اپلیکیشن اندرویدی فلش‌کارت آموزشی مبانی هوش مصنوعی در Microsoft Azure: از صفر تا مسلط

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره مبانی هوش مصنوعی در Microsoft Azure: از صفر تا مسلط

موضوع کلی: هوش مصنوعی و کاربردهای آن

موضوع میانی: پلتفرم‌های هوش مصنوعی ابری

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر هوش مصنوعی
• 2. مفاهیم کلیدی هوش مصنوعی
• 3. یادگیری ماشین: تعریف و انواع
• 4. یادگیری عمیق: شبکه‌های عصبی
• 5. پردازش زبان طبیعی (NLP)
• 6. بینایی کامپیوتر
• 7. خدمات شناختی در Azure
• 8. آشنایی با پورتال Azure
• 9. ایجاد حساب کاربری Azure
• 10. محیط توسعه Azure
• 11. مبانی Azure Machine Learning
• 12. کار با استودیو Azure Machine Learning
• 13. آماده‌سازی داده‌ها برای مدل‌های هوش مصنوعی
• 14. مهندسی ویژگی
• 15. انتخاب الگوریتم مناسب
• 16. آموزش مدل‌های یادگیری ماشین
• 17. ارزیابی عملکرد مدل
• 18. تنظیم پارامترهای مدل
• 19. استقرار مدل‌های هوش مصنوعی
• 20. مقایسه مدل‌ها
• 21. مدل‌های پیش‌بینی
• 22. مدل‌های طبقه‌بندی
• 23. مدل‌های خوشه‌بندی
• 24. خدمات Azure Cognitive Services: Vision
• 25. خدمات Azure Cognitive Services: Speech
• 26. خدمات Azure Cognitive Services: Language
• 27. خدمات Azure Cognitive Services: Decision
• 28. استفاده از APIهای هوش مصنوعی
• 29. مفاهیم Docker و Containerization
• 30. استفاده از Azure Kubernetes Service (AKS)
• 31. مقایسه Azure Machine Learning و Azure Databricks
• 32. کار با داده‌های بزرگ در Azure
• 33. مفاهیم Big Data و هوش مصنوعی
• 34. امنیت در Azure AI
• 35. مدیریت هزینه در Azure AI
• 36. بهینه‌سازی عملکرد مدل‌های هوش مصنوعی
• 37. معماری‌های مرجع هوش مصنوعی در Azure
• 38. آینده هوش مصنوعی در Azure
• 39. آشنایی با ابزار Azure AI Search
• 40. استفاده از ربات‌های گفتگو (Chatbots) در Azure
• 41. مفاهیم پردازش تصویر
• 42. تشخیص اشیاء در تصاویر
• 43. تشخیص چهره در تصاویر
• 44. تبدیل متن به گفتار
• 45. تبدیل گفتار به متن
• 46. تجزیه و تحلیل احساسات در متن
• 47. ترجمه ماشینی
• 48. خلاصه‌سازی متن
• 49. استخراج اطلاعات از متن
• 50. آشنایی با Power BI و هوش مصنوعی
• 51. ادغام هوش مصنوعی با برنامه‌های کاربردی
• 52. استفاده از Azure Functions برای هوش مصنوعی
• 53. آشنایی با Azure Logic Apps و هوش مصنوعی
• 54. مفاهیم MLOps
• 55. استقرار خودکار مدل‌های هوش مصنوعی
• 56. نظارت بر عملکرد مدل‌های هوش مصنوعی در محیط عملیاتی
• 57. به‌روزرسانی مدل‌های هوش مصنوعی
• 58. آشنایی با Responsible AI در Azure
• 59. شفافیت در مدل‌های هوش مصنوعی
• 60. عدالت در مدل‌های هوش مصنوعی
• 61. حریم خصوصی در مدل‌های هوش مصنوعی
• 62. امنیت مدل‌های هوش مصنوعی
• 63. ملاحظات اخلاقی در هوش مصنوعی
• 64. کاربرد هوش مصنوعی در صنعت بهداشت و درمان
• 65. کاربرد هوش مصنوعی در صنعت مالی
• 66. کاربرد هوش مصنوعی در صنعت خرده‌فروشی
• 67. کاربرد هوش مصنوعی در صنعت تولید
• 68. آشنایی با Azure AI Document Intelligence
• 69. استخراج داده‌ها از اسناد
• 70. پردازش فاکتورها با هوش مصنوعی
• 71. پردازش رسیدها با هوش مصنوعی
• 72. آشنایی با Azure Cognitive Services for Healthcare
• 73. آشنایی با Azure Open AI Service
• 74. استفاده از مدل‌های بزرگ زبانی (LLM) در Azure
• 75. Prompt Engineering
• 76. Fine-tuning مدل‌های زبانی بزرگ
• 77. آشنایی با Azure AI Studio
• 78. آشنایی با Azure Machine Learning designer
• 79. استفاده از AutoML در Azure Machine Learning