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.

به جمع آوری، تجزیه و تحلیل و برنامه های کاربردی تصویر سنجش از دور خوش آمدید، که در آن ماهیت تصویربرداری از سطح زمین از فضا یا وسایل نقلیه هوابرد را بررسی می کنیم. این دوره ماهیت بنیادی سنجش از راه دور و پلتفرم ها و انواع حسگرهای مورد استفاده را پوشش می دهد. همچنین درمان عمیقی از الگوریتم‌های محاسباتی به کار رفته در درک تصویر ارائه می‌کند، از اولین تکنیک‌های مهم تاریخی تا رویکردهای جدیدتر مبتنی بر یادگیری عمیق. هیچ دانش قبلی از سنجش از دور را فرض نمی کند، اما مطالب را تا عمق قابل مقایسه با دوره کارشناسی ارشد سنجش از دور و تجزیه و تحلیل تصویر توسعه می دهد. که مستلزم استفاده از ریاضیات جبر بردار و ماتریسی و آمار است. مشخص است که همه شرکت‌کنندگان چنین پیش‌زمینه‌ای را ندارند، بنابراین خلاصه‌ها و نمونه‌های کار دستی برای نشان دادن همه مطالب مهم گنجانده شده است. مطالب دوره به طور گسترده با مثال ها و توضیحاتی در مورد نحوه استفاده از فناوری در عمل نشان داده شده است. این شرکت کنندگان را آماده می کند تا از مطالب در رشته های خود استفاده کنند و مطالعات دقیق تری در سنجش از دور و موضوعات مرتبط انجام دهند.

این دوره شما را از طریق یک پروژه عملی مناسب برای نمونه کارها راهنمایی می کند. شما با API های شخص ثالث آشنا می شوید و نحوه دستکاری تصاویر با استفاده از کتابخانه تصویربرداری پایتون (بالش)، نحوه اعمال تشخیص نویسه نوری روی تصاویر برای تشخیص متن (tesseract و pytesseract) به شما نشان داده می شود. در پایان دوره شما با این کتابخانه های مختلف موجود برای پایتون 3 کار کرده اید تا یک پروژه در دنیای واقعی ایجاد کنید. این دوره برای زبان آموزانی مناسب است که چهار دوره اول تخصص برنامه نویسی پایتون 3 را گذرانده اند. زبان آموزانی که قبلاً مهارت های برنامه نویسی پایتون دارند اما می خواهند با یک پروژه عملی و واقعی تمرین کنند نیز می توانند از این دوره بهره مند شوند. این پنجