دوره‌ کامل یادگیری ماشین در Azure - ویرایش 2025

آنچه یاد خواهید گرفت:

• یادگیری در مورد یادگیری نظارت شده، بدون نظارت و تقویت، مفاهیم کلیدی مانند داده‌ آموزشی، مدل‌ها، پیش‌بینی‌ها و کاربردهای دنیای واقعی
• ناوبری و استفاده از ابزارهای Azure ML Studio، از جمله Designer ،Notebooks ،Automated ML و مدیریت مدل
• بارگذاری، پاکسازی، تبدیل و مهندسی ویژگی‌ها با استفاده از Azure ML Studio برای بهینه‌سازی عملکرد مدل
• استفاده از رابط بصری Azure ML Studio و اسکریپت‌های سفارشی Python برای ایجاد، آموزش و ارزیابی مدل‌های یادگیری ماشین
• اعمال تنظیمات ابرپارامتر، اعتبارسنجی متقاطع و تکنیک‌های Automated ML برای افزایش دقت و کارایی مدل
• یادگیری استراتژی‌های مختلف استقرار مدل، از جمله پیش‌بینی‌های زمان واقعی، پیش‌بینی‌های دسته‌ای و استقرار در Edge با استفاده از Azure Kubernetes Service (AKS) و Azure
• ایجاد گردش‌کارهای قابل استفاده مجدد یادگیری ماشین با استفاده از Azure ML Pipelines برای خودکارسازی آموزش، ارزیابی و استقرار
• راه‌اندازی CI/CD pipelines، خودکارسازی مجدد آموزش مدل، نظارت بر انحراف مدل و اطمینان از امنیت و انطباق با Azure DevOps
• کار با GPT،DALL·E ،Stable Diffusion و Codex، تنظیم دقیق مدل‌های هوش مصنوعی و اعمال اصول responsible AI برای انصاف و شفافیت
• کار در چندین دمو، آزمایشگاه و پروژه‌های دنیای واقعی برای کسب تجربه عملی در Azure Machine Learning

پیش نیازهای دوره

• آشنایی با دست‌نوشته Python، انواع داده و مفاهیم برنامه‌نویسی ساده مفید خواهد بود، اما الزامی نیست.
• برخی آگاهی از سرویس ابری، به‌ویژه Microsoft Azure، مفید خواهد بود، اما الزامی نیست.
• مفاهیمی مانند میانگین‌ها، احتمال و جبر اولیه در درک مدل‌های یادگیری ماشین کمک‌کننده خواهد بود، اما دوره این موارد را در صورت نیاز توضیح می‌دهد.
• شما به یک حساب Azure نیاز دارید تا به Azure Machine Learning Studio دسترسی پیدا کنید و تمرین‌های عملی را انجام دهید.
• از آنجایی که Azure ML Studio در فضای ابری قرار دارد، به یک اتصال اینترنتی پایدار نیاز خواهید داشت.
• این دوره کاملاً در Azure Machine Learning Studio اجرا می‌شود، بنابراین نیازی به نصب محلی نیست.
• اگر حساب Azure ندارید، می‌توانید برای دسترسی به ابزارهای ML مبتنی بر ابر، به صورت رایگان ثبت‌نام کنید.

توضیحات دوره

یادگیری ماشین در حال انقلاب صنایع از طریق تصمیم‌گیری داده محور و خودکارسازی است. با این حال، پیاده‌سازی مدل‌های یادگیری ماشین می‌تواند پیچیده باشد و نیاز به راه‌اندازی زیرساخت، پردازش داده و استقرار مدل دارد. Microsoft Azure Machine Learning Studio این فرآیند را ساده می‌کند و یک پلتفرم ابری برای ساخت، آموزش و استقرار مدل‌های یادگیری ماشین به طور کارآمد ارائه می‌کند. این دوره برای کمک به یادگیرندگان در تسلط به Azure ML Studio از طریق یک رویکرد ساختاریافته و عملی طراحی شده است.

این دوره تمام چرخه عمر یادگیری ماشین، از درک مفاهیم کلیدی تا استقرار مدل‌ها در محیط‌های تولید را پوشش می‌دهد. یادگیرندگان به بررسی می‌پردازند:

• انواع یادگیری ماشین – یادگیری نظارت شده، بدون نظارت و تقویت.
• کاربردهای دنیای واقعی در بهداشت و درمان، مالی، امنیت سایبری و خرده‌فروشی
• چالش‌ها در یادگیری ماشین – بیش‌برازش، کیفیت داده، قابلیت تفسیر و مقیاس‌پذیری

عملی با Azure ML Studio

از طریق نمایش های عملی، یادگیرندگان:

• رابط Azure Machine Learning Studio را ناوبری کرده و یک فضای کاری راه‌اندازی کنند.
• مدیریت مجموعه داده‌، آزمایش‌ها و مدل‌ها در یک محیط ابری.
• پیش‌پردازش داده – مدیریت مقادیر مفقود، انجام مهندسی ویژگی‌ها و تقسیم مجموعه داده‌ برای آموزش
• استفاده از تکنیک‌های تبدیل داده – استانداردسازی، نرمال سازی، کدگذاری one-hot و PCA

