملی) Building a RAG Chatbot (Hands-On Lab)

عامل‌ها با Azure Databricks Agents with Azure Databricks

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

• مقدمه‌ای بر ساخت عامل‌ها با Azure Databricks Intro to Building Agents with Azure Databricks

• لاب: تعامل با عامل‌ها از طریق Playground (لاب عملی) Lab: Interacting With Agents through Playground (Hands-On Lab)

• نکته: مقدمه‌ای بر LangGraph Note: Intro to LangGraph

• لاب: ساخت عامل با استفاده از API خارجی آب و هوا Lab: Building Agent with external Weather API

• لاب: ساخت تابع میزبانی شده Unity Catalog برای عامل (لاب عملی) Lab: Building a Unity Catalog Hosted Function for Agent (Hands-On Lab)

• لاب: استقرار عامل ما (لاب عملی) Lab: Deploying our Agent (Hands-On Lab)

سیستم‌های چندعاملی با Semantic Kernel SDK Multi-Agent Systems with Semantic Kernel SDK

• مقدمه‌ای بر Semantic Kernel SDK Introduction to Semantic Kernel SDK

• مقدمه‌ای بر چارچوب عامل Semantic Kernel SDK Introduction to Semantic Kernel SDK Agent Framework

• لاب ۱: شروع کار با ایجاد Azure ChatCompletionsAgent (لاب عملی) Lab1: Getting Started with creating an Azure ChatCompletionsAgent (hands-On Lab)

• لاب ۲ - بخش ۱: عامل Azure AI با SK - استقرار زیرساخت (عملی) Lab 2 - Part 1 : Azure AI Agent With SK - Deploying Infrastructure (Hands-On)

• لاب ۲ - بخش ۲: استقرار کد عامل Azure AI (لاب عملی) Lab 2 - Part 2: Deploying the Azure AI Agent Code (Hands-On Lab)

• لاب ۳: عامل Azure AI با پلاگین‌های آماده (لاب عملی) Lab 3: Azure AI Agent with Out-Of-The-Box Plugins (Hands-On Lab)

• لاب ۴: پیاده‌سازی چارچوب چت عامل (لاب عملی) Lab 4: Implementing an Agent Chat Framework (Hands-On Lab)