دوره آموزشی آمادگی آزمون رهبر تحول هوش مصنوعی مایکروسافت (AB-731)

دوره آموزشی آمادگی آزمون رهبر تحول هوش مصنوعی مایکروسافت (AB-731)

2 ساعت 3 دقیقهمبتدی2026-08-03

مدرسین

Microsoft Press

Microsoft Press

Microsoft

جزئیات دوره

هوش مصنوعی در حال تغییر شیوه فعالیت سازمان‌هاست و موفقیت در این مسیر تنها به انتخاب یک ابزار یا مدل AI محدود نمی‌شود. رهبران و تصمیم‌گیرندگان باید بتوانند فرصت‌های واقعی استفاده از هوش مصنوعی را شناسایی کنند، ارزش و هزینه آن‌ها را بسنجند و شرایط لازم برای پذیرش و استفاده پایدار از AI در سازمان را فراهم کنند.

این دوره از Microsoft Press برای آماده‌سازی آزمون Microsoft Certified: AI Transformation Leader (AB-731) طراحی شده و مفاهیم و مهارت‌هایی را پوشش می‌دهد که مدیران، مشاوران و تصمیم‌گیرندگان برای هدایت تحول مبتنی بر هوش مصنوعی به آن‌ها نیاز دارند.

در ابتدای دوره، با مبانی Generative AI آشنا می‌شوید و تفاوت آن را با رویکردهای سنتی هوش مصنوعی بررسی می‌کنید. همچنین یاد می‌گیرید چگونه Use Caseهای مختلف را از نظر تناسب با نیازهای سازمان، هزینه، بازگشت سرمایه و ارزش کسب‌وکار ارزیابی کنید.

در ادامه، اکوسیستم هوش مصنوعی مایکروسافت را بررسی خواهید کرد. با ابزارهایی مانند Microsoft 365 Copilot، Copilot Studio و Azure AI Services آشنا می‌شوید و یاد می‌گیرید هرکدام برای چه نوع نیازها و سناریوهای سازمانی مناسب‌تر هستند.

بخش مهم دیگر دوره به جنبه‌های مدیریتی و سازمانی تحول AI اختصاص دارد. موضوعاتی مانند Responsible AI، حاکمیت هوش مصنوعی، مدیریت ریسک، کاهش ریسک‌های مرتبط با AI و مدیریت تغییر را بررسی می‌کنید و یاد می‌گیرید چگونه چارچوبی برای پذیرش گسترده و مسئولانه هوش مصنوعی در سازمان ایجاد کنید.

در پایان، دوره شما را برای ایجاد یک رویکرد پایدار و سازمانی به تحول AI آماده می‌کند؛ رویکردی که در آن فناوری، استراتژی کسب‌وکار، کارکنان، Governance و مدیریت تغییر در کنار یکدیگر قرار می‌گیرند.

این دوره برای مدیران، رهبران کسب‌وکار، مشاوران، تصمیم‌گیرندگان و متخصصانی مناسب است که می‌خواهند نقش مؤثرتری در پروژه‌های تحول مبتنی بر AI داشته باشند و برای آزمون AB-731 آماده شوند.

اهداف یادگیری
مفاهیم پایه Generative AI و تفاوت آن با هوش مصنوعی سنتی را توضیح دهید.
قابلیت‌ها و کاربردهای اصلی هوش مصنوعی مولد را در محیط‌های سازمانی بررسی کنید.
Use Caseهای AI را بر اساس نیاز کسب‌وکار، امکان‌پذیری، هزینه و ارزش مورد انتظار ارزیابی کنید.
ROI و ارزش کسب‌وکاری پروژه‌های هوش مصنوعی را برای تصمیم‌گیری بهتر بررسی کنید.
اکوسیستم هوش مصنوعی مایکروسافت و نقش ابزارهایی مانند Microsoft 365 Copilot، Copilot Studio و Azure AI Services را بشناسید.
فناوری مناسب را بر اساس سناریو و نیاز سازمان انتخاب کنید.
اصول Responsible AI را در برنامه‌ریزی و اجرای تحول مبتنی بر هوش مصنوعی به کار بگیرید.
چارچوب‌های Governance و مدیریت ریسک AI را در سازمان درک کنید.
ریسک‌های مرتبط با پذیرش و استفاده از هوش مصنوعی را شناسایی و برای کاهش آن‌ها برنامه‌ریزی کنید.
نقش Change Management را در پذیرش موفق و گسترده فناوری‌های AI در سازمان ارزیابی کنید.
استراتژی‌هایی برای ایجاد پذیرش پایدار و سازمانی هوش مصنوعی طراحی کنید.
برای آزمون Microsoft Certified: AI Transformation Leader (AB-731) آماده شوید.

