دوره هوش مصنوعی عملی با Azure از صفر تا صد همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره هوش مصنوعی عملی با Azure از صفر تا صد

موضوع کلی: هوش مصنوعی

موضوع میانی: هوش مصنوعی در محیط ابری Azure

📋 سرفصل‌های دوره

• 1. معرفی هوش مصنوعی و جایگاه آن در Azure
• 2. مرور خدمات هوش مصنوعی Azure
• 3. آشنایی با پلتفرم Azure و منابع محاسباتی
• 4. تنظیم محیط کار Azure برای پروژه‌های AI
• 5. مفاهیم پایه یادگیری ماشین
• 6. تفاوت یادگیری نظارت‌شده و بدون نظارت
• 7. آشنایی با Azure Machine Learning Studio
• 8. ایجاد اولین تجربه یادگیری ماشین در Azure
• 9. آماده‌سازی داده برای مدل‌یابی
• 10. تمیزکاری و تبدیل داده‌ها در Azure
• 11. ویژگی‌یابی و انتخاب ویژگی
• 12. آموزش مدل رگرسیون خطی در Azure ML
• 13. آموزش مدل طبقه‌بندی در Azure ML
• 14. ارزیابی عملکرد مدل‌های یادگیری ماشین
• 15. استفاده از Cross-Validation در Azure
• 16. بهینه‌سازی هایپرپارامتر مدل
• 17. آشنایی با الگوریتم‌های درخت تصمیم و Random Forest
• 18. آموزش مدل‌های سریع در Azure AutoML
• 19. معرفی خدمات دیداری Azure Cognitive Services
• 20. تشخیص تصویر با Computer Vision API
• 21. تشخیص متن از تصویر OCR در Azure
• 22. تشخیص چهره و تحلیل احساسات چهره
• 23. تشخیص اشیاء و عیب‌یابی تصویر
• 24. تولید و توصیف خودکار تصویر
• 25. معرفی Azure Custom Vision
• 26. آموزش مدل سفارشی تشخیص تصویر
• 27. آموزش و آزمون مدل Custom Vision
• 28. انتشار مدل Custom Vision به وب
• 29. معرفی خدمات گفتار Azure Cognitive Services
• 30. تبدیل گفتار به متن Speech-to-Text
• 31. تبدیل متن به گفتار Text-to-Speech
• 32. ترجمه گفتار بلادرنگ با Azure Speech
• 33. تشخیص زبان گفتاری
• 34. تنظیم صدای سفارشی برای Text-to-Speech
• 35. معرفی خدمات زبانی Azure Cognitive Services
• 36. تحلیل احساسات متنی با Text Analytics
• 37. شناسایی نهادهای نام‌برداری NER
• 38. خلاصه‌سازی خودکار متن
• 39. تشخیص زبان متنی
• 40. ترجمه متن با Azure Translator
• 41. پاسخگویی به سوالات از متن QnA Maker
• 42. ساخت پایگاه دانش هوشمند با QnA Maker
• 43. معرفی Azure OpenAI Service
• 44. اتصال به مدل‌های GPT در Azure OpenAI
• 45. تولید متن با Azure OpenAI Studio
• 46. تکمیل و دیالوگ با مدل‌های زبانی
• 47. تنظیم پارامترهای تولید متن
• 48. کار با Azure OpenAI با API
• 49. پشتیبانی چندزبانه در Azure OpenAI
• 50. معرفی Azure AI Search
• 51. ایندکس‌سازی و جستجوی هوشمند محتوا
• 52. افزودن قابلیت RAG به جستجو
• 53. معرفی Azure Bot Services
• 54. ساخت ربات چت هوشمند
• 55. اتصال ربات به دانش‌بانک سازمانی
• 56. انتشار ربات به کانال‌های مختلف
• 57. بازیابی اطلاعات با Azure Cognitive Search
• 58. پردازش متن پیشرفته با Language Studio
• 59. تحلیل ساختار جمله و وابستگی
• 60. استخراج کلمات کلیدی و موضوعات
• 61. معرفی مفهوم پاسخگویی هوشمند Cognitive Search + AI
• 62. ساخت راه‌حل پاسخگویی هوشمند یکپارچه
• 63. اصول هوش مصنوعی مسئولانه Responsible AI
• 64. شفافیت و توضیح‌پذیری مدل
• 65. کاهش سوگیری در مدل‌های یادگیری ماشین
• 66. ارزیابی عدالت مدل با Azure Fairlearn
• 67. حریم خصوصی و امنیت داده در AI
• 68. رعایت اصول AI در طراحی سیستم
• 69. معرفی Azure Machine Learning Pipelines
• 70. اتوماسیون جریان کار ML با Pipelines
• 71. مدیریت نسخه مدل‌ها Model Registry
• 72. نظارت بر عملکرد مدل پس از انتشار
• 73. بازآموزی و بازنشر مدل
• 74. معرفی Azure Kubernetes Service برای AI
• 75. مقیاس‌پذیری مدل‌های AI با AKS
• 76. آزمون و بردارست مدل‌ها
• 77. یادگیری انتقالی با Azure ML
• 78. کار با داده‌های تصویری بزرگ در Azure
• 79. معرفی Azure AI Services و Enterprise Scenarios
• 80. طراحی راه‌حل AI یکپارچه از صفر
• 81. پروژه نهایی: سیستم پاسخگویی هوشمند سازمانی