دوره آموزشی AI-900 Azure AI Fundamentals با شبیه سازی مجازی

سرفصل ها و درس ها

معرفی Introduction

• به دوره خوش آمدید! Welcome to the course!

• ایجاد یک حساب کاربری رایگان Azure Creating a free Azure Account

• ترتیب مفاهیم پوشش داده شده در دوره Order of concepts covered in the course

• دانلود منابع در دوره Downloading resources in the course

• مقدمه ای بر اصطلاحات هوش مصنوعی Introduction to artificial intelligence terminology

• پرش نکنید! استفاده از تکالیف در دوره DON'T SKIP! Using Assignments in the course

ویژگی های بارهای کاری رایج هوش مصنوعی را شناسایی کنید Identify features of common AI workloads

• درک ویژگی های بارهای کاری تشخیص ناهنجاری Understanding features of anomaly detection workloads

• مثالی از تشخیص ناهنجاری تک متغیره Example of univariate anomaly detection

• نمونه ای از تشخیص ناهنجاری چند متغیره Example of multivariate anomaly detection

• حجم کاری بینایی کامپیوتر چیست؟ What is computer vision workloads?

• استفاده مفهومی از حجم کاری پردازش زبان طبیعی Conceptual usage of natural language processing workloads

• تجسم اصول دانش کاوی Visualizing knowledge mining principals

• شبیه سازی: یک منبع هوش مصنوعی آشکارساز ناهنجاری ایجاد کنید SIMULATION: Create an anomaly detector AI resource

اصول راهنما برای هوش مصنوعی مسئول را شناسایی کنید Identify guiding principles for responsible AI

• مقدمه ای بر هوش مصنوعی مسئول Introduction to responsible AI

• انصاف و فراگیر بودن در راه حل هوش مصنوعی Fairness and Inclusiveness in an AI solution

• قابلیت اطمینان و ایمنی در یک راه حل هوش مصنوعی Reliability and safety in an AI solution

• حریم خصوصی و امنیت در راه حل هوش مصنوعی Privacy and security in an AI solution

• شفافیت در راه حل هوش مصنوعی Transparency in an AI solution

• پاسخگویی در راه حل هوش مصنوعی Accountability in an AI solution

انواع رایج یادگیری ماشینی را شناسایی کنید Identify common machine learning types

• یک فضای کاری Azure Machine Learning برای سناریوهای یادگیری ماشین ایجاد کنید Create an Azure Machine Learning workspace for machine learning scenarios

• یادگیری ماشین رگرسیون چیست؟ What is regression machine learning?

• ساخت خط لوله با یادگیری ماشین رگرسیون برای تمیز کردن مجموعه داده Building a pipeline with regression machine learning for cleaning a dataset

• یک سناریوی یادگیری ماشین رگرسیون را پیاده سازی کنید Implement a regression machine learning scenario

• ارزیابی نتایج سناریوهای یادگیری ماشین رگرسیون Evaluating the results of regression machine learning scenarios

• یادگیری ماشینی طبقه بندی چیست؟ What is classification machine learning?

• یک سناریوی یادگیری ماشین طبقه بندی را در Azure پیاده سازی کنید Implement a classification machine learning scenario in Azure

• درک برچسب ها در یک ماتریس سردرگمی Understanding labels on a confusion matrix

• نمونه یادگیری ماشین خوشه بندی Clustering machine learning example

• شبیه سازی: یک فضای کاری یادگیری ماشینی Azure ایجاد کنید SIMULATION: Create an Azure Machine Learning workspace

• شبیه سازی: از ML Studio برای ایجاد یک نمونه خودرو خط لوله استفاده کنید SIMULATION: Use ML Studio to create a pipeline automobile sample

مفاهیم اصلی یادگیری ماشین را شرح دهید Describe core machine learning concepts

• درک ویژگی ها و برچسب ها در مجموعه داده برای یادگیری ماشین Understanding features and labels in a dataset for machine learning

• نحوه استفاده از مجموعه داده های آموزشی و اعتبار سنجی در یادگیری ماشینی How training and validation datasets are used in machine learning

• شبیه سازی: خط لوله "Census" را در ML Studio باز کنید SIMULATION: Open the "Census" pipeline in ML Studio

قابلیت های ابزارهای بصری را در استودیوی یادگیری ماشینی Azure توضیح دهید Describe capabilities of visual tools in Azure Machine Learning Studio

• استفاده از یادگیری ماشین خودکار Using Automated machine learning

• آشنایی با طراح یادگیری ماشین Azure Understanding Azure Machine Learning Designer

• در حال پاکسازی منابع موجود Azure Cleaning up our existing Azure resources

• شبیه سازی: یک پروژه خودکار ML را برای فایل PopularMovie.csv راه اندازی کنید. SIMULATION: Setup an Auto ML project for a PopularMovie.csv file.

