تخفیف ویژه همین الان — دوره‌های تخفیف‌دار را ببینید.
روز
:
ساعت
:
دقیقه
:
ثانیه
تخفیف‌های ویژه
دوره آموزشی آمادگی برای آزمون گواهینامه Microsoft Azure AI Fundamentals (AI-900)

دوره آموزشی آمادگی برای آزمون گواهینامه Microsoft Azure AI Fundamentals (AI-900)

2 ساعت 48 دقیقهمتوسط2025-06-18

مدرسین

Microsoft Press

Microsoft Press

Microsoft

Tim Warner

Tim Warner

Technical Trainer and Content Developer

جزئیات دوره

اگه دنبال ورود به دنیای هوش مصنوعی هستی و می‌خوای با مفاهیم پایه‌ای AI تو فضای مایکروسافت آشنا بشی، این دوره دقیقاً برای تو طراحی شده.
مدرک Microsoft Azure AI Fundamentals (AI-900) یه نقطه شروع عالیه که بهت کمک می‌کنه بفهمی هوش مصنوعی چیه، چطوری کار می‌کنه، و چطوری با پلتفرم Azure می‌تونی راهکارهای هوش مصنوعی بسازی.

چه سابقه فنی داشته باشی، چه نه، این دوره برای همه قابل فهمه. اینجا یاد می‌گیری مفاهیم پایه‌ای رایانش ابری (Cloud)، ساختار کلاینت/سرور، و این‌که چطور می‌شه از این چیزها برای ساخت راهکارهای هوش مصنوعی استفاده کرد.

حتی اگه قراره بعداً بری سراغ مدارک حرفه‌ای‌تر مثل DP-100 (Azure Data Scientist) یا AI-102 (Azure AI Engineer)، گرفتن AI-900 یه قدم مهم و مفید محسوب می‌شه.

🎯 اهداف یادگیری
شناخت کلی از کاربردهای هوش مصنوعی و نکاتی که باید در نظر بگیریم.
درک اصول پایه‌ای یادگیری ماشین (ML) روی پلتفرم Azure.
آشنایی با بینایی کامپیوتر (Computer Vision) و کاربردهاش در Azure.
شناخت عملکرد پردازش زبان طبیعی (NLP) در فضای ابری مایکروسافت.
بررسی ویژگی‌های مدل‌های مولد (Generative AI) و نحوه‌ی پیاده‌سازی‌شون تو Azure.

مهارت ها

Azure AI ServicesGenerative AIArtificial Intelligence FoundationsSoftware Development ToolsCert PrepArtificial Intelligence (AI)MicrosoftSoftware Development

سرفصل ها

۰. مقدمه

  • 01 - مقدمه

۱. ویژگی‌های بارهای کاری رایج هوش مصنوعی را شناسایی کنید

  • 02 - اهداف یادگیری
  • 03 - ویژگی‌های حجم کار تعدیل محتوا و شخصی‌سازی را شناسایی کنید
  • 04 - شناسایی حجم کار بینایی کامپیوتر
  • 05 - شناسایی حجم کار پردازش زبان طبیعی
  • 06 - شناسایی حجم کار استخراج دانش
  • 07 - حجم کار هوش اسناد را شناسایی کنید
  • 08 - ویژگی‌های بارهای کاری هوش مصنوعی مولد را شناسایی کنید

۲. شناسایی اصول راهنما برای هوش مصنوعی مسئولانه

  • 09 - اهداف یادگیری
  • 10 - ملاحظات مربوط به انصاف در یک راهکار هوش مصنوعی را شرح دهید
  • 11 - ملاحظات مربوط به قابلیت اطمینان و ایمنی در یک راهکار هوش مصنوعی را شرح دهید
  • 12 - ملاحظات مربوط به حریم خصوصی و امنیت در یک راهکار هوش مصنوعی را شرح دهید
  • 13 - ملاحظات مربوط به شمول در یک راهکار هوش مصنوعی را شرح دهید.
  • 14 - ملاحظات مربوط به شفافیت در یک راهکار هوش مصنوعی را شرح دهید
  • 15 - ملاحظات مربوط به پاسخگویی در یک راهکار هوش مصنوعی را شرح دهید