ساخت و آموزش مدل‌های یادگیری ماشین

یادگیرندگان به بررسی الگوریتم‌ها و تکنیک‌های مختلف یادگیری ماشین، شامل:

• مدل‌های رگرسیون، طبقه‌بندی و خوشه‌بندی در Azure ML Studio
• انتخاب ویژگی و تنظیم ابرپارامترها برای بهبود عملکرد مدل
• AutoML (یادگیری ماشین خودکار) برای بهینه‌سازی مدل‌ها با کمترین تلاش
• متدهای یادگیری ترکیبی مانند Random Forests ،Gradient Boosting و Neural Networks

استقرار و بهینه‌سازی مدل

پس از آموزش مدل‌ها، یادگیرندگان به استراتژی‌های استقرار مدل پرداخته و:

• پیش‌بینی‌های زمان واقعی در مقابل پیش‌بینی‌های دسته‌ای با استفاده از Azure Kubernetes Service (AKS) و Azure Functions
• بهترین شیوه‌های امنیتی – کنترل دسترسی مبتنی بر نقش (RBAC)، انطباق و رمزنگاری
• نظارت بر انحراف مدل – پیاده‌سازی ابزارهای ردیابی برای تشخیص کاهش عملکرد در طول زمان

خودکارسازی گردش‌کارهای یادگیری ماشین

این دوره شامل Azure ML Pipelines برای خودکارسازی فرآیندهای یادگیری ماشین است:

• ساخت pipelines از ابتدا تا انتها – خودکارسازی بارگذاری داده، آموزش مدل و ارزیابی
• استفاده از اسکریپت‌های سفارشی Python در pipelines ML
• نظارت و مدیریت اجرای pipeline برای مقیاس‌پذیری و کارایی

MLOps و CI/CD برای یادگیری ماشین

یادگیرندگان دانش عملی از MLOps و CI/CD برای مدل‌های ML به دست می‌آورند:

• Azure DevOps و GitHub Actions برای نسخه‌بندی مدل و خودکارسازی مجدد آموزش
• CI/CD pipelines برای بروزرسانی‌های بدون وقفه مدل ML
• تکنیک‌هایی برای مدیریت چرخه عمر مدل – استقرار، نظارت و استراتژی‌های بازگشت

بررسی Generative AI با Azure ML

این دوره همچنین به معرفی Generative AI می‌پردازد:

• کار با سرویس Azure OpenAI آموزش GPT ،DALL·E و Codex
• تنظیم دقیق مدل‌های هوش مصنوعی برای کاربردهای خاص در حوزه
• ملاحظات اخلاقی AI – شناسایی تعصبات، تبیین‌پذیری و شیوه‌های responsible AI

این دوره برای چه کسانی مناسب است؟

• اگر شما تازه‌کار در حیطه ML هستید و به دنبال یک معرفی ساختاریافته و عملی با استفاده از Azure Machine Learning Studio هستید، این دوره راهنمایی گام‌به‌گام را ارائه می‌دهد.
• اگر دانش کمی از ML دارید اما می‌خواهید مدل‌های خود را با استفاده از ابزارهای ML مبتنی بر ابری Azure مقیاس‌پذیر کنید، این دوره به شما کمک می‌کند آموزش، استقرار و خودکارسازی مدل‌ها را بیاموزید.
• اگر با داده‌ کار می‌کنید و می‌خواهید به یادگیری ماشین و AI منتقل شوید، این دوره به شما می‌آموزد که چگونه مدل‌های ML را به طور کارآمد در Azure ML Studio بسازید، بهینه‌سازی کنید و استقرار دهید.
• اگر شما یک کاربر Azure، مهندس ابری یا معمار راه‌حل‌ها هستید، این دوره به شما می‌آموزد که چگونه Azure ML را با سرویس مبتنی بر ابری برای راه‌حل‌های AI محور یکپارچه کنید.
• اگر شما یک توسعه‌دهنده نرم‌افزار یا برنامه‌نویس Python هستید که به دنبال خودکارسازی گردش‌کارهای یادگیری ماشین و استقرار راه‌حل‌های AI می‌باشید، این دوره مهارت‌های لازم را برای شما فراهم می‌کند.
• اگر به MLOps ،CI/CD برای مدل‌های ML و مجدد آموزش خودکار علاقه‌مند هستید، این دوره مدیریت چرخه حیات مدل‌های انتها به انتها در Azure ML را پوشش می‌دهد.
• اگر در حوزه بهداشت و درمان، مالی، خرده‌فروشی، امنیت سایبری یا هر صنعت وابسته به داده کار می‌کنید، این دوره به شما نشان می‌دهد که چگونه یادگیری ماشین می‌تواند مشکلات واقعی کسب‌وکار را حل کند.