دوره آموزشی
دوبله زبان فارسی
آمادگی کامل آزمون AI-102 Microsoft Azure AI Solution
✅ سرفصل و جزئیات آموزش
آنچه یاد خواهید گرفت:
- یاد بگیرید چگونه راهکارهایی را برای پلتفرم Microsoft Azure AI پیادهسازی کنید.
- آزمون Microsoft AI-102 Microsoft Azure AI Engineer را همان بار اول با موفقیت پشت سر بگذارید.
- مفاهیم اصلی Azure AI Services را، فراتر از مواردی که معمولاً استفاده میکنید، درک کنید.
پیشنیازهای دوره
- یک اشتراک رایگان یا پولی Microsoft Azure
- اشتیاق برای یادگیری پلتفرم ابریِ همواره در حال رشد Microsoft
- ترجیحاً تجربه قبلی با Visual Studio
- تجربه قبلی برنامهنویسی در C# یا زبانی مشابه
توضیحات دوره
این دوره، الزامات آزمون AI-102 با عنوان Designing and Implementing a Microsoft Azure AI Solution را پوشش میدهد.
این دوره از زمان انتشار بهطور مداوم بهروزرسانی شده و آزمونها و منابع جدیدی به آن اضافه شده است.
این دوره در APRIL 2024 بهطور کامل دوباره ضبط شده است. و با جدیدترین الزامات آزمون بهروز است.
داوطلبان آزمون AI-102 باید در ساخت، مدیریت و استقرار راهکارهای هوش مصنوعی که از Azure Cognitive Services، Azure Cognitive Search و Microsoft Bot Framework بهره میبرند، تخصص موضوعی داشته باشند.
داوطلبان این آزمون باید در #C یا Python مهارت داشته باشند و بتوانند با استفاده از APIهای مبتنی بر REST و SDKها، راهکارهای بینایی رایانهای، پردازش زبان طبیعی، دادهکاوی دانش و هوش مصنوعی مکالمهای را روی Azure بسازند. همچنین باید کامپوننت های تشکیلدهنده مجموعه Azure AI و گزینههای موجود برای ذخیرهسازی داده را درک کنند. علاوه بر این، داوطلبان باید اصول هوش مصنوعی مسئولانه را نیز درک کرده و بتوانند آنها را بهکار بگیرند.
این آزمون توانایی شما را در انجام وظایف فنی زیر میسنجد: برنامهریزی و مدیریت یک راهکار Azure AI، پیادهسازی راهکارهای moderation محتوا، پیادهسازی راهکارهای بینایی رایانهای، پیادهسازی راهکارهای پردازش زبان طبیعی، پیادهسازی راهکارهای knowledge mining و document intelligence، و پیادهسازی راهکارهای هوش مصنوعی مولد.
- برنامهریزی و مدیریت یک راهکار Azure AI (15–20%)
- پیادهسازی راهکارهای moderation محتوا (10–15%)
- پیادهسازی راهکارهای بینایی رایانهای (15–20%)
- پیادهسازی راهکارهای پردازش زبان طبیعی (30–35%)
- پیادهسازی راهکارهای knowledge mining و document intelligence (10–15%)
- پیادهسازی راهکارهای هوش مصنوعی مولد (10–15%)
این دوره برای چه کسانی مناسب است؟
- افراد فنی ارشد که با Azure آشنایی دارند.
- کسانی که به قبولی در آزمون Azure AI-102 علاقهمند هستند.
- تیمهای توسعهای که میخواهند درباره پیادهسازی Azure AI services بیشتر یاد بگیرند.
