آموزش گواهی مایکروسافت: Azure AI Fundamentals (AI-900)

دانلود Microsoft Certified: Azure AI Fundamentals (AI-900)

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره:

این آموزش سطح مقدماتی دارای گواهی مایکروسافت: Azure AI Fundamentals (AI-900) مدیران داده های خردسال Azure را برای استقرار، پیکربندی و استفاده از یادگیری ماشینی (ML)، هوش مصنوعی (AI) و سایر فناوری های پیشرفته مایکروسافت آماده می کند. لاجوردی.

یادگیری ماشین، هوش مصنوعی و پردازش زبان طبیعی به ابزارهای روزمره تبدیل شده‌اند که برخی از شرکت‌ها و سازمان‌ها از آن‌ها برای برتری در رقابت خود استفاده می‌کنند. و آنها با اختراع ابزارهای جدید AI/ML، تحویل برنامه، کارایی عملیات یا تجزیه و تحلیل داده های خود را بهبود نمی بخشند. این شرکت ها از ابزارها و خدمات Microsoft Azure استفاده می کنند.

این دوره به شما ابزارهای AI/ML موجود در Microsoft Azure، نحوه استفاده از آنها و نحوه ایجاد شغل از طریق تخصص در آنها را نشان می دهد. این برای متخصصان فنی (IT) و غیر فنی به طور یکسان مناسب است.

پس از اتمام ویدیوها در این آموزش Microsoft Certified: Azure AI Fundamentals (AI-900)، نحوه استقرار، پیکربندی و استفاده از یادگیری ماشینی (ML)، هوش مصنوعی (AI) و سایر نقاط ضعف را خواهید دانست. فناوری‌های Microsoft Azure.

برای هر کسی که یک تیم فناوری را رهبری می‌کند، این آموزش Azure را می‌توان برای مدیریت داده‌های جدید Azure، که در برنامه‌های آموزشی فردی یا تیمی تنظیم شده، یا به عنوان منبع مرجع Azure استفاده کرد.

Microsoft AI-900: آنچه شما باید بدانید

این آموزش دارای گواهی مایکروسافت: Azure AI Fundamentals (AI-900) دارای ویدیوهایی است که موضوعات Azure را پوشش می دهد از جمله:

  • درک ملاحظات مربوط به هوش مصنوعی و حجم کاری هوش مصنوعی
  • پیاده سازی یادگیری ماشین با Azure در سطح اساسی
  • شامل حجم کاری بینایی کامپیوتر
  • استقرار بارهای کاری پردازش زبان طبیعی در Azure
چه کسی باید آموزش AI-900 مایکروسافت را بگذراند؟

این آموزش دارای گواهی Microsoft: Azure AI Fundamentals (AI-900) آموزش Azure در سطح پایه در نظر گرفته می‌شود، به این معنی که برای مدیران داده‌های Azure جوان طراحی شده است. این دوره مهارت‌های هوش مصنوعی Azure برای متخصصان جدید فناوری اطلاعات با حداقل یک سال تجربه با Azure و مدیران باتجربه داده‌های Azure که به دنبال تأیید مهارت‌های Azure خود هستند، ارزشمند است.

سرپرست‌های جدید یا مشتاق داده Azure. اگر برای شغلی در مدیریت داده آماده می‌شوید، یا می‌دانید که اولین شغل خارج از مدرسه شما مدیریت داده خواهد بود، من می خواهم هر چه زودتر این دوره آموزشی اصول هوش مصنوعی Azure را بگذرانم. هوش مصنوعی و یادگیری ماشینی کلیدهای پردازش و تجزیه و تحلیل بهتر و سریع‌تر داده‌ها هستند: کار خود را با درک آن‌ها شروع کنید.

سرپرست‌های با تجربه داده Azure. مدیران داده با چند سال تجربه در کار اما بدون تجربه با هوش مصنوعی Azure باید این دوره را بگذرانند تا بتوانند ببینند چه مقدار از شغل‌شان می‌تواند خودکار شود. و چگونه می توان از قدرت عظیم ML/AI برای اهداف خود استفاده کرد.