۳. تکنیک‌های رایج یادگیری ماشین را شناسایی کنید

  • 16 - اهداف یادگیری
  • 17 - شناسایی سناریوهای یادگیری ماشین رگرسیون
  • 18 - شناسایی سناریوهای یادگیری ماشینی طبقه‌بندی
  • 19 - شناسایی سناریوهای خوشه‌بندی یادگیری ماشین
  • 20 - شناسایی ویژگی‌های تکنیک‌های یادگیری عمیق

۴. قابلیت‌های یادگیری ماشینی Azure را شرح دهید

  • 21 - اهداف یادگیری
  • 22 - شناسایی ویژگی‌ها و برچسب‌ها در یک مجموعه داده برای یادگیری ماشین
  • 23 - نحوه استفاده از مجموعه داده‌های آموزشی و اعتبارسنجی در یادگیری ماشین را شرح دهید
  • 24 - قابلیت‌های یادگیری ماشینی خودکار را شرح دهید
  • 25 - توصیف سرویس‌های داده و محاسبات برای علم داده و یادگیری ماشین
  • 26 - شرح قابلیت‌های مدیریت مدل و استقرار در Azure Machine Learning

۵. انواع رایج راه‌حل‌های بینایی کامپیوتر را شناسایی کنید

  • 27 - اهداف یادگیری
  • 28 - شناسایی ویژگی‌های راه‌حل‌های طبقه‌بندی تصویر
  • 29 - شناسایی ویژگی‌های راه‌حل‌های تشخیص اشیا
  • 30 - ویژگی‌های راه‌حل‌های تشخیص کاراکتر نوری را شناسایی کنید
  • 31 - شناسایی ویژگی‌های راه‌حل‌های تشخیص چهره و تحلیل چهره
  • 32 - قابلیت‌های سرویس Azure AI Vision را شرح دهید
  • 33 - قابلیت‌های سرویس تشخیص چهره Azure AI را شرح دهید

۶. ویژگی‌های سناریوهای رایج حجم کار NLP را شناسایی کنید

  • 34 - اهداف یادگیری
  • 35 - شناسایی ویژگی‌ها و کاربردهای استخراج عبارت کلیدی
  • 36 - شناسایی ویژگی‌ها و کاربردهای تشخیص موجودیت
  • 37 - شناسایی ویژگی‌ها و کاربردهای تحلیل احساسات
  • 38- شناسایی ویژگی‌ها و کاربردهای مدل‌سازی زبان
  • 39 - شناسایی ویژگی‌ها و کاربردهای تشخیص و سنتز گفتار
  • 40- ویژگی‌ها و کاربردهای ترجمه را مشخص کنید
  • 41- قابلیت‌های سرویس زبانی هوش مصنوعی Azure را شرح دهید.
  • 42 - قابلیت‌های سرویس گفتار هوش مصنوعی Azure را شرح دهید

۷. ویژگی‌های راه‌حل‌های هوش مصنوعی مولد را شناسایی کنید

  • 43- اهداف یادگیری
  • 44 - ویژگی‌های مدل‌های هوش مصنوعی مولد را شناسایی کنید
  • 45 - سناریوهای رایج برای هوش مصنوعی مولد را شناسایی کنید
  • 46 - ملاحظات هوش مصنوعی مسئولانه برای هوش مصنوعی مولد را مشخص کنید

۸. شناسایی قابلیت‌های سرویس Azure OpenAI

  • 47- اهداف یادگیری
  • 48 - قابلیت‌های تولید زبان طبیعی سرویس Azure OpenAI را شرح دهید
  • 49- قابلیت‌های تولید کد سرویس Azure OpenAI را شرح دهید
  • 50 - قابلیت‌های تولید تصویر سرویس Azure OpenAI را شرح دهید

خلاصه

  • 51 - مراحل بعدی

دوره های مرتبط

درباره ما

لینداکده یک بستر یادگیری پیشرو است که به افراد کمک می کند تا کسب و کار ، نرم افزار ، فناوری و مهارت‌های خلاقانه را برای دستیابی به اهداف شخصی و حرفه ای بیاموزد.

شماره تلفنکانال آپاراتپشتیبانی تلگرامکانال تلگرامپیج اینستاگرام

کلیه‌ی حقوق این سایت متعلق به لینداکده می باشد

قوانین و شرایط|حریم خصوصی

نماد الکترونیک enamad در صورت اتصال با آی‌پی داخل کشور، نمایش داده خواهد شد.
logo-samandehi - لوگو ساماندهی
zarinpal
zibal