انواع متداول راه حل های بینایی کامپیوتری را شناسایی کنید Identify common types of computer vision solutions

• راه حل های بینایی کامپیوتری Azure چیست؟ What are the Azure computer vision solutions?

• ایجاد یک منبع بینایی کامپیوتری Azure Creating an Azure computer vision resource

• طبقه بندی تصویر و راه حل های تشخیص اشیا در استودیو ویژن Image classification and object detection solutions in vision studio

• راه حل های تشخیص کاراکتر نوری در استودیو ویژن Optical character recognition solutions in vision studio

• راه حل های تشخیص چهره و تجزیه و تحلیل چهره در استودیو ویژن Facial detection and facial analysis solutions in vision studio

• راه حل های تحلیل فضایی در استودیو ویژن Spatial analysis solutions in vision studio

ابزارها و خدمات Azure را برای وظایف بینایی کامپیوتری شناسایی کنید Identify Azure tools and services for computer vision tasks

• استفاده از ابزار POSTMAN برای تعامل با خدمات هوش مصنوعی Azure Using the POSTMAN tool for interacting with Azure AI Services

• پیاده سازی قابلیت های سرویس کامپیوتر ویژن Implementing the capabilities of the Computer Vision service

• پیاده سازی قابلیت های سرویس Custom Vision Implementing the capabilities of the Custom Vision service

• پیاده سازی قابلیت های سرویس Face Implementing the capabilities of the Face service

• پیاده سازی قابلیت های سرویس Form Recognizer Implementing the capabilities of the Form Recognizer service

• شبیه سازی: با استفاده از "F Tier" یک منبع بینایی کامپیوتری ایجاد کنید SIMULATION: Create a Computer Vision Resource using the "F Tier"

ویژگی های سناریوهای رایج NLP بار کاری را شناسایی کنید Identify features of common NLP Workload Scenarios

• ویژگی های زبان هوش مصنوعی Azure چیست؟ What are the Azure AI Language features?

• ایجاد یک منبع خدمات زبان در Azure Creating a language service resource in Azure

• تلاش برای استخراج عبارت کلیدی Trying out key phrase extraction

• در حال امتحان کردن شناسایی موجودیت کلیدی Trying out key entity recognition

• امتحان کردن تحلیل احساسات کلیدی Trying out key sentiment analysis

• امتحان کردن مدل‌سازی زبان کلیدی Trying out key language modeling

• آزمایش تشخیص و ترکیب گفتار کلیدی Trying out key speech recognition and synthesis

• در حال امتحان کردن ترجمه کلیدی Trying out key translation

ابزارها و خدمات Azure را برای بارهای کاری NLP شناسایی کنید Identify Azure tools and services for NLP workloads

• بررسی قابلیت های سرویس زبان Exploring the capabilities of the Language service

• بررسی قابلیت‌های سرویس گفتار Exploring the capabilities of the Speech service

• بررسی قابلیت های سرویس مترجم Exploring the capabilities of the Translator service

• پیکربندی زبان هوش مصنوعی Azure برای پشتیبانی از پشتیبانی از پرسش و پاسخ Configuring Azure AI language to support questions and answers support

• شبیه سازی: یک منبع زبان ایجاد کنید و استودیوی زبان را باز کنید SIMULATION: Create a language resource and open the language studio

ملاحظات راه حل های هوش مصنوعی محاوره ای در Azure را شناسایی کنید Identify considerations for conversational AI solutions on Azure

• آشنایی با ویژگی ها و کاربردهای ربات ها Understanding the features and uses for bots

• قابلیت های Power Virtual Agents و سرویس Azure Bot Capabilities of Power Virtual Agents and the Azure Bot service

• منبع موجود را حذف کنید Remove existing resource

• شبیه سازی: با استفاده از لایه رایگان یک ربات Azure ایجاد کنید. سلامت کانال را بررسی کنید SIMULATION: Create an Azure Bot using the free tier. Check channel health

ویژگی ها و قابلیت های هوش مصنوعی مولد و سرویس هوش مصنوعی Azure Open را شناسایی کنید Identify features and capabilities of generative AI & the Azure Open AI Service

• ویژگی های مدل های مولد Open AI Features of generative Open AI models

• سناریوهای رایج برای هوش مصنوعی باز مولد Common scenarios for generative Open AI

• ملاحظات هوش مصنوعی باز مسئول برای هوش مصنوعی مولد Responsible Open AI considerations for generative AI

پایانی - از اینجا کجا بروم؟ FINAL - Where do I go from here?

• سخنرانی جایزه BONUS Lecture