آموزش Azure ML: طراحی و آماده‌سازی راهکارهای یادگیری ماشین - آخرین آپدیت

شروع کار با تحلیل داده‌های مایکروسافت Get started with Microsoft Data Analytics

• مقدمه‌ای بر گواهینامه DP 100 Introduction to DP-100 Certification

• مرور کلی آزمون Exam Overview

• مروری بر علوم داده و دانشمند داده Data Science and Data Scientist - Overview

• مروری بر مهارت‌های دانشمند داده Data Scientist Skills - Overview

• مروری بر فرآیندهای علوم داده Data Science Processes - Overview

• راهکارهای یادگیری ماشین برای دانشمندان داده Machine Learning Solutions for Data Scientists

• یادگیری ماشین چیست What is Machine Learning

• انواع یادگیری ماشین Types of Machine Learning

• بررسی جنبه‌های مختلف داده‌ها در یادگیری ماشین Exploring different data aspects in machine learning

• اصطلاحات رایج مورد استفاده در یادگیری ماشین Common terminologies used in Machine Learning

• جنبه‌های بنیادی آمار Fundamental Aspects of Statistics

• مدل‌های یادگیری ماشین Machine Learning Models

آماده‌سازی راهکار یادگیری ماشین Prepare a machine learning solution

• مجموعه داده‌ها در Azure Data Factory و Azure Synapse Analytics Datasets in Azure Data Factory and Azure Synapse Analytics

• مدیریت محیط‌های Azure ML با استفاده از CLI و SDK (v2) Manage Azure Machine Learning environments with the CLI & SDK (v2)

• مدیریت محیط‌های Azure ML با استفاده از SDK (v2) Manage Azure Machine Learning environments with the SDK (v2)

• اشتراک‌گذاری دارایی‌ها بین محیط‌های کاری با استفاده از Registries Share assets across workspaces by using registries

• طراحی برای نظارت (Monitoring) Design for Monitoring

• طراحی برای بازآموزی (Retraining) Design for Retraining

• استفاده از Apache Spark در Azure Machine Learning Apache Spark in Azure Machine Learning

طراحی راهکار یادگیری ماشین Design a Machine Learning Solution

• شناسایی منبع و فرمت داده‌ها Identify Data Source and Format

• ارائه داده‌ها برای آموزش مدل یادگیری ماشین Serving Data for Machine Learning Model Training

• طراحی استراتژی جذب داده برای پروژه‌های یادگیری ماشین Design a data ingestion strategy for machine learning projects

• شناسایی وظایف یادگیری ماشین Identify Machine Learning Tasks

• انتخاب سرویس مناسب برای آموزش مدل ML Choosing a Service to Train a ML Model

• تصمیم‌گیری بین گزینه‌های محاسباتی (Compute) Deciding between compute options

• درک نحوه مصرف و استفاده از مدل Understanding Model Consumption

• تصمیم‌گیری بین استقرار لحظه‌ای یا دسته‌ای Decide on real-time or Batch Deployment

• بررسی معماری MLOps Explore MLOps Architecture

• سازماندهی محیط‌های Azure Machine Learning Organizing Azure Machine Learning Environments

• طراحی معماری MLOPs Designing an MLOPs Architecture

• نکات کلیدی برای موفقیت در آزمون Exam Tips