سرفصل ها

مقدمه

  • آزمون AB-731 رهبر تحول هوش مصنوعی - مقدمه

درک مفاهیم بنیادین هوش مصنوعی مولد

  • اهداف یادگیری
  • مفاهیم اصلی هوش مصنوعی - مقایسه هوش مصنوعی مولد و هوش مصنوعی سنتی
  • مدل‌های هوش مصنوعی - مدل‌های از پیش آموزش‌دیده در مقابل مدل‌های تنظیم‌شده و کاربرد هرکدام
  • محرک‌های هزینه و ملاحظات بازگشت سرمایه
  • زمانی که هوش مصنوعی ارزش افزوده دارد - مقیاس‌پذیری، مزایای اتوماسیون و تشخیص موارد استفاده مناسب

بررسی مزایا و قابلیت‌های راه‌حل‌های هوش مصنوعی مولد

  • اهداف یادگیری
  • فرصت‌های کسب‌وکار - کارایی و نوآوری
  • محدودیت‌ها و ریسک‌ها - توهمات، قابلیت اطمینان و سوگیری
  • درخواست‌نویسی - چگونه فرم‌دهی ورودی‌ها بر کیفیت خروجی هوش مصنوعی تأثیر می‌گذارد
  • زمینه‌سازی و داده - اهمیت داده مرتبط و RAG
  • نمونه‌های واقعی

درک آنچه با Microsoft 365 Copilot می‌توانید انجام دهید

  • اهداف یادگیری
  • قابلیت‌های Microsoft 365 Copilot در سراسر برنامه‌ها
  • نگاشت بارهای کاری و سناریوهای هوش مصنوعی
  • تمایز بین تجربه‌های Copilot
  • گسترش Copilot - عوامل سفارشی، زمینه‌سازی و حاکمیت
  • ارزش راه‌حل‌های یکپارچه هوش مصنوعی مایکروسافت

مقدمه‌ای بر راه‌حل‌های هوش مصنوعی Azure مایکروسافت

  • اهداف یادگیری
  • مروری بر سرویس‌های Azure AI و کاربردهای تجاری آنها
  • چگونه موارد استفاده را به سرویس یا مدل هوش مصنوعی Azure مناسب نگاشت کنیم
  • مزایای ابر - مقیاس‌پذیری، امنیت و مزایای یکپارچه‌سازی Azure برای استقرار هوش مصنوعی

حاکمیت هوش مصنوعی و هوش مصنوعی مسئولیت‌پذیر

  • اهداف یادگیری
  • اصول هوش مصنوعی مسئولیت‌پذیر مایکروسافت و چرایی اهمیت آنها
  • نقش حیاتی حاکمیت هوش مصنوعی
  • سیاست‌ها و انطباق
  • کاهش ریسک

آماده‌سازی برای تغییر و هدایت پذیرش هوش مصنوعی

  • اهداف یادگیری
  • نقشه راه پذیرش - مراحل معرفی و مقیاس‌سازی موفق هوش مصنوعی
  • مدیریت تغییر - چگونه پذیرش هوش مصنوعی را تثبیت کنیم
  • قدرت یادگیری همتا-به-همتا - مطالعه موردی قهرمانان Microsoft Copilot
  • غلبه بر موانع - موانع رایج و استراتژی‌های کاهش
  • برنامه‌ریزی مجوز و هزینه - درک مدل‌های مجوز Microsoft 365 Copilot و مدل‌های هزینه Azure

خلاصه

  • آزمون AB-731 رهبر تحول هوش مصنوعی - خلاصه
۸۰,۰۰۰ تومان