آموزش دوره AI-900 مفاهیم پایه هوش مصنوعی مایکروسافت آزور - آخرین آپدیت

مبانی هوش مصنوعی و اصول اخلاقی مایکروسافت Foundations of AI and Microsoft’s Ethical Principles

• معرفی دوره Introduction to Course

• هوش مصنوعی چیست What is Artificial Intelligence

• مدل یادگیری ماشین Machine Learning Model

• نیازمندی‌های آزمون AI-900 AI-900 Exam Requirements

• بارهای کاری رایج هوش مصنوعی Common AI workloads

• اصول راهنمای هوش مصنوعی مسئولانه Guiding principles for Responsible AI

• حریم خصوصی و امنیت Privacy and Security

• شفافیت و پاسخگویی Transparence and Accountability

• وب‌سایت رسمی مایکروسافت برای اصول هوش مصنوعی MS Official website for AI Principles

مبانی یادگیری ماشین و ابزارهای بدون کدنویسی Machine Learning Fundamentals and No-Code Tools

• انواع رایج یادگیری ماشین Common ML Types

• ویژگی‌ها و برچسب‌های مجموعه داده Dataset Features and Labels

• مجموعه داده‌های آموزشی و اعتبارسنجی Training and Validation Dataset

• بررسی FPR و AUC FPR and AUC

• معرفی Auto ML Auto ML

• دموی ایجاد فضای کاری Azure ML Demo-Create Azure ML Workspace

• استفاده از AutoML برای ساخت مدل بدون کدنویسی Use AutoML to Build a no-Code Model

• معرفی ML Designer ML Designer

• استفاده از ML Designer برای ساخت مدل بدون کدنویسی ML Designer to Build a no-Code Model

سرویس‌های شناختی و هوش مصنوعی گفتگو-محور Cognitive Services and Conversational AI

• انواع رایج بارهای کاری بینایی ماشین Common types of Computer Vision Workloads

• سرویس‌های بینایی ماشین در مایکروسافت آزور Computer Vision Services in Microsoft Azure

• استفاده از سرویس بینایی ماشین Using Computer Vision Service

• استفاده از سرویس Custom Vision Using Custom Vision Service

• بارهای کاری پردازش زبان طبیعی (NLP) NLP Workloads

• سرویس‌های NLP NLP Services

• انواع رایج بارهای کاری هوش مصنوعی گفتگو-محور Common Types of Conversational AI workloads

• سرویس‌های هوش مصنوعی گفتگو-محور در آزور Conversational AI Services in Azure

• جمع‌بندی و نتیجه‌گیری Conclusion