این دوره بر اساس آخرین برنامه درسی است، با شرکت در این دوره دانش اساسی در زمینه هوش مصنوعی به دست خواهید آورد. حتی اگر قصد دارید امتحان را بعداً بنویسید، میتوانید این دوره را نیز بگذرانید، این به شما کمک میکند تا پایه خود را برای هوش مصنوعی درک کرده و پاک کنید.
اگر به دنبال شروع سفر خود به لاجورد هستید، این دوره برای شما نیز مناسب است. شما می توانید سفر خود را به ابر با هوش مصنوعی آغاز کنید. نیازی به نوشتن هیچ کدی نیست. شما باید اصول اولیه را بدانید.
در زیر
به شما آموزش داده خواهد شدمهارت های اندازه گیری شده
حجم کار و ملاحظات هوش مصنوعی (15-20٪) را شرح دهید
ویژگی های بارهای کاری رایج هوش مصنوعی را شناسایی کنید
· بارهای کاری پیش بینی/پیش بینی را شناسایی کنید
· ویژگی های بارهای کاری تشخیص ناهنجاری را شناسایی کنید
· بارهای کاری بینایی رایانه را شناسایی کنید
· حجم کار پردازش زبان طبیعی یا استخراج دانش را شناسایی کنید
· شناسایی حجم کاری هوش مصنوعی مکالمه ای شناسایی اصول راهنما برای هوش مصنوعی مسئول
· ملاحظات مربوط به عدالت در راه حل هوش مصنوعی را شرح دهید
· ملاحظات مربوط به قابلیت اطمینان و ایمنی را در یک راه حل هوش مصنوعی شرح دهید
· ملاحظات حریم خصوصی و امنیت را در راه حل هوش مصنوعی شرح دهید
· ملاحظات جامع بودن در راه حل هوش مصنوعی را شرح دهید
· ملاحظات شفافیت در راه حل هوش مصنوعی را شرح دهید
· ملاحظات مربوط به مسئولیت پذیری در راه حل هوش مصنوعی را شرح دهید
اصول اساسی یادگیری ماشین را در Azure توضیح دهید (30-35%)
انواع رایج یادگیری ماشینی را شناسایی کنید · سناریوهای یادگیری ماشین رگرسیون را شناسایی کنید
· سناریوهای یادگیری ماشین طبقه بندی را شناسایی کنید
· سناریوهای یادگیری ماشینی خوشه بندی را شناسایی کنید مفاهیم اصلی یادگیری ماشین را شرح دهید
· ویژگی ها و برچسب ها را در مجموعه داده برای یادگیری ماشین شناسایی کنید
· نحوه استفاده از مجموعه داده های آموزشی و اعتبار سنجی در یادگیری ماشین را شرح دهید
· نحوه استفاده از الگوریتم های یادگیری ماشین برای آموزش مدل را شرح دهید
· معیارهای ارزیابی مدل را برای طبقه بندی و رگرسیون انتخاب و تفسیر کنید. شناسایی وظایف اصلی در ایجاد راه حل یادگیری ماشین
· ویژگی های مشترک دریافت و آماده سازی داده ها را شرح دهید
· ویژگی های مشترک انتخاب ویژگی و مهندسی را شرح دهید
· ویژگی های مشترک آموزش و ارزیابی مدل را شرح دهید
· ویژگیهای مشترک استقرار و مدیریت مدل را توصیف کنید قابلیتهای یادگیری ماشین بدون کد با یادگیری ماشینی Azure را شرح دهید:
· ابزار یادگیری ماشین خودکار
· طراح یادگیری ماشین لاجوردی
ویژگیهای بارهای کاری بینایی رایانه را در Azure (15-20٪) توضیح دهید
انواع متداول راه حل بینایی رایانه را شناسایی کنید:
· ویژگی های راه حل های طبقه بندی تصویر را شناسایی کنید
· ویژگی های راه حل های تشخیص اشیا را شناسایی کنید
· ویژگی های راه حل های تقسیم بندی معنایی را شناسایی کنید
· ویژگی های راه حل های تشخیص کاراکتر نوری را شناسایی کنید
· شناسایی ویژگی های تشخیص چهره، تشخیص و راه حل های تجزیه و تحلیل شناسایی ابزارها و خدمات Azure برای وظایف بینایی رایانه
· شناسایی قابلیت های سرویس Computer Vision
· قابلیت های سرویس Custom Vision را شناسایی کنید
· قابلیت های سرویس Face را شناسایی کنید
· شناسایی قابلیتهای سرویس تشخیص فرم توصیف ویژگیهای بارهای کاری پردازش زبان طبیعی (NLP) در Azure (15 تا 20%) ویژگیهای سناریوهای رایج حجم کاری NLP
· ویژگی ها و کاربردهای استخراج عبارت کلیدی را شناسایی کنید
· ویژگی ها و کاربردها را برای شناسایی موجودیت شناسایی کنید
· شناسایی ویژگی ها و کاربردها برای تجزیه و تحلیل احساسات
· ویژگی ها و کاربردهای مدل سازی زبان را شناسایی کنید
· ویژگی ها و کاربردهای تشخیص و ترکیب گفتار را شناسایی کنید
· ویژگی ها و کاربردهای ترجمه را شناسایی کنید ابزارها و خدمات Azure را برای بارهای کاری NLP شناسایی کنید
· قابلیت های سرویس Text Analytics
را شناسایی کنید· قابلیتهای سرویس اطلاعاتی درک زبان (LUIS) را شناسایی کنید
· شناسایی قابلیت های سرویس گفتار
· قابلیت های سرویس مترجم متن را شناسایی کنید
ویژگیهای بارهای کاری هوش مصنوعی مکالمه را در Azure (15 تا 20%) شرح دهید
موارد استفاده متداول برای هوش مصنوعی مکالمه را شناسایی کنید
· ویژگی ها و کاربردهای ربات های چت وب را شناسایی کنید
· ویژگی ها و کاربردهای منوهای صوتی تلفن را شناسایی کنید
· شناسایی ویژگیها و کاربردهای دستیارهای دیجیتال شخصی خدمات Azure برای هوش مصنوعی مکالمه را شناسایی کنید
· قابلیت های سرویس QnA Maker را شناسایی کنید
· قابلیت های Bot Framework
را شناسایی کنیدCloud - DevOps Trainer | مربی گواهی مایکروسافت
نمایش نظرات