لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش داده و هوش مصنوعی جامع: Microsoft Fabric و Azure OpenAI
- آخرین آپدیت
دانلود End-to-End Data & AI: Microsoft Fabric + Azure OpenAI
نکته:
ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره:
پیادهسازی موارد کاربردی AI، ML و GenAI با استفاده از Microsoft Fabric | کار با SparkML و سرویسهای شناختی Azure در محیط Fabric
مایکروسافت فبریک (Microsoft Fabric)
تحلیل دادهها (Data Analytics)
هوش مصنوعی و یادگیری ماشین با Microsoft Fabric
هوش مصنوعی مولد (Azure OpenAI) با Microsoft Fabric
پیش نیازها: تجربه برنامهنویسی مورد نیاز است
آینده دادههای یکپارچه و هوش مصنوعی را با Microsoft Fabric و Azure OpenAI کشف کنید! آیا آمادهاید تا به یک متخصص تایید شده در تحلیل دادههای مدرن و هوش مصنوعی تبدیل شوید؟ این دوره جامع با عنوان «داده و هوش مصنوعی با Microsoft Fabric و Azure OpenAI» شما را با مهارتهای پرتقاضا برای تسلط بر پلتفرم تحلیل یکپارچه مایکروسافت تجهیز میکند.
این دوره که برای مهندسان داده، دانشمندان داده، متخصصان ابری و تحلیلگران کسبوکار طراحی شده است، آموزشهای عملی در تمامی ابزارهای Fabric از جمله مهندسی داده، Lakehouses، انبار داده (Data Warehousing)، تحلیلهای آنی (Real-Time Analytics)، یادگیری ماشین با Synapse و هوش مصنوعی با Azure OpenAI را ارائه میدهد.
آنچه در این دوره خواهید آموخت:
درک معماری Microsoft Fabric: پلتفرم تحلیل یکپارچه مبتنی بر SaaS که تمامی مراحل از جذب داده تا بصریسازی را پوشش میدهد.
تسلط بر OneLake: یاد بگیرید چگونه دریاچه داده یکپارچه مایکروسافت، ذخیرهسازی دادههای امن، مقیاسپذیر و مشارکتی را فراهم میکند.
مهندسی داده با Apache Spark و PySpark: ساخت خط لولههای ETL و اتوماسیون جریانهای کاری.
یکپارچهسازی AI و ML: آموزش و استقرار مدلهای یادگیری ماشین با استفاده از MLflow، SynapseML و Azure OpenAI برای کاربردهای هوش مصنوعی مولد.
آمادگی برای گواهینامهها: همراستا با اهداف آزمونهای DP-700 (متخصص تحلیل داده) و DP-600 (مهندس تحلیل Fabric).
پروژههای دنیای واقعی: کار بر روی سناریوهای عملی که پیادهسازی داده و هوش مصنوعی در مقیاس سازمانی را شبیهسازی میکنند.
این دوره برای چه کسانی است:
مهندسان و دانشمندان داده: برای اتوماسیون خط لولهها، مدیریت دادههای حجیم (Big Data) و استقرار راهکارهای AI/ML.
داوطلبان گواهینامههای DP-700 و DP-600: کسب مدرک از طریق محتوای عملی و تئوریک همراستا با آزمون.
علاقهمندان به Cloud و AI: یادگیری نحوه یکپارچهسازی پلتفرم نسل جدید مایکروسافت با Azure OpenAI، Power BI و Synapse.
متخصصان و مدیران کسبوکار: یادگیری نحوه بهرهبرداری از پلتفرمهای داده یکپارچه برای استخراج بینشها و تصمیمگیری استراتژیک.
ابزارها و تکنولوژیهای مورد بررسی:
Microsoft Fabric, OneLake, Data Factory, Data Engineering
Apache Spark, PySpark, MLflow, SynapseML
Power BI, Azure OpenAI, Lakehouses, Notebooks
Data Warehousing, Real-Time Analytics, Delta Lake
در پایان این دوره شما قادر خواهید بود:
با اعتماد به نفس کامل در جریان کاری دادههای End-to-End در Microsoft Fabric فعالیت کنید.
مدلهای هوش مصنوعی را با استفاده از Azure OpenAI و Synapse ML ساخته و مستقر کنید.
برای دریافت گواهینامههای DP-700 و DP-600 آماده شوید.
مهارتهای خود را در پروژههای واقعی مهندسی داده، تحلیل و هوش مصنوعی به کار بگیرید.
این فرصت را از دست ندهید!
در انقلاب دادهها پیشرو باشید و به رهبری در تحلیلهای مبتنی بر هوش مصنوعی تبدیل شوید. همین حالا در دوره داده و هوش مصنوعی (Microsoft Fabric و Azure OpenAI) ثبتنام کنید و آینده شغلی خود را تضمین نمایید.
سرفصل ها و درس ها
مقدمه
Introduction
معرفی دوره
Course Introduction
مفاهیم کلیدی
Important Concepts
پیوستن به سرور دیسکورد
Join the Discord Server!
مایکروسافت فبریک چیست؟
What is Microsoft Fabric?
