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: پیاده‌سازی معماری مدالیون (عملی) Lab: Implementing Medallion Architecture (Hands-On Lab)

  • مقدمه‌ای بر Dataflows و خط لوله‌های Fabric Introduction to Dataflows and Fabric Pipelines

  • آزمایشگاه: ساخت Dataflow و Pipeline (عملی) Lab: Building Dataflow and Pipeline (Hands-On Lab)

یادگیری ماشین کلاسیک با Fabric [مهندسی ML] Classical ML with Fabric [ML Engineering]

  • مقدمه‌ای بر ساخت مدل‌های سفارشی با Fabric Introduction to building your own custom models with Fabric

  • درک مفاهیم پایه یادگیری ماشین (ML) Understanding Basic ML Concepts

  • درک الگوریتم‌های خطی Understanding Linear Algorithms

  • درک الگوریتم‌های غیرخطی Understanding Non-Linear Algorithms

  • 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

آموزش داده و هوش مصنوعی جامع: Microsoft Fabric و Azure OpenAI
جزییات دوره
10 hours
44
Udemy (یودمی) Udemy (یودمی)
(آخرین آپدیت)
532
4.5 از 5
دارد
دارد
دارد
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Kuljot Singh Bakshi Kuljot Singh Bakshi

مربی در Udemy