آموزش AI-900 گواهینامه Microsoft Azure AI Fundamentals 2021

AI-900 Microsoft Azure AI Fundamentals Certification 2021

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
توضیحات دوره: دوره آمادگی AI-900 Microsoft Azure AI Fundamentals دانش آموزان برای آزمون گواهینامه AI-900 آمادگی بهتری خواهند داشت دانش آموزان جنبه های مهم آنچه را که از منظر امتحان مورد نیاز است یاد خواهند گرفت دانش آموزان مفاهیم اساسی برای هوش مصنوعی را یاد خواهند گرفت. ایده ای در مورد چیستی هوش مصنوعی داشتن یک ایده اولیه در مورد یادگیری ماشینی ایده اولیه در مورد چیستی API - رابط برنامه نویسی کاربردی

این دوره یک دوره آمادگی برای دانش آموزانی است که می خواهند امتحان AI-900: Microsoft Azure AI Fundamentals را امتحان کنند

این دوره دارای مطالبی برای آزمون AI-900 است

اهداف تحت پوشش این دوره

هستند
  • بارهای کاری و ملاحظات هوش مصنوعی (15-20٪) را شرح دهید - در اینجا به اصول اولیه بارهای کاری مبتنی بر هوش مصنوعی خواهیم پرداخت.

  • اصول اساسی یادگیری ماشین را در Azure توضیح دهید (30-35%) - در اینجا ما متوجه خواهیم شد که یادگیری ماشین چیست. همچنین به آزمایشگاه‌هایی در مورد نحوه کار با سرویس یادگیری ماشین نگاه خواهیم کرد.

  • ویژگی های بارهای کاری بینایی کامپیوتر در Azure (15-20٪) را توضیح دهید - در اینجا به ویژگی های مختلف سرویس Computer Vision خواهیم پرداخت. ما همچنین به سرویس Custom Vision، سرویس Face و خدمات Form Recognizer نگاه خواهیم کرد.

  • ویژگی‌های بارهای کاری پردازش زبان طبیعی (NLP) را در Azure (15 تا 20%) شرح دهید - در اینجا به خدماتی مانند سرویس تجزیه و تحلیل متن، سرویس اطلاعات درک زبان، سرویس گفتار نگاه خواهیم کرد.

  • ویژگی‌های بارهای کاری هوش مصنوعی مکالمه را در Azure (15 تا 20%) شرح دهید - در اینجا ما اصول اولیه سرویس QnA Maker و Bot Framework را خواهیم دید.

تعدادی آزمایشگاه نیز در این دوره وجود دارد. وقتی صحبت از یادگیری ماشین و هوش مصنوعی به میان می‌آید، این آزمایشگاه‌ها بر روی خدمات مختلف موجود در Azure تمرکز می‌کنند.


سرفصل ها و درس ها

مقدمه و مبانی Azure Introduction and basics on Azure

  • دستورالعمل های دوره مهم - مهم Important Course instructions - Important

  • آشنایی با آژور Introduction to Azure

  • حساب رایگان Azure The Azure Free Account

  • مفاهیم در لاجوردی Concepts in Azure

  • نمای سریع پورتال Azure Quick view of the Azure portal

  • آزمایشگاه - نمونه ای از ایجاد یک منبع در Azure Lab - An example of creating a resource in Azure

  • PDF دانلود PDF Download

حجم کاری و ملاحظات هوش مصنوعی را شرح دهید Describe AI workloads and considerations

  • یادگیری ماشین و هوش مصنوعی Machine Learning and Artificial Intelligence

  • پیش بینی و پیش بینی بار کاری Prediction and Forecasting workloads

  • بارهای کاری تشخیص ناهنجاری Anomaly Detection Workloads

  • حجم کاری پردازش زبان طبیعی Natural Language Processing Workloads

  • بارهای کاری بینایی کامپیوتر Computer Vision Workloads

  • بارهای کاری هوش مصنوعی مکالمه ای Conversational AI Workloads

  • اصول راهنمای مایکروسافت برای پاسخگویی هوش مصنوعی - پاسخگویی Microsoft Guiding principles for response AI - Accountability

  • اصول راهنمای مایکروسافت برای پاسخگویی هوش مصنوعی - قابلیت اطمینان و ایمنی Microsoft Guiding principles for response AI - Reliability and Safety

