AI-102: طراحی و اجرای آزمون گواهینامه Microsoft Azure AI Solution، تجربه و دانش داوطلب را از راه‌حل‌های هوش مصنوعی آزمایش می‌کند که از خدمات شناختی Azure و خدمات Azure بیشترین استفاده را می‌کند. علاوه بر این، این آزمون همچنین توانایی داوطلب را برای پیاده‌سازی این دانش با شرکت در تمام مراحل توسعه راه‌حل‌های هوش مصنوعی - از تعریف الزامات، و طراحی گرفته تا توسعه، استقرار، یکپارچه‌سازی، نگهداری، تنظیم عملکرد و نظارت، آزمایش می‌کند. در این آزمون طراحی و پیاده‌سازی راه حل هوش مصنوعی Microsoft Azure: AI-102 شرکت کنید و بخشی از دنیای آینده‌نگر هوش مصنوعی شوید و با کسب گواهینامه Azure AI-102 شغل خود را رشد دهید. مهندسان هوش مصنوعی Azure تجربه توسعه راه‌حل‌هایی را دارند که از زبان‌هایی مانند پایتون یا سی شارپ استفاده می‌کنند و باید بتوانند از APIهای مبتنی بر REST و کیت‌های توسعه نرم‌افزار (SDK) برای ایجاد پردازش امن تصویر، پردازش ویدیو، پردازش زبان طبیعی (NLP)، استخراج دانش و راه‌حل‌های هوش مصنوعی مکالمه در Azure استفاده کنند. آنها باید با تمام روش های پیاده سازی راه حل های هوش مصنوعی آشنا باشند. بعلاوه، آنها اجزای تشکیل دهنده مجموعه هوش مصنوعی Azure و گزینه های ذخیره داده موجود را درک می کنند. مهندسان هوش مصنوعی Azure همچنین باید اصول هوش مصنوعی مسئولانه را درک کرده و قادر به اعمال آن باشند. این دوره شامل بیش از 5 ساعت فیلم آموزشی است. فراگیران می توانند در مجموع بیش از 90 سخنرانی را در دوره آموزشی با پوشش جامع همه موضوعات مربوط به آزمون AI-102 بیابند: طراحی و پیاده سازی راه حل هوش مصنوعی Microsoft Azure. این سخنرانی ها به 5 ماژول تقسیم می شوند و هر ماژول بیشتر به دروس تقسیم می شود. کل دوره شامل ارزیابی هایی برای اعتبارسنجی بررسی های دانش فراگیران است. همچنین، مجموعه ای از سوالات درجه بندی شده در پایان هر ماژول موجود است. ماژول 1: راه حل های هوش مصنوعی Azure: برنامه ریزی و مدیریت ماژول 2: راه حل های پردازش تصویر و ویدئو ماژول 3: راه حل های پردازش زبان طبیعی (NLP). ماژول 4: راه حل های دانش معدن ماژول 5: راه حل های هوش مصنوعی محاوره ای در دوره آمادگی آزمون AI-102: Microsoft Azure AI Engineer Course ثبت نام کنید و مهارت های Azure AI Solution Workload خود را با Microsoft Azure ارتقا دهید. این دوره آموزشی به شما کمک می کند تا مهارت ها و دانش خود را در AI-102 توسعه دهید. می توانید با گواهینامه های اساسی مانند آزمون AI-900 شروع کنید. هنگامی که بر تمام مراحل توسعه راه حل های هوش مصنوعی فرمان به دست آوردید، آماده هستید تا برای آزمون AI-102 آماده شوید. این دوره آموزشی AI-102 عمدتاً برای کسانی است که به فرصت هایی در نقش های شغلی مختلف مانند توسعه دهندگان ابر، مهندسان ابر، معماران راه حل ها و معماران ابری نیاز دارند. با پایان این دوره، شما قادر خواهید بود در آزمون AI-102 در اولین تلاش موفق شوید و در طراحی و پیاده سازی راه حل هوش مصنوعی Microsoft Azure مسلط شوید.

در دنیای داده های بزرگ، اطلاعات بیشتر و بیشتری به صورت متنی مصرف و تحلیل می شود. وب‌سایت‌ها، رسانه‌های اجتماعی، ایمیل‌ها و چت‌ها به منابع کلیدی داده‌ها و بینش‌ها تبدیل شده‌اند. اگر با داده ها کار می کنید، درک نحوه برخورد با داده های متنی بدون ساختار ضروری است. در این دوره، مربی Kumaran Ponnambalam به شما کمک می کند تا مجموعه مهارت های متن کاوی خود را بسازید و تکنیک های کلیدی استخراج، پاکسازی و پردازش متن در پایتون را پوشش دهد. کوماران مفاهیم کلیدی پردازش متن مانند رمزگذاری و ریشه‌یابی را بررسی می‌کند. او همچنین به تکنیک هایی برای تبدیل متن به فرم آماده تجزیه و تحلیل، از جمله n-gram و TF-IDF نگاه می کند. در طول مسیر، او نمونه هایی از این تکنیک ها را با استفاده از پایتون و کتابخانه NLTK ارائه می کند.