سرفصل ها و درس ها

معرفی بارهای کاری یادگیری ماشین Introducing Machine Learning Workloads

  • بررسی اجمالی Overview

  • معرفی بارهای کاری رایج هوش مصنوعی Introducing Common AI Workloads

  • هوش مصنوعی در مقابل یادگیری ماشینی AI vs Machine Learning

  • پردازش زبان Language Processing

  • تشخیص شی Object Detection

  • داده کاوی Data Mining

  • تشخیص ناهنجاری Anomaly Detection

  • نتیجه Conclusion

دوره یادگیری ماشین با سقوط پایتون The Machine Learning with Python Crash Course

  • بررسی اجمالی Overview

  • معرفی دوره تصادف یادگیری ماشین Introducing the Machine Learning Crash Course

  • ابزارها را نصب کنید Install the Tools

  • یک نوت بوک Jupyter را در VS Code کاوش کنید Explore a Jupyter Notebook in VS Code

  • دریافت و وارد کردن داده ها Get and Import Data

  • مدل را آموزش دهید Train the Model

  • امتیاز مدل Score the Model

  • ذخیره و استفاده از مدل Save and Use the Model

  • نتیجه Conclusion

Azure ML Studio و AutoML را کاوش کنید Explore Azure ML Studio and AutoML

  • بررسی اجمالی Overview

  • معرفی Azure Machine Learning Studio و AutoML Introducing Azure Machine Learning Studio and AutoML

  • فضای کاری یادگیری ماشین Azure را مستقر کنید Deploy Azure Machine Learning Workspace

  • ویژگی های استودیوی یادگیری ماشین را کاوش کنید Explore Machine Learning Studio Features

  • داده‌ها را بلعید Ingest Data

  • یک کار AutoML ایجاد کنید Create an AutoML Job

  • نتایج کار AutoML را مرور کنید Review the Results of the AutoML Job

  • نتیجه Conclusion

یک خط لوله مدل رگرسیون ایجاد کنید Create a Regression Model Pipeline

  • بررسی اجمالی Overview

  • معرفی خط لوله مدل رگرسیون پایه با طراح Azure ML Introducing a Basic Regression Model Pipeline with Azure ML Designer

  • Layout طراح را درک کنید Understand the Designer Layout

  • اجزای خط لوله را کاوش کنید Explore Pipeline Components

  • خط لوله را بسازید Build the Pipeline

  • کار را اجرا و مرور کنید Run and Review the Job

  • نتیجه Conclusion

آشنایی با خدمات کامپیوتر ویژن در Microsoft Azure Understanding Computer Vision Services in Microsoft Azure

  • بررسی اجمالی Overview

  • معرفی خدمات بینایی کامپیوتری Microsoft Azure Intro to Microsoft Azure Computer Vision Services

  • درک گردش کار داده های بینایی کامپیوتر Understanding Computer Vision Data Workflow

  • ساختار قیمت گذاری خدمات Azure Computer Vision Pricing Structure for Azure Computer Vision Services

  • ارائه خدمات شناختی Azure در پورتال Provision Azure Cognitive Services in Portal

  • تست خدمات شناختی Azure با Vision Studio Testing Azure Cognitive Services with Vision Studio

  • نتیجه Conclusion

درک سناریوهای بینایی کامپیوتری رایج Understanding Common Computer Vision Scenarios

  • بررسی اجمالی Overview

  • مقدمه ای بر سناریوهای بینایی کامپیوتری Intro to Computer Vision Scenarios

  • درک تقسیم بندی تصویر و تجزیه و تحلیل چهره Understanding Image Segmentation and Facial Analysis

  • بهبود تصمیم گیری خرده فروشی با دید کامپیوتری Improve Retail Decision Making with Computer Vision

  • مدیریت ایمنی محل کار با دید کامپیوتر Manage Workplace Safety with Computer Vision

  • مدیریت محیط زیست با چشم انداز کامپیوتری Environmental Management with Computer Vision

  • نتیجه Conclusion

NLP و خدمات شناختی Azure را درک کنید Understand NLP and Azure Cognitive Services

  • بررسی اجمالی Overview

  • مفاهیم پردازش زبان طبیعی را درک کنید Understand Concepts of Natural Language Processing

  • تشخیص زبان Language Detection

  • تشخیص احساسات Sentiment Detection

  • کلمات کلیدی و تشخیص عبارات Key Words and Phrase Detection

  • تشخیص موجودیت Entity Detection

  • دوره Crash: یک برنامه منطقی برای استفاده از خدمات شناختی ایجاد کنید Crash Course: Develop a Logic App to leverage Cognitive Services