  • اصول راهنمای مایکروسافت برای پاسخگویی هوش مصنوعی - حریم خصوصی و امنیت Microsoft Guiding principles for response AI - Privacy and Security

  • اصول راهنمای مایکروسافت برای پاسخگویی هوش مصنوعی - شفافیت Microsoft Guiding principles for response AI - Transparency

  • اصول راهنمای مایکروسافت برای پاسخگویی هوش مصنوعی - فراگیر Microsoft Guiding principles for response AI - Inclusiveness

  • اصول راهنمای مایکروسافت برای پاسخگویی هوش مصنوعی - انصاف Microsoft Guiding principles for response AI - Fairness

اصول اساسی یادگیری ماشین در Azure را شرح دهید Describe fundamental principles of machine learning on Azure

  • بخش مقدمه Section Introduction

  • چرا حتی یادگیری ماشین را در نظر بگیرید؟ Why even consider Machine Learning?

  • مدل یادگیری ماشینی The Machine Learning Model

  • الگوریتم های یادگیری ماشین The Machine Learning Algorithms

  • الگوریتم های مختلف یادگیری ماشین Different Machine Learning Algorithms

  • تکنیک های یادگیری ماشین Machine Learning Techniques

  • داده های یادگیری ماشین - ویژگی ها و برچسب ها Machine Learning Data - Features and Labels

  • آزمایشگاه - یادگیری ماشین لاجورد - ایجاد یک فضای کاری Lab - Azure Machine Learning - Creating a workspace

  • آزمایشگاه - ساخت خط لوله یادگیری ماشین طبقه بندی - مجموعه داده شما Lab - Building a Classification Machine Learning Pipeline - Your Dataset

  • آزمایشگاه - ساخت خط لوله یادگیری ماشین طبقه بندی - تقسیم داده ها Lab - Building a Classification Machine Learning Pipeline - Splitting data

  • اختیاری - آزمایشگاه - ایجاد ماشین مجازی Azure Optional - Lab - Creating an Azure Virtual Machine

  • آزمایشگاه - ساخت خط لوله یادگیری ماشین طبقه بندی - محاسبه هدف Lab - Building a Classification Machine Learning Pipeline - Compute Target

  • آزمایشگاه - ساخت خط لوله یادگیری ماشین طبقه بندی - تکمیل Lab - Building a Classification Machine Learning Pipeline - Completion

  • آزمایشگاه - ساخت خط لوله یادگیری ماشین طبقه بندی - نتایج Lab - Building a Classification Machine Learning Pipeline - Results

  • خلاصه کارهایی که تاکنون انجام شده است Recap on what's been done so far

  • آزمایشگاه - ساخت خط لوله یادگیری ماشین طبقه بندی - استقرار Lab - Building a Classification Machine Learning Pipeline - Deployment

  • آزمایشگاه - نصب ابزار POSTMAN Lab - Installing the POSTMAN tool

  • آزمایشگاه - ساخت خط لوله یادگیری ماشین طبقه بندی - آزمایش Lab - Building a Classification Machine Learning Pipeline - Testing

  • آزمایشگاه - ساخت خط لوله یادگیری ماشین طبقه بندی - تست - منابع Lab - Building a Classification Machine Learning Pipeline - Testing - Resources

  • آزمایشگاه - ساخت خط لوله یادگیری ماشین رگرسیون - پاکسازی داده ها Lab - Building a Regression Machine Learning Pipeline - Cleaning Data

  • آزمایشگاه - ساخت خط لوله یادگیری ماشین رگرسیون - خط لوله کامل Lab - Building a Regression Machine Learning Pipeline - Complete Pipeline

  • آزمایشگاه - ساخت خط لوله یادگیری ماشین رگرسیون - نتایج Lab - Building a Regression Machine Learning Pipeline - Results

  • مهندسی ویژگی Feature Engineering

  • یادگیری ماشین خودکار Automated Machine Learning

  • حذف منابع شما Deleting your resources

ویژگی های بارهای کاری بینایی کامپیوتر در Azure را توضیح دهید Describe features of computer vision workloads on Azure