لیکهوس و انبار داده مایکروسافت فبریک [مهندسی داده]
Microsoft Fabric Lakehouse and Warehouse [Data Engineering]
موتورهای تحلیل داده در Fabric
Data Analytical Engines in Fabric
شروع کار با پورتال Fabric
Getting Started with Fabric Portal
آزمایشگاه: تغییر شکل دادهها با Apache Spark، SQL و T-SQL (عملی)
Lab: Data Transformation with Apache Spark, SQL and T-SQL (Hands-On Lab)
آزمایشگاه: مدل معنایی پیشفرض در Lakehouse (عملی)
Lab: Default Semantic Model in Lakehouse (Hands-On Lab)
Data Lakehouse و OneLake چیستند؟
What is Data Lakehouse and OneLake?
کاوشگر OneLake
OneLake Explorer
چرا انبار داده (Data Warehouse) اهمیت دارد؟
Why Data Warehouse matters?
آزمایشگاه: بارگذاری دادهها از Lakehouse به Warehouse (عملی)
Lab: Loading Data from a Lakehouse to a Warehouse (Hands-On Lab)
مقدمهای بر مدلهای معنایی (Semantic Models)
Introduction to Semantic Models
آزمایشگاه: ایجاد مدل معنایی Facts و Dimensions (عملی)
Lab: Creating a Facts and Dimensions Semantic Model (Hands-On Lab)
مقدمهای بر معماری مدالیون (Medallion Architecture)
Introduction to medallion architecture
آزمایشگاه: ساخت مدل پیشبینی دیابت (عملی)
Lab: Building Model for Diabetes Prediction (Hands-On Lab)
آزمایشگاه: استفاده از پیشبین دیابت با خط لولههای Fabric (عملی)
Lab: Using Diabetes Predictor With Fabric Pipelines (Hands-On Lab)
آزمایشگاه: ثبت مدل و معیارها با استفاده از MLflow (عملی)
Lab: Model and Metrics Logging using MLflow (Hands-On Lab)
آزمایشگاه: تنظیم هایپرپارامترها با Hyperopt و MLflow (عملی)
Lab: Hyperparameter Tuning using Hyperopt and MLflow (Hands-On Lab)
مقدمهای بر مدلهای یادگیری عمیق (Deep Learning)
Introduction to Deep Learning Models
آزمایشگاه: ساخت مدل یادگیری عمیق با Fabric (عملی)
Lab: Building Deep Learning Model with Fabric (Hands-On Lab)
هوش مصنوعی پیشبین با Fabric: استفاده از مدلهای پیشساخته Azure AI [مهندسی AI]
Predictive AI with Fabric: Using Prebuilt Azure AI Models [AI Engineering]
مقدمهای بر Azure AI و Microsoft Fabric
Introduction to Azure AI and Microsoft Fabric
مرور پروژه: تحلیل احساسات برای یک پلتفرم تجارت الکترونیک
Project Overview: Sentiment Analysis for an E-Commerce Platform
آزمایشگاه: آشنایی با سرویس زبان Azure (عملی)
Lab: Getting Comfy with Azure Language Service (Hands-On Lab)
آزمایشگاه: ساخت جریان کاری تحلیل احساسات در Fabric (عملی)
Lab: Building Sentiment Analysis Workflow in Fabric (Hands-On Lab)
مبانی هوش مصنوعی مولد (GAI 101) [مهندسی GenAI]
Gen AI Primer (GAI-101) [GenAI Engineering]
مبانی و پایههای GenAI
GenAI Primers and Foundations
مقدمهای بر Azure OpenAI
Introduction to Azure OpenAI
مقدمهای بر مهندسی پرامپت (Prompt Engineering)
Introduction to Prompt Engineering
آزمایشگاه: شروع کار با Azure OpenAI (عملی)
Lab: Getting Started with Azure OpenAI (Hands-On Lab)
آزمایشگاه: استفاده از API ChatCompletions برای فراخوانی موتور GPT از طریق کد (عملی)
Lab: ChatCompletions API to call GPT Engine via Code (Hands-On Lab)
جاسازیهای برداری (Vector Embeddings) چیستند؟
What are Vector Embeddings?
آزمایشگاه: بهرهبرداری از Vector Embeddings از طریق کد (عملی)
Lab: Making use of Vector Embeddings via Code (Hands-On Lab)
هوش مصنوعی مولد (Azure OpenAI) با Fabric [مهندسی GenAI]
Generative AI (Azure OpenAI) with Fabric [GenAI Engineering]
مقدمهای بر GenAI و Fabric
Introduction to GenAI and Fabric
آزمایشگاه: ساخت یک چتبات بسیار ساده با Fabric Notebooks (عملی)
Lab: Creating a very Basic Chatbot with Fabric Notebooks (Hands-On Lab)
سیستم RAG چیست؟ استفاده از دادههای شخصی
What is RAG - Using Your Own Data
مقدمهای بر RAG با Microsoft Fabric
Introduction to RAG with Microsoft Fabric
آزمایشگاه: استقرار منابع در Azure (عملی)
Lab: Deploying Resources in Azure (Hands-On Lab)
آزمایشگاه: پیادهسازی RAG در Fabric (عملی)
Lab: RAG Implementation in Fabric (Hands-On Lab)
نمایش نظرات