  • نتیجه Conclusion

اخلاق یادگیری ماشین و هوش مصنوعی را در نظر بگیرید Consider Ethics of Machine Learning and AI

  • بررسی اجمالی Overview

  • معرفی استفاده مسئولانه از هوش مصنوعی Introducing Responsible Usage of AI

  • 6 اصل هوش مصنوعی مسئول The 6 Principles of Responsible AI

  • انصاف Fairness

  • قابلیت اطمینان و ایمنی Reliability and Safety

  • حریم خصوصی و امنیت Privacy and Security

  • فراگیر بودن Inclusiveness

  • شفافیت Transparency

  • مسئوليت Accountability

  • نتیجه Conclusion

یک خط لوله طبقه بندی اولیه ایجاد کنید Create a Basic Classification Pipeline

  • بررسی اجمالی Overview

  • معرفی خطوط لوله طبقه بندی پایه در طراح Azure ML Introducing Basic Classification Pipelines in Azure ML Designer

  • تجدید کننده طراح Designer Refresher

  • درک طبقه بندی Understanding Classification

  • خط لوله را بسازید Build the Pipeline

  • خط لوله را اجرا و مرور کنید Run and Review the Pipeline

  • نتیجه Conclusion

ساخت مایکروسافت Azure Custom Vision Models Building Microsoft Azure Custom Vision Models

  • بررسی اجمالی Overview

  • معرفی خدمات شناختی Microsoft Azure Custom Vision Intro to Microsoft Azure Cognitive Services Custom Vision

  • راه حل های نرم افزاری رقابتی برای وظایف بینایی کامپیوتری Competing Software Solutions for Computer Vision Tasks

  • منبع پروژه Azure Custom Vision را ایجاد کنید Create Azure Custom Vision Project Resource

  • جمع آوری داده ها برای تشخیص اشیا در Custom Vision Gathering Data for Object Detection in Custom Vision

  • فرآیند آموزشی برای Azure Custom Vision را آغاز کنید Initiate Training Process for Azure Custom Vision

  • مدل Azure Custom Vision را با داده‌های اضافی تست کنید Test Azure Custom Vision Model with Additional Data

  • بهبود دقت مدل‌های Azure Custom Vision Improve Accuracy of Azure Custom Vision Models

  • نتیجه Conclusion

با خدمات شناختی Azure از یک SDK استفاده کنید Leverage an SDK with Azure Cognitive Services

  • بررسی اجمالی Overview

  • از یک SDK با خدمات شناختی استفاده کنید Leverage an SDK with Cognitive Services

  • احراز هویت و تشخیص زبان Authenticate and Detect a Language

  • عبارات و کلمات کلیدی را تشخیص دهید Detect Key Phrases and Words

  • تشخیص موجودیت Entity Detection

  • تشخیص احساسات Detect Sentiment

  • نتیجه Conclusion

انجام وظایف بینایی کامپیوتری با خدمات شناختی پایتون و آژور Perform Computer Vision Tasks with Python and Azure Cognitive Services

  • بررسی اجمالی Overview

  • معرفی Python SDK برای وظایف Azure Computer Vision Intro to Python SDK for Azure Computer Vision Tasks

  • راه اندازی Python SDK برای Azure Cognitive Services Computer Vision Setting Up Python SDK for Azure Cognitive Services Computer Vision

  • آبجکت کلاینت Azure Computer Vision را در پایتون ایجاد کنید Create Azure Computer Vision Client Object in Python

  • تجزیه و تحلیل جزئیات تصویر با پایتون و Azure Computer Vision Analyze Image Details with Python and Azure Computer Vision

  • Async OCR را با خدمات شناختی Python و Azure اعمال کنید Apply Async OCR with Python and Azure Cognitive Services

  • نتیجه Conclusion

خدمات شناختی Azure را در کانتینرهای Docker مستقر کنید Deploy Azure Cognitive Services in Docker Containers

  • بررسی اجمالی Overview

  • معرفی خدمات شناختی Azure و Docker Intro to Azure Cognitive Services and Docker

  • مروری بر برچسب‌های تصویر کانتینر خدمات شناختی Azure Overview of Azure Cognitive Services Container Image Tags

  • استقرار ماشین مجازی Azure با موتور Docker Deploy Azure Virtual Machine with Docker Engine

  • Computer Vision OCR Read Container را اجرا کنید Run the Computer Vision OCR Read Container

