آمادگی برای آزمون AI-900: بیش از 370 سوال تمرینی با توضیحات برای کسب مدرک Microsoft Azure AI Fundamentals
با استفاده از این مجموعه سوالات و توضیحات جامع، خود را برای آزمون AI-900 Microsoft Azure AI Fundamentals آماده کنید. این منبع به شما کمک میکند تا مفاهیم هوش مصنوعی را در Azure به طور کامل درک کرده و با اطمینان در آزمون شرکت کنید.
مباحث کلیدی آزمون AI-900
- تشریح ملاحظات و بارهای کاری هوش مصنوعی
- تشریح اصول اساسی یادگیری ماشین در Azure
- تشریح ویژگیهای بارهای کاری بینایی ماشین در Azure
- تشریح ویژگیهای بارهای کاری پردازش زبان طبیعی (NLP) در Azure
- تشریح ویژگیهای بارهای کاری هوش مصنوعی مولد در Azure
پیش نیازها: آشنایی با مفاهیم پایه ای ابر و برنامه های کاربردی کلاینت-سرور.
مهارتهای مورد نیاز برای آزمون
- تشریح ملاحظات و بارهای کاری هوش مصنوعی (15-20%)
- تشریح اصول اساسی یادگیری ماشین در Azure (20-25%)
- تشریح ویژگیهای بارهای کاری بینایی ماشین در Azure (15-20%)
- تشریح ویژگیهای بارهای کاری پردازش زبان طبیعی (NLP) در Azure (15-20%)
- تشریح ویژگیهای بارهای کاری هوش مصنوعی مولد در Azure (15-20%)
تشریح ملاحظات و بارهای کاری هوش مصنوعی (15-20%)
شناسایی ویژگیهای بارهای کاری رایج هوش مصنوعی
- شناسایی ویژگیهای بارهای کاری تعدیل محتوا و شخصیسازی
- شناسایی بارهای کاری بینایی ماشین
- شناسایی بارهای کاری پردازش زبان طبیعی
- شناسایی بارهای کاری استخراج دانش
- شناسایی بارهای کاری هوش مستندات
- شناسایی ویژگیهای بارهای کاری هوش مصنوعی مولد
شناسایی اصول راهنمای هوش مصنوعی مسئولانه
- تشریح ملاحظات مربوط به انصاف در یک راهکار هوش مصنوعی
- تشریح ملاحظات مربوط به قابلیت اطمینان و ایمنی در یک راهکار هوش مصنوعی
- تشریح ملاحظات مربوط به حریم خصوصی و امنیت در یک راهکار هوش مصنوعی
- تشریح ملاحظات مربوط به فراگیری در یک راهکار هوش مصنوعی
- تشریح ملاحظات مربوط به شفافیت در یک راهکار هوش مصنوعی
- تشریح ملاحظات مربوط به پاسخگویی در یک راهکار هوش مصنوعی
تشریح اصول اساسی یادگیری ماشین در Azure (20-25%)
شناسایی تکنیکهای رایج یادگیری ماشین
- شناسایی سناریوهای یادگیری ماشین رگرسیون
- شناسایی سناریوهای یادگیری ماشین طبقهبندی
- شناسایی سناریوهای یادگیری ماشین خوشهبندی
- شناسایی ویژگیهای تکنیکهای یادگیری عمیق
تشریح مفاهیم اصلی یادگیری ماشین
- شناسایی ویژگیها و برچسبها در یک مجموعه داده برای یادگیری ماشین
- تشریح نحوه استفاده از مجموعههای داده آموزش و اعتبارسنجی در یادگیری ماشین
تشریح قابلیتهای Azure Machine Learning
- تشریح قابلیتهای یادگیری ماشین خودکار
- تشریح خدمات داده و محاسباتی برای علم داده و یادگیری ماشین
- تشریح قابلیتهای مدیریت و استقرار مدل در Azure Machine Learning
تشریح ویژگیهای بارهای کاری بینایی ماشین در Azure (15-20%)
شناسایی انواع رایج راهکارهای بینایی ماشین
- شناسایی ویژگیهای راهکارهای طبقهبندی تصویر
- شناسایی ویژگیهای راهکارهای تشخیص شی
- شناسایی ویژگیهای راهکارهای تشخیص نوری کاراکتر (OCR)
- شناسایی ویژگیهای راهکارهای تشخیص چهره و تحلیل چهره
شناسایی ابزارها و خدمات Azure برای وظایف بینایی ماشین
- تشریح قابلیتهای سرویس Azure AI Vision
- تشریح قابلیتهای سرویس تشخیص چهره Azure AI Face
تشریح ویژگیهای بارهای کاری پردازش زبان طبیعی (NLP) در Azure (15-20%)
شناسایی ویژگیهای سناریوهای رایج بارهای کاری NLP
- شناسایی ویژگیها و کاربردهای استخراج عبارت کلیدی
- شناسایی ویژگیها و کاربردهای تشخیص هویت
- شناسایی ویژگیها و کاربردهای تحلیل احساسات
- شناسایی ویژگیها و کاربردهای مدلسازی زبان
- شناسایی ویژگیها و کاربردهای تشخیص و سنتز گفتار
- شناسایی ویژگیها و کاربردهای ترجمه
شناسایی ابزارها و خدمات Azure برای بارهای کاری NLP
- تشریح قابلیتهای سرویس Azure AI Language
- تشریح قابلیتهای سرویس Azure AI Speech
تشریح ویژگیهای بارهای کاری هوش مصنوعی مولد در Azure (15-20%)
شناسایی ویژگیهای راهکارهای هوش مصنوعی مولد
- شناسایی ویژگیهای مدلهای هوش مصنوعی مولد
- شناسایی سناریوهای رایج برای هوش مصنوعی مولد
- شناسایی ملاحظات هوش مصنوعی مسئولانه برای هوش مصنوعی مولد
شناسایی قابلیتهای Azure OpenAI Service
- تشریح قابلیتهای تولید زبان طبیعی Azure OpenAI Service
- تشریح قابلیتهای تولید کد Azure OpenAI Service
- تشریح قابلیتهای تولید تصویر Azure OpenAI Service
Vahid Ghafarpour
نمایش نظرات