کتاب طراحی و پیاده‌سازی راهکارهای هوش مصنوعی در زیرساخت‌های ابری مایکروسافت (Azure) با فرمت AZW3 برای کتابخوان کیندل و فرمت EPUB

249,950 تومان
پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 62,488 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره طراحی و پیاده‌سازی راهکارهای هوش مصنوعی در زیرساخت‌های ابری مایکروسافت (Azure)

موضوع کلی: علوم رایانه و فناوری اطلاعات

موضوع میانی: هوش مصنوعی و پردازش ابری

📋 سرفصل‌های دوره (100 موضوع)

  • 1. آشنایی با مفاهیم پایه هوش مصنوعی در رایانش ابری
  • 2. معرفی پلتفرم هوش مصنوعی مایکروسافت آژور
  • 3. مدیریت منابع و دسترسی‌ها در آژور
  • 4. ایجاد و پیکربندی سرویس‌های هوش مصنوعی در آژور
  • 5. مبانی پردازش زبان طبیعی و سرویس‌های متنی
  • 6. استخراج اطلاعات از متون با استفاده از Language Service
  • 7. تحلیل احساسات و استخراج کلیدواژه‌ها در پردازش زبان
  • 8. ترجمه ماشینی و کاربرد آن در سامانه‌های هوشمند
  • 9. تشخیص هویت و پردازش تصویر در سرویس Computer Vision
  • 10. استخراج متون از تصاویر با ابزار OCR
  • 11. تحلیل محتوای بصری و تشخیص اشیاء در تصاویر
  • 12. مدیریت و آموزش مدل‌های سفارشی بینایی ماشین
  • 13. مبانی سرویس تشخیص چهره و احراز هویت بیومتریک
  • 14. پیاده‌سازی راهکارهای پرسش و پاسخ هوشمند با QnA Maker
  • 15. توسعه ربات‌های گفتگو با چارچوب Microsoft Bot Framework
  • 16. مدیریت مکالمات و بهبود تجربه کاربری در چت‌بات‌ها
  • 17. آشنایی با سرویس‌های گفتار و تبدیل متن به صوت
  • 18. تشخیص و درک گفتار در برنامه‌های کاربردی
  • 19. مبانی یادگیری ماشین در آژور و سرویس Azure Machine Learning
  • 20. آماده‌سازی و پیش‌پردازش داده‌ها برای مدل‌های هوش مصنوعی
  • 21. آموزش و ارزیابی مدل‌های یادگیری ماشین در محیط ابری
  • 22. استقرار مدل‌های هوش مصنوعی به عنوان سرویس‌های وب
  • 23. مدیریت و نظارت بر چرخه‌ی حیات مدل‌های هوش مصنوعی
  • 24. امنیت در راهکارهای هوش مصنوعی ابری
  • 25. رعایت حریم خصوصی و اخلاق در طراحی سیستم‌های هوشمند
  • 26. مدیریت هزینه و بهینه‌سازی منابع در راهکارهای هوش مصنوعی
  • 27. استفاده از هوش مصنوعی مولد در بستر Azure OpenAI
  • 28. یکپارچه‌سازی سرویس‌های هوش مصنوعی با پایگاه‌های داده
  • 29. مانیتورینگ و عیب‌یابی سرویس‌های هوشمند ابری
  • 30. طراحی معماری مقیاس‌پذیر برای سامانه‌های هوش مصنوعی
  • 31. پیاده‌سازی امنیت لایه انتقال و کنترل دسترسی‌ها
  • 32. بررسی الگوهای طراحی برای سرویس‌های هوشمند توزیع‌شده
  • 33. اتصال هوش مصنوعی آژور به ابزارهای تحلیل داده
  • 34. به‌کارگیری هوش مصنوعی در تحلیل داده‌های حجیم
  • 35. مستندسازی و گزارش‌دهی در پروژه‌های هوش مصنوعی
  • 36. آشنایی با قوانین و استانداردهای ملی در حوزه فناوری اطلاعات
  • 37. تطبیق راهکارهای ابری با الزامات امنیت داده‌ها در کشور
  • 38. ارائه راهکارهای بومی‌سازی شده با بهره‌گیری از ابزارهای ابری
  • 39. پروژه نهایی طراحی یک سامانه هوشمند یکپارچه
  • 40. آزمون‌های عملیاتی و ارزیابی نهایی راهکارها
تگ‌ها: Azure AI Azure Machine Learning پردازش ابری خدمات ابری مایکروسافت رایانش ابری زیرساخت ابری مایکروسافت آژور هوش مصنوعی هوش مصنوعی در ابر یادگیری ماشین

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.