آمادگی کامل آزمون AI-102 Microsoft Azure AI Solution
-
سلام و خوش آمدید به AI-102 00:53
-
الزامات آزمون AI-102 08:07
-
دمو سریع: استفاده از Cognitive Services for Language (قبلاً Text Analytics) در NET. 06:24
-
نکات استفاده از پخشکننده ویدیوی Udemy 01:05
-
نصب Python و Pycharm 04:31
-
طراحی و پیادهسازی یک راهکار Microsoft Azure AI None
-
مروری بر Azure AI Services (که قبلاً Cognitive Services بود) 04:07
-
Azure AI Vision Services (که قبلاً Cognitive Services for Vision بود) 05:22
-
Azure AI Language Services (که قبلاً Cognitive Services for Language بود) 04:31
-
Azure AI Decision Services (که قبلاً Cognitive Services for Decision بود) 04:18
-
Azure AI Speech Services (که قبلاً Cognitive Services for Speech بود) 05:50
-
مروری بر APIهای Cognitive Services 03:16
-
ایجاد یک Computer Vision Service 04:04
-
Endpoint و کلیدهای Cognitive Service 04:19
-
ایجاد هشدار برای Cognitive Services 05:46
-
نظارت بر Metrics برای Cognitive Services 03:30
-
پیکربندی Diagnostics برای Cognitive Services 10:52
-
ایجاد یک منبع چندسرویسی Cognitive Services 05:15
-
مدیریت هزینهها برای Azure AI Services 07:17
-
امنیت شبکه مجازی در Cognitive Services 05:54
-
مدیریت احراز هویت (Role-Based Access Control) 03:53
-
اصول هوش مصنوعی مسئولانه 05:05
-
تعیین endpoint پیشفرض برای یک سرویس 02:50
-
خط لوله یکپارچهسازی/استقرار مداوم (CI/CD) 03:49
-
مروری بر Azure Cognitive Services کانتینری 04:33
-
ایجاد راهکاری که از Anomaly Detector استفاده میکند 08:14
-
وبسایت دمو Anomaly Detector 04:11
-
ایجاد راهکاری که از Azure Content Moderator استفاده میکند 09:15
-
ایجاد راهکاری که از Personalizer استفاده میکند 06:25
-
دمو Azure Personalizer 10:08
-
ایجاد راهکاری که از Azure Metrics Advisor استفاده میکند 08:37
-
ایجاد راهکاری که از Azure Immersive Reader استفاده میکند 04:33
-
مروری بر خدمات بینایی رایانهای 00:53
-
شناسایی برچسبها در یک تصویر 03:41
-
بازیابی توضیح تصویر 02:07
-
شناسایی مکانهای شاخص و افراد مشهور 04:10
-
شناسایی برندها در تصاویر 01:58
-
moderation محتوای بزرگسالان 03:08
-
تولید thumbnail 02:40
-
Computer Vision Service با استفاده از Visual Studio 2019 و #C 11:04
-
تشخیص متن در Computer Vision - دستنویس و OCR 03:38
-
تشخیص فرم در Computer Vision 02:18
-
OCR دستنویس با استفاده از Visual Studio 2019 و #C 04:02
-
تشخیص و تطبیق چهرهها در یک تصویر 05:48
-
شناسایی چهرهها در یک تصویر 05:57
-
استخراج ویژگیهای چهره 04:09
-
Face API با استفاده از Visual Studio 2019 و #C 13:43
-
ایجاد سرویس Custom Vision در Azure 04:19
-
آموزش یک مدل طبقهبندی Custom Vision در Portal 07:47
-
آموزش یک مدل طبقهبندی Custom Vision با استفاده از Python SDK 04:18
-
آموزش یک مدل تشخیص شیء Custom Vision در Portal 06:47
-
آموزش یک مدل تشخیص شیء Custom Vision در SDK 03:08
-
تشخیص شیء Custom Vision با استفاده از Visual Studio 2019 و #C 03:13
-
مروری بر سرویس Video Indexer 04:34
-
Video Indexer در عمل 04:24
-
مروری بر خدمات پردازش زبان طبیعی 05:19
-
استخراج عبارتهای کلیدی با استفاده از Cognitive Services for Language (قبلاً Text Analytics) 03:06
-
استخراج اطلاعات entity با استفاده از Cognitive Services for Language (قبلاً Text Analy 05:13
-
استخراج احساس با استفاده از Cognitive Services for Language (قبلاً Text Analytics) 04:01
-
