این دوره زمینه را برای درک خدمات مختلف Azure فراهم میکند که برای فعال کردن و پشتیبانی از راه حلهای هوش مصنوعی و نحوه ترسیم نیازهای تجاری به منظور دستیابی به توصیههای مناسب برای تیمهای داده خود در دسترس هستند.
شما یاد خواهید گرفت:
راه حلهای هوش مصنوعی در Microsoft Azure شامل تعدادی منابع و خدمات مستقل است که به طور کلی با هم کار میکنند تا یک راه حل پیچیده تولید کنند. به عنوان یک مهندس هوش مصنوعی، در این دوره آموزشی، با انتخاب خدمات و ویژگیهای مناسب Microsoft Azure، در مورد فرآیندهای ذاتی یک راهحل هوش مصنوعی و همچنین برخی از چالشهایی که دانشمندان داده در ساخت و آموزش با آنها با آن مواجه هستند، آشنا خواهید شد. مدلهای یادگیری ماشینی برای اینکه بتوانیم مناسبترین خدمات و ویژگیها را توصیه کنیم. ابتدا، انواع مختلف دادههایی را که باید درک کنید و با آنها مقابله کنید، از جمله توصیه خدمات مناسب برای پشتیبانی از سناریوهای مختلف داده را بررسی خواهید کرد. سپس، تفاوت بین مدلها و فریمورکهای یادگیری ماشین، از جمله انواع مختلف مدلهای یادگیری ماشین، که هم یادگیری ماشین استاندارد و هم یادگیری عمیق را در بر میگیرد، کشف خواهید کرد. در نهایت، pipelines یادگیری ماشین و یادگیری ماشین خودکار، از جمله چالشهای تجاری و فنی که این فناوریها برای غلبه بر آنها طراحی شدهاند را بررسی خواهید کرد. در پایان این دوره، درک اولیهای از خدمات مختلف Azure خواهید داشت.
نمونه ویدیوی آموزشی ( زیرنویسها جدا از ویدیو است و میتوانید آنرا نمایش ندهید ) :
[ENGLISH]
01 Course Overview [2mins]
01-01 Course Overview [2mins]
02 Understanding Storage for Azure AI Solutions [23mins]
02-01 Understanding Storage in Azure AI Solutions [6mins]
02-02 Exploring Storage Options for Azure AI Solutions [5mins]
02-03 Examining Azure SQL and Cosmos DB [5mins]
02-04 Choosing the Right Storage Services [7mins]
03 Understanding Processing in Azure AI Solutions [28mins]
03-01 The Role of Processing in Azure AI Solutions [5mins]
03-02 Azure Cognitive Services and Azure Machine Learning [7mins]
03-03 Choosing an Azure AI Processing Methodology [7mins]
03-04 Data Processing: ETL Versus ELT [3mins]
03-05 Azure Data Factory and Azure Databricks [6mins]
04 Understanding Azure AI Services and Models [29mins]
04-01 Machine Learning Versus Deep Learning [7mins]
04-02 Exploring Machine Learning Frameworks [7mins]
04-03 Understanding ONNX [3mins]
04-04 Azure Cognitive Services: Decision and Language [5mins]
04-05 Azure Cognitive Services: Speech, Vision, and Search [7mins]
05 Understanding Azure AI Components and Endpoints [19mins]
05-01 Options for Training Machine Learning Models [4mins]
05-02 Choosing Between Custom and Built-In Services [4mins]
05-03 Understanding Service Endpoints [5mins]
05-04 Exploring Service Endpoint Architecture [6mins]
06 Understanding Automated Machine Learning [19mins]
06-01 Understanding Machine Learning Challenges [5mins]
06-02 Exploring Machine Learning Pipelines [5mins]
06-03 Understanding Automated Machine Learning [9mins]
[فارسی]
01 بررسی اجمالی دوره [2 دقیقه]
01-01 بررسی اجمالی دوره [2 دقیقه]
02 درک فضای ذخیرهسازی برای راه حلهای هوش مصنوعی Azure [23 دقیقه]
02-01 درک فضای ذخیرهسازی در راه حلهای هوش مصنوعی Azure [6 دقیقه]
02-02 کاوش گزینههای ذخیرهسازی برای راه حلهای هوش مصنوعی Azure [5 دقیقه]
02-03 بررسی Azure SQL و Cosmos DB [5 دقیقه]
02-04 انتخاب خدمات ذخیرهسازی مناسب [7 دقیقه]
03 درک پردازش در راهکارهای هوش مصنوعی Azure [28 دقیقه]
03-01 نقش پردازش در راه حلهای هوش مصنوعی Azure [5 دقیقه]
03-02 خدمات شناختی Azure و یادگیری ماشینی Azure [7 دقیقه]
03-03 انتخاب روش پردازش هوش مصنوعی Azure [7 دقیقه]
03-04 پردازش داده- ETL در مقابل ELT [3 دقیقه]
03-05 Azure Data Factory و Azure Databricks [6 دقیقه]
04 آشنایی با خدمات و مدلهای هوش مصنوعی Azure [29 دقیقه]
04-01 یادگیری ماشینی در مقابل یادگیری عمیق [7 دقیقه]
04-02 کاوش در فریمورکهای یادگیری ماشینی [7 دقیقه]
04-03 درک ONNX [3 دقیقه]
04-04 خدمات شناختی Azure- تصمیم گیری و زبان [5 دقیقه]
04-05 خدمات شناختی Azure- گفتار، بینایی و جستجو [7 دقیقه]
05 درک اجزای و نقاط پایانی هوش مصنوعی Azure [19 دقیقه]
05-01 گزینههایی برای آموزش مدلهای یادگیری ماشینی [4 دقیقه]
05-02 انتخاب بین خدمات سفارشی و داخلی [4 دقیقه]
05-03 درک نقاط پایانی سرویس [5 دقیقه]
05-04 کاوش در معماری نقطه پایانی سرویس [6 دقیقه]
06 درک یادگیری ماشینی خودکار [19 دقیقه]
06-01 درک چالشهای یادگیری ماشین [5 دقیقه]
06-02 کاوش یادگیری ماشینی Pipelines [5 دقیقه]
06-03 درک یادگیری ماشینی خودکار [9 دقیقه]
جیمز بنان یک مشاور مستقر در ملبورن استرالیا است. او بیش از 18 سال در صنعت IT کار کرده است و در نقشهای مختلفی، از دفتر کمک گرفته تا مدیریت سیستمها و اکنون به عنوان مشاور کار کرده است. او یک نویسنده منتشر شده است و مقالات زیادی برای انتشارات چاپی و آنلاین و همچنین کتابی در مورد مدیر پیکربندی مرکز سیستم نوشته است. جیمز یک سخنران عمومی با تجربه است و برای هشت سال متوالی جایزه ارزشمندترین حرفهای (MVP) را از مایکروسافت دریافت کرد. او در تمام جنبههای فناوری مایکروسافت از محاسبات کاربر نهایی گرفته تا مراکز داده در محل کار کرده است، اما اکنون تمام وقت خود را صرف کار با Microsoft Azure میکند و راهحلهایی را برای مشتریان در طیف گستردهای از صنایع، از دولت و خردهفروشی گرفته تا آموزش عالی بهکار میبرد و خودکار میکند. . وقتی جیمز روی آیتی تمرکز نمیکند، از موسیقی و مطالعه لذت میبرد، تا جایی که ممکن است با همسر و دو دخترش وقت میگذراند و سگ خانواده لکسی را به ساحل میبرد.