  • خدمات شناختی OCR را در نمونه‌های کانتینر Azure بخوانید Deploy Cognitive Services OCR Read on Azure Container Instances

  • نتیجه Conclusion

Azure Cognitive Services Computer Vision APIs را با PowerShell فراخوانی کنید Call Azure Cognitive Services Computer Vision APIs with PowerShell

  • بررسی اجمالی Overview

  • معرفی خدمات شناختی Azure و PowerShell Intro to Azure Cognitive Services and PowerShell

  • آماده سازی محیط توسعه دهنده برای اتوماسیون شناختی Azure Preparing Dev Environment for Azure Cognitive Automation

  • نتایج API REST تشخیص شی را کاوش کنید Explore Object Detection REST API Results

  • تجزیه و تحلیل تصویر شناختی Azure را با PowerShell انجام دهید Perform Azure Cognitive Image Analysis with PowerShell

  • با PowerShell، API REST تشخیص کاراکتر نوری را فراخوانی کنید Invoke Optical Character Recognition REST API with PowerShell

  • نتیجه Conclusion

تشخیص چهره را با خدمات شناختی پایتون و آژور انجام دهید Perform Facial Recognition with Python and Azure Cognitive Services

  • بررسی اجمالی Overview

  • معرفی خدمات شناختی Azure تشخیص چهره Intro to Azure Cognitive Services Facial Recognition

  • درک اصول هوش مصنوعی مسئول با داده های چهره Understanding Responsible AI Principles with Facial Data

  • راه اندازی Python SDK برای تشخیص چهره Azure Setting Up Python SDK for Azure Facial Recognition

  • با پایتون Azure Face Detect API را فراخوانی کنید Call the Azure Face Detect API with Python

  • نتایج Azure Face Detect API را کاوش کنید Explore Results from Azure Face Detect API

  • از Azure Face API داده های شاخص چهره را درخواست کنید Request Facial Landmark Data from Azure Face API

  • ویژگی های خاص را از Azure Face API درخواست کنید Request Specific Attributes from Azure Face API

  • نتیجه Conclusion

منابع پردازش زبان اضافی را در Azure ارزیابی کنید Evaluate Additional Language Processing Resources in Azure

  • بررسی اجمالی Overview

  • سایر منابع پردازش زبان را ارزیابی کنید Evaluate Other Language Processing Resources

  • قابلیت های منابع گفتاری Speech Resource Capabilities

  • نمونه‌های کد گفتار را کاوش کنید Explore Speech Code Samples

  • خدمات مترجم Translator Service

  • سرویس ربات Azure Azure Bot Service

  • نتیجه Conclusion

تصاویر را با داده های Computer Vision و PowerShell حاشیه نویسی کنید Annotate Images with Computer Vision Data and PowerShell

  • بررسی اجمالی Overview

  • مقدمه ای برای حاشیه نویسی تصویر با PowerShell Intro to Image Annotation with PowerShell

  • درک Azure Computer Vision OCR Result Object Understanding Azure Computer Vision OCR Result Object

  • ایجاد کلاس Bounding Box در PowerShell Create Bounding Box Class in PowerShell

  • با ImageMagick و PowerShell باکس Bounding را بکشید Draw Bounding Box with ImageMagick and PowerShell

  • پس زمینه برچسب را با ImageMagick و PowerShell بکشید Draw Label Background with ImageMagick and PowerShell

  • برچسب متن را با ImageMagick و PowerShell اضافه و در موقعیت قرار دهید Add and Position Text Label with ImageMagick and PowerShell

  • توسعه عملکرد قابل استفاده مجدد برای حاشیه نویسی تصاویر Develop Reusable Function for Annotating Images

  • نتیجه Conclusion

یک خط لوله داده های Computer Vision را در Microsoft Azure توسعه دهید Develop a Computer Vision Data Pipeline in Microsoft Azure

  • بررسی اجمالی Overview

  • معمار یک خط لوله بینایی کامپیوتری در مایکروسافت آزور Architect a Computer Vision Pipeline in Microsoft Azure

  • راه اندازی ابزارهای توسعه Setting Up Your Development Tools

  • از پایتون به Azure Blob Storage متصل شوید Connect to Azure Blob Storage from Python

  • فراخوانی Computer Vision Detect Objects API از پایتون Invoke Computer Vision Detect Objects API from Python