این دوره زبان آموز را با مبانی متن کاوی و دستکاری متن آشنا می کند. این دوره با درک نحوه مدیریت متن توسط پایتون، ساختار متن هم برای ماشین و هم برای انسان و مروری بر چارچوب nltk برای دستکاری متن آغاز می شود. هفته دوم بر نیازهای رایج دستکاری، از جمله عبارات منظم (جستجوی متن)، تمیز کردن متن، و آماده کردن متن برای استفاده توسط فرآیندهای یادگیری ماشین تمرکز دارد. هفته سوم روش‌های اصلی پردازش زبان طبیعی را در متن اعمال می‌کند و نشان می‌دهد که چگونه طبقه‌بندی متن انجام می‌شود. در هفته آخر روش های پیشرفته تری برای شناسایی موضوعات در اسناد و گروه بندی آنها بر اساس شباهت (مدل سازی موضوع) بررسی خواهد شد. این دوره باید بعد از: مقدمه ای بر علم داده در پایتون، نقشه برداری کاربردی، نمودار و نمایش داده ها در پایتون، و یادگیری ماشین کاربردی در پایتون گذرانده شود.

این دوره تکنیک های اصلی استخراج و تجزیه و تحلیل داده های متنی را برای کشف الگوهای جالب، استخراج دانش مفید و پشتیبانی از تصمیم گیری، با تاکید بر رویکردهای آماری که می تواند به طور کلی برای داده های متن دلخواه در هر زبان طبیعی بدون یا حداقل اعمال شود، پوشش می دهد. تلاش انسان تجزیه و تحلیل دقیق داده های متنی مستلزم درک متن زبان طبیعی است که به عنوان یک کار دشوار برای رایانه ها شناخته شده است. با این حال، نشان داده شده است که تعدادی از رویکردهای آماری برای تجزیه و تحلیل "کم عمق" اما قوی داده های متنی برای الگویابی و کشف دانش به خوبی کار می کنند. شما با مفاهیم اولیه، اصول و الگوریتم های اصلی در متن کاوی و کاربردهای بالقوه آنها آشنا خواهید شد.

در این دوره با چهار مرحله از چرخه مدیریت بلایا آشنا می شوید. کاهش، آماده سازی، پاسخ و بازیابی. شما در این دوره از طریق دو مطالعه موردی کار خواهید کرد. در مرحله اول، از بینایی کامپیوتری برای تجزیه و تحلیل تصاویر ماهواره ای طوفان هاروی در سال 2017 برای شناسایی آسیب در مناطق آسیب دیده استفاده خواهید کرد. در مرحله دوم، از تکنیک‌های پردازش زبان طبیعی برای بررسی روند درخواست‌های کمک پس از زلزله 2010 در هائیتی استفاده خواهید کرد.

این دوره شما را با یکی از انواع اصلی یادگیری ماشینی آشنا می کند: یادگیری بدون نظارت. شما یاد خواهید گرفت که چگونه از مجموعه داده هایی که متغیر هدف یا برچسب گذاری شده ندارند، بینش پیدا کنید. چندین الگوریتم خوشه بندی و کاهش ابعاد را برای یادگیری بدون نظارت و همچنین نحوه انتخاب الگوریتمی که به بهترین وجه با داده های شما مطابقت دارد، یاد خواهید گرفت. بخش عملی این دوره بر استفاده از بهترین شیوه ها برای یادگیری بدون نظارت متمرکز است. در پایان این دوره شما باید بتوانید: انواع مشکلات مناسب برای رویکردهای یادگیری بدون نظارت را توضیح دهید نفرین ابعاد را توضیح دهید و اینکه چگونه خوشه بندی را با بسیاری از ویژگی ها دشوار می کند توصیف و استفاده از الگوریتم های متداول خوشه بندی و کاهش ابعاد در صورت لزوم، نقاط خوشه‌بندی را امتحان کنید، عملکرد مدل‌های هر خوشه را مقایسه کنید معیارهای مربوط به توصیف خوشه ها را درک کنید چه کسانی باید این دوره را بگذرانند؟ این دوره، دانشمندان مشتاق داده را که علاقه مند به کسب تجربه عملی با تکنیک های یادگیری ماشینی بدون نظارت در یک محیط تجاری هستند، هدف قرار می دهد.   چه مهارت هایی باید داشته باشید؟ برای استفاده حداکثری از این دوره، باید با برنامه نویسی در محیط توسعه پایتون و همچنین درک اساسی از پاکسازی داده ها، تجزیه و تحلیل داده های اکتشافی، حساب دیفرانسیل و انتگرال، جبر خطی، احتمالات و آمار آشنا باشید.