  • بخش مقدمه Section Introduction

  • خدمات شناختی Azure Azure Cognitive Services

  • مقدمه ای بر راه حل های Azure Computer Vision Introduction to Azure Computer Vision solutions

  • نگاهی به سرویس کامپیوتر ویژن A look at the Computer Vision service

  • آزمایشگاه - راه اندازی ویژوال استودیو 2019 Lab - Setting up Visual Studio 2019

  • Lab - Computer Vision - Basic Object Detection - Visual Studio 2019 Lab - Computer Vision - Basic Object Detection - Visual Studio 2019

  • آزمایشگاه - Computer Vision - Basic Object Detection - Visual Studio 2019 - منابع Lab - Computer Vision - Basic Object Detection - Visual Studio 2019 - Resources

  • آزمایشگاه - بینایی کامپیوتر - نمونه محدودیت ها Lab - Computer Vision - Restrictions example

  • آزمایشگاه - بینایی کامپیوتر - مختصات مرزی اشیاء - ویژوال استودیو 2019 Lab - Computer Vision - Object Bounding Coordinates - Visual Studio 2019

  • آزمایشگاه - بینایی کامپیوتر - مختصات مرزی اشیاء - ویژوال استودیو 2019 - منابع Lab - Computer Vision - Object Bounding Coordinates-Visual Studio 2019-Resources

  • آزمایشگاه - بینایی کامپیوتر - تصویر برند - ویژوال استودیو 2019 Lab - Computer Vision - Brand Image - Visual Studio 2019

  • آزمایشگاه - بینایی کامپیوتر - تصویر برند - ویژوال استودیو 2019 - منابع Lab - Computer Vision - Brand Image - Visual Studio 2019 - Resources

  • آزمایشگاه - بینایی کامپیوتر - از طریق ابزار POSTMAN Lab - Computer Vision - Via the POSTMAN tool

  • مزایای خدمات شناختی The benefits of the Cognitive services

  • مثال دیگری در مورد Computer Vision - Bounding Coordinates Another example on Computer Vision - Bounding Coordinates

  • مثال دیگری در مورد Computer Vision - Bounding Coordinates - Resources Another example on Computer Vision - Bounding Coordinates - Resources

  • آزمایشگاه - بینایی کامپیوتر - تشخیص کاراکتر نوری Lab - Computer Vision - Optical Character Recognition

  • Face API Face API

  • آزمایشگاه - بینایی کامپیوتر - تجزیه و تحلیل یک چهره Lab - Computer Vision - Analyzing a Face

  • نگاهی گذرا به سرویس Face A quick look at the Face service

  • Lab - Face API - با استفاده از Visual Studio 2019 Lab - Face API - Using Visual Studio 2019

  • Lab - Face API - Using Visual Studio 2019 - Resources Lab - Face API - Using Visual Studio 2019 - Resources

  • Lab - Face API - با استفاده از ابزار POSTMAN Lab - Face API - Using POSTMAN tool

  • Lab - Face Verify API - با استفاده از ابزار POSTMAN Lab - Face Verify API - Using POSTMAN tool

  • Lab - Face Find Similar API - با استفاده از ابزار POSTMAN Lab - Face Find Similar API - Using POSTMAN tool

  • آزمایشگاه - چشم انداز سفارشی Lab - Custom Vision

  • نگاهی گذرا به سرویس Form Recognizer A quick look at the Form Recognizer service

  • آزمایشگاه - تشخیص فرم Lab - Form Recognizer

ویژگی های پردازش زبان طبیعی و حجم کاری هوش مصنوعی مکالمه را شرح دهید Describe features of Natural Language Processing and Conversational AI workloads

  • بخش مقدمه Section Introduction

  • پردازش زبان طبیعی Natural Language Processing

  • نگاهی گذرا به تحلیل متن A quick look at the Text Analytics

  • Lab - Text Analytics API - عبارات کلیدی Lab - Text Analytics API - Key phrases

  • آزمایشگاه - API تجزیه و تحلیل متن - عبارات کلیدی - منابع Lab - Text Analytics API - Key phrases - Resources

  • آزمایشگاه - API تجزیه و تحلیل متن - تشخیص زبان Lab - Text Analytics API - Language Detection

  • آزمایشگاه - سرویس تجزیه و تحلیل متن - تحلیل احساسات Lab - Text Analytics Service - Sentiment Analysis