  • کانتینر داکر را به صورت محلی بسازید و آزمایش کنید Build and Test Docker Container Locally

  • استقرار راه حل برای نمونه های کانتینر Azure Deploy Solution to Azure Container Instances

  • نتیجه Conclusion

ساخت مدل سفارشی برای Azure Form Recognizer Build Custom Model for Azure Form Recognizer

  • بررسی اجمالی Overview

  • معرفی مدل های سفارشی تشخیص فرم Azure Intro to Azure Form Recognizer Custom Models

  • مروری بر معماری Azure برای مدل‌های فرم سفارشی Overview of Azure Architecture for Custom Form Models

  • جمع آوری داده های آموزشی برای Azure Form Recognizer Gather Training Data for Azure Form Recognizer

  • اشتراک Azure را برای تشخیص فرم ها آماده کنید Prepare Azure Subscription for Forms Recognition

  • مجموعه داده های آموزشی را برچسب بزنید و آموزش مدل را آغاز کنید Label Training Dataset and Initiate Model Training

  • تست مدل تشخیص فرم Azure آموزش دیده سفارشی Testing Custom Trained Azure Form Recognizer Model

  • نتیجه Conclusion

Azure Form Recognizer REST API را با پایتون مصرف کنید Consume Azure Form Recognizer REST API with Python

  • بررسی اجمالی Overview

  • معرفی ماژول Python Form Recognizer Azure Intro to Azure Form Recognizer Python Module

  • Dev Tools را برای Azure Form Recognizer Automation نصب کنید Install Dev Tools for Azure Form Recognizer Automation

  • فراخوانی Azure Form Recognizer Async Analyze Document API Call Azure Form Recognizer Async Analyze Document API

  • بازیابی نتایج تجزیه و تحلیل سند از Poller Object Retrieve Document Analysis Results from Poller Object

  • نتایج صفحه سند را از Form Recognizer کاوش کنید Explore Document Page Results from Form Recognizer

  • فیلدهای فرم خاص را از نتایج Form Recognizer استخراج کنید Extract Specific Form Fields from Form Recognizer Results

  • نتیجه Conclusion

نمایش نظرات

آموزش گواهی مایکروسافت: Azure AI Fundamentals (AI-900)
جزییات دوره
19h
125
CBTNuggets CBTNuggets
(آخرین آپدیت)
-
- از 5
ندارد
دارد
دارد
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Knox Hutchinson Knox Hutchinson

"لمس شخصی، همراه با توانایی حرکت با سرعت خود، آموزش ویدیویی را به بهترین روش برای یادگیری تبدیل می کند." ناکس تجربیات فراوانی از تجزیه و تحلیل داده ها و تجسم را برای CBT Nuggets به ارمغان می آورد. ناکس به عنوان یک یادگیرنده CBT Nuggets شروع به کار کرد، در انجمن یادگیرنده ما مربی شد و اکنون یک مربی است. ناکس با بهره مندی از تجربه یادگیری CBT Nuggets، آموزش هایی ایجاد می کند که با زبان آموزان ارتباط برقرار می کند.

Knox همچنین دارای طیف گسترده ای از تجربه IT است. ناکس قبل از پیوستن به CBT Nuggets به عنوان مشاور فناوری اطلاعات کار می کرد و در زمینه های مختلفی از جمله شبکه، رایانش ابری و مدیریت پروژه مشاوره می داد.

ارتباط با Knox:

تجزیه و تحلیل و تجسم داده ها، راه حل های هوش تجاری

Trevor Sullivan Trevor Sullivan

"من از تدریس IT لذت می برم زیرا صنعت فناوری به سرعت در حال تغییر است و فراگیران ما باید در لبه برتر بمانند." تروور به لطف پدرش که صاحب یک تجارت نرم افزاری بود، در سنین جوانی شروع به ساخت و عیب یابی کامپیوترها کرد. او بیش از یک دهه تجربه IT و آموزش را برای CBT Nuggets به ارمغان می آورد. قبل از پیوستن به این تیم، او در زمینه مهندسی پیش فروش و معماری راه حل ها کار می کرد. سرگرمی های ترور شامل موتور سواری، پیاده روی و گذراندن وقت با خانواده اش است.

ارتباط با Trevor:

اتوماسیون AWS، Azure، MySQL، GitHub، Docker، Kubernetes و PowerShell