تشخیص زبان با استفاده از Cognitive Services for Language (قبلاً Text Analytics) 01:38
-
تشخیص entity در Language Services با استفاده از Visual Studio 2019 و C# 03:10
-
پیادهسازی متن به گفتار با استفاده از Speech Service 08:06
-
پیادهسازی گفتار به متن با استفاده از Speech Service 03:17
-
Azure Translator Services 05:28
-
ترجمه صوتی گفتار به گفتار 03:25
-
ترجمه گفتار به متن 02:08
-
مروری بر LUIS 04:02
-
استفاده از LUIS Portal - LUIS.ai 09:33
-
ایجاد یک LUIS App با استفاده از Portal 06:42
-
ایجاد یک LUIS App با استفاده از SDK 06:37
-
مروری بر Azure Cognitive Search 04:55
-
پیادهسازی یک راهکار Cognitive Search 05:52
-
ایجاد منبع QnA Maker 03:42
-
ایجاد Knowledgebase در QnA Maker 07:38
-
ویرایش Knowledgebase 04:33
-
ایجاد Web Chat Bot برای Qna Maker 04:18
-
آزمایش Chat Bot 04:52
-
انتشار QnA Bot در کانالها 03:06
-
مروری بر راهکارهای هوش مصنوعی مکالمهای 02:05
-
مروری بر Bot Framework SDK 03:59
-
اولین Bot ما با Framework - EchoBot 09:19
-
و Bot دوم ما - WelcomeBot 05:16
-
استفاده از Bot Dialogها 05:41
-
Adaptive Cardهای Bot Framework 06:14
-
ردیابی رویدادها با Application Insights 04:27
-
یکپارچهسازی با سایر Cognitive Services 04:32
-
مروری بر Bot Composer 05:25
-
آزمایش یک chat bot ساختهشده با Bot Composer 01:25
-
افزودن dialogهای بیشتر در Bot Composer 02:56
-
آزمایش یک Bot با استفاده از Bot Emulator 02:29
-
انتشار یک Bot 05:23
-
به دوره جدید خوش آمدید! 03:15
-
الزامات آزمون 04:18
-
آزمایشگاههای رسمی MS Learn 03:15
-
راهکار بینایی رایانهای 07:31
-
راهکار پردازش زبان طبیعی (NLP) 06:56
-
راهکار گفتار 02:16
-
راهکار هوش مصنوعی مولد 04:54
-
راهکار document intelligence 03:19
-
راهکار knowledge mining 03:41
-
اصول هوش مصنوعی مسئولانه 08:10
-
ایجاد یک منبع Azure AI 07:11
-
endpoint پیشفرض برای یک سرویس Azure AI 02:57
-
یکپارچهسازی و تحویل مداوم (CI/CD) در Azure AI Services 07:41
-
استقرار کانتینری Azure AI Services 07:04
-
پیکربندی لاگهای عیبیابی 06:27
-
نظارت بر یک منبع Azure AI 10:55
-
مدیریت هزینهها برای Azure AI Services 07:09
-
مدیریت کلیدهای حساب 05:56
-
محافظت از کلیدهای حساب با استفاده از Azure Key Vault 08:09
-
نمونه کد: بازیابی secret از Azure Key Vault 06:03
-
مدیریت ارتباطات خصوصی 05:21
-
moderation متن با Azure AI Content Safety 05:23
-
moderation تصویر با Azure AI Content Safety 02:40
-
مروری بر Azure AI Vision Services 03:57
-
انتخاب ویژگیهای بصری برای برآورده کردن نیازهای پردازش تصویر 03:24
-
تشخیص اشیا در تصاویر و تولید برچسبهای تصویر 03:05
-
قیمتگذاری AI Vision Services 01:44
-
تفسیر پاسخهای پردازش تصویر 04:04
-
استخراج متن از تصاویر با استفاده از Azure AI Vision 03:57
-
انتخاب بین مدلهای طبقهبندی تصویر و تشخیص شیء 03:51
-
برچسبگذاری تصاویر 08:30
-
آموزش یک مدل تصویر سفارشی 02:44
-
ایجاد و برچسبگذاری یک مجموعهداده آزمایشی در Azure ML 04:24
-
ارزیابی شاخصهای مدل Custom Vision 03:59
-
انتشار یک مدل Custom Vision 02:56
-
استفاده از یک مدل Custom Vision 01:50
-
استفاده از Azure AI Video Indexer برای استخراج بینشها 04:13
-
استفاده از Azure AI Vision Spatial Analysis برای تشخیص حضور و حرکت 05:54
-
تکلیف: آزمایشگاههای رسمی MS Learn 02:21
-
استخراج عبارتهای کلیدی 08:38
-
استخراج entityها 04:15
-
تعیین احساس متن 07:48
-
تشخیص زبانی که در متن استفاده شده است 02:50
-
