دوره آموزشی مبانی Microsoft Foundry: راهنمای مبتدی برای مدل‌ها، گردش‌کارها و امکانات هوش مصنوعی

هوش مصنوعی (Artificial Intelligence) در حال تغییر ساختار بسیاری از صنایع و فرآیندهای کسب‌وکار است و تسلط بر پلتفرم‌هایی مانند Azure Foundry به یکی از مهارت‌های ارزشمند برای توسعه‌دهندگان، متخصصان داده و علاقه‌مندان فناوری تبدیل شده است. با رشد سریع مدل‌های زبانی بزرگ (Large Language Models - LLMs) و یادگیری ماشین (Machine Learning - ML)، توانایی طراحی، استقرار، ارزیابی و مدیریت مدل‌های هوش مصنوعی در محیط‌های ابری، نقش مهمی در ساخت راهکارهای هوشمند مدرن ایفا می‌کند.

این دوره یک مسیر جامع و در عین حال قابل‌فهم برای آشنایی و کار با مدل‌های هوش مصنوعی در اکوسیستم Azure ارائه می‌دهد. در طول دوره، با مفاهیم بنیادی Azure Foundry آشنا می‌شوید و یاد می‌گیرید چگونه محیط Azure خود را آماده کرده، به ابزارها و منابع موردنیاز دسترسی پیدا کنید و فرآیند توسعه پروژه‌های مبتنی بر هوش مصنوعی را آغاز کنید.

در این دوره، موضوعات کلیدی مانند استقرار مدل‌های هوش مصنوعی (AI Model Deployment)، مدیریت چرخه عمر مدل‌ها (Model Lifecycle Management)، مهندسی پرامپت (Prompt Engineering)، ارزیابی خروجی مدل‌ها (Model Evaluation)، پایش عملکرد (Monitoring) و حاکمیت هوش مصنوعی (AI Governance) بررسی می‌شوند. همچنین یاد می‌گیرید چگونه مدل‌های AI را در زیرساخت مقیاس‌پذیر Azure مدیریت کنید و کیفیت عملکرد آن‌ها را در محیط‌های ابری ارزیابی نمایید.

یکی از بخش‌های مهم دوره، آشنایی با Agentها و نحوه استفاده از آن‌ها برای خودکارسازی گردش‌کارهای هوش مصنوعی (AI Workflows) است. شما یاد می‌گیرید چگونه با مدل‌های هوش مصنوعی تعامل داشته باشید، خروجی‌ها را آزمایش و اعتبارسنجی کنید و از قابلیت‌های Azure Foundry برای ساخت راهکارهای هوشمند قابل اعتماد استفاده کنید.

این دوره همچنین بر اصول هوش مصنوعی مسئولانه (Responsible AI) تمرکز دارد و مفاهیمی مانند رعایت استانداردهای اخلاقی، مدیریت ریسک، انطباق با قوانین و پیاده‌سازی سیاست‌های حاکمیتی را بررسی می‌کند.

پس از پایان این دوره، توانایی استفاده از Azure Foundry برای شروع پروژه‌های هوش مصنوعی، مدیریت مدل‌های AI، ارزیابی خروجی‌ها و توسعه راهکارهای هوشمند مبتنی بر Azure را به دست خواهید آورد؛ مهارتی کاربردی برای ورود به دنیای توسعه هوش مصنوعی سازمانی.

🎯 اهداف یادگیری
آماده‌سازی محیط Azure و دسترسی به ابزارها و منابع Azure Foundry
استقرار مدل‌های هوش مصنوعی (AI Models) و مدیریت چرخه عمر آن‌ها در پلتفرم Azure
پیکربندی و استفاده از Agentها برای خودکارسازی گردش‌کارهای هوش مصنوعی
تعامل با مدل‌های AI و آزمایش خروجی‌ها برای اعتبارسنجی عملکرد آن‌ها
به‌کارگیری تکنیک‌های مهندسی پرامپت (Prompt Engineering) برای بهبود تعامل با مدل‌ها
ارزیابی و اعتبارسنجی خروجی مدل‌های هوش مصنوعی در محیط‌های ابری
پیاده‌سازی روش‌های پایش (Monitoring) برای مدیریت عملکرد مدل‌های AI
اجرای اصول هوش مصنوعی مسئولانه (Responsible AI) و استانداردهای حاکمیتی
مدیریت فرآیند توسعه و نگهداری مدل‌های یادگیری ماشین در زیرساخت Azure
استفاده از قابلیت‌های Azure Foundry برای طراحی و توسعه راهکارهای هوش مصنوعی کاربردی