  • آزمایشگاه - سرویس تجزیه و تحلیل متن - شناسایی موجودیت Lab - Text Analytics Service - Entity Recognition

  • آزمایشگاه - سرویس تجزیه و تحلیل متن - شناسایی موجودیت - منابع Lab - Text Analytics Service - Entity Recognition - Resources

  • آزمایشگاه - خدمات مترجم Lab - Translator Service

  • نگاهی گذرا به سرویس سخنرانی A quick look at the Speech Service

  • آزمایشگاه - سرویس گفتار - گفتار به متن Lab - Speech Service - Speech to text

  • آزمایشگاه - خدمات گفتار - گفتار به متن - منابع Lab - Speech Service - Speech to text - Resources

  • آزمایشگاه - سرویس گفتار - متن به گفتار Lab - Speech Service - Text to speech

  • آزمایشگاه - سرویس گفتار - متن به گفتار - منابع Lab - Speech Service - Text to speech - Resources

  • سرویس اطلاعاتی درک زبان Language Understanding Intelligence Service

  • آزمایشگاه - کار با LUIS - استفاده از دامنه های از پیش ساخته شده Lab - Working with LUIS - Using pre-built domains

  • آزمایشگاه - کار با LUIS - اضافه کردن اهداف خودمان Lab - Working with LUIS - Adding our own intents

  • آزمایشگاه - کار با LUIS - افزودن نهادها Lab - Working with LUIS - Adding Entities

  • آزمایشگاه - کار با LUIS - انتشار مدل شما Lab - Working with LUIS - Publishing your model

  • سرویس QnA Maker QnA Maker service

  • آزمایشگاه - سرویس QnA Maker Lab - QnA Maker service

  • چارچوب ربات Bot Framework

  • مثالی از Bot Framework در Azure Example of Bot Framework in Azure

بخش تمرین Practice Section

  • تمرین تست 1 Practice Test 1

  • تمرین تست 2 Practice Test 2

  • سخنرانی پاداش Bonus Lecture

نمایش نظرات

نظری ارسال نشده است.

آموزش AI-900 گواهینامه Microsoft Azure AI Fundamentals 2021
خرید اشتراک و دانلود خرید تکی و دانلود | 160,000 تومان (5 روز مهلت دانلود) زمان تقریبی آماده سازی لینک دانلود این دوره آموزشی حدود 5 تا 24 ساعت می باشد.
جزییات دوره
5.5 hours
97
Udemy (یودمی) udemy-small
26 بهمن 1401 (آخرین آپدیت رو دریافت می‌کنید، حتی اگر این تاریخ بروز نباشد.)
10,199
4.5 از 5
دارد
دارد
دارد

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Alan Rodrigues Alan Rodrigues

مبشر مهندسی نرم افزار

Udemy (یودمی)

یودمی یکی از بزرگ‌ترین پلتفرم‌های آموزشی آنلاین است که به میلیون‌ها کاربر در سراسر جهان امکان دسترسی به دوره‌های متنوع و کاربردی را فراهم می‌کند. این پلتفرم امکان آموزش در زمینه‌های مختلف از فناوری اطلاعات و برنامه‌نویسی گرفته تا زبان‌های خارجی، مدیریت، و هنر را به کاربران ارائه می‌دهد. با استفاده از یودمی، کاربران می‌توانند به صورت انعطاف‌پذیر و بهینه، مهارت‌های جدیدی را یاد بگیرند و خود را برای بازار کار آماده کنند.

یکی از ویژگی‌های برجسته یودمی، کیفیت بالای دوره‌ها و حضور استادان مجرب و با تجربه در هر حوزه است. این امر به کاربران اعتماد می‌دهد که در حال دریافت آموزش از منابع قابل اعتماد و معتبر هستند و می‌توانند به بهترین شکل ممکن از آموزش‌ها بهره ببرند. به طور خلاصه، یودمی به عنوان یکی از معتبرترین و موثرترین پلتفرم‌های آموزشی آنلاین، به افراد امکان می‌دهد تا به راحتی و با کیفیت، مهارت‌های مورد نیاز خود را ارتقا دهند و به دنبال رشد و پیشرفت شغلی خود باشند.