تشخیص اطلاعات هویتی شخصی (PII) در متن 03:06
-
پیادهسازی متن به گفتار 09:42
-
پیادهسازی گفتار به متن 05:22
-
Speech Synthesis Markup Language (SSML) 06:46
-
پیادهسازی تشخیص intent 07:34
-
پیادهسازی تشخیص کلمه کلیدی 06:42
-
ترجمه متن و اسناد با استفاده از Azure AI Translator service 04:58
-
دمو: ایجاد یک منبع AI Translator 04:57
-
دمو: Azure AI Language Studio برای ترجمه 09:52
-
پیادهسازی ترجمه سفارشی 04:19
-
ترجمه گفتار به گفتار با استفاده از Azure AI Speech service 04:44
-
ترجمه گفتار به متن با استفاده از Azure AI Speech service 02:13
-
ترجمه همزمان به چند زبان 02:33
-
ایجاد intentها و افزودن utteranceها 08:21
-
ایجاد entityها 04:06
-
استفاده از ChatGPT برای ایجاد نمونه utteranceها 01:35
-
آموزش و ارزیابی یک مدل درک زبان مکالمهای 05:54
-
استقرار و تست یک مدل درک زبان مکالمهای 04:31
-
پشتیبانگیری و بازیابی مدلهای درک زبان 03:48
-
مروری بر Custom Question Answering در Azure AI 06:16
-
ایجاد یک پروژه question answering 04:16
-
افزودن دستی جفتهای پرسش و پاسخ 02:47
-
ایمپورت کردن منابع 05:02
-
آموزش و آزمایش یک knowledge base 07:14
-
انتشار یک knowledge base 06:30
-
ایجاد یک گفتوگوی چندمرحلهای 05:12
-
افزودن عبارتبندیهای جایگزین 04:19
-
افزودن chit-chat به knowledge base 02:48
-
خروجی گرفتن از knowledge base 01:46
-
ایجاد یک راهکار پاسخگویی به پرسش چندزبانه 02:47
-
مروری بر Azure AI Search 07:08
-
ایجاد یک منبع Azure AI Search 06:25
-
ایجاد data sourceها 05:27
-
Indexهای Azure AI Search 08:17
-
ایجاد یک index 08:45
-
تعریف یک skillset 05:03
-
پیادهسازی skillهای سفارشی 04:10
-
ایجاد و اجرای یک indexer 04:52
-
پرسوجو از یک index، شامل syntax، مرتبسازی، فیلتر کردن و wildcardها 07:09
-
مروری بر AI Document Intelligence 06:21
-
ایجاد یک منبع Document Intelligence 02:25
-
استفاده از مدلهای از پیشساخته برای استخراج داده از اسناد 05:53
-
مروری بر Azure OpenAI Services 11:35
-
ایجاد یک منبع Azure OpenAI Service 03:52
-
انتخاب و استقرار یک مدل Azure OpenAI 05:06
-
ارسال پرامپت برای تولید زبان طبیعی 06:10
-
ارسال پرامپت برای تولید کد 05:19
-
استفاده از مدل DALL-E برای تولید تصویر 03:13
-
سپاسگزاریم 01:35
مشخصات آموزش
آمادگی کامل آزمون AI-102 Microsoft Azure AI Solution
- تاریخ به روز رسانی: 1405/04/02
- سطح دوره:Alls
- تعداد درس:183
- مدت زمان :15:19:46
- حجم :7.2GB
- زبان:دوبله زبان فارسی
- دوره آموزشی:AI Academy
آموزش های مرتبط
The Great Courses
5,201,500
1,040,300 تومان
- زمان: 06:58:57
- تعداد درس: 60
-
سطح دوره:
-
زبان: دوبله فارسی
The Great Courses
1,833,000
366,600 تومان
- زمان: 02:27:39
- تعداد درس: 24
-
سطح دوره:
-
زبان: دوبله فارسی
The Great Courses
3,769,000
753,800 تومان
- زمان: 05:03:33
- تعداد درس: 37
-
سطح دوره:
-
زبان: دوبله فارسی
The Great Courses
1,033,500
206,700 تومان
- زمان: 01:23:15
- تعداد درس: 8
-
سطح دوره:
-
زبان: دوبله فارسی
The Great Courses
9,779,500
1,955,900 تومان
- زمان: 13:07:38
- تعداد درس: 87
-
سطح دوره:
-
زبان: دوبله فارسی
The Great Courses
2,260,000
452,000 تومان
- زمان: 03:02:02
- تعداد درس: 14
-
سطح دوره:
-
زبان: دوبله فارسی
The Great Courses
795,000
159,000 تومان
- زمان: 58:00
- تعداد درس: 12
-
سطح دوره:
-
زبان: دوبله فارسی
-
سطح دوره:
-
زبان: دوبله فارسی
The Great Courses
8,508,000
1,701,600 تومان
- زمان: 11:25:13
- تعداد درس: 94
-
سطح دوره:
-
زبان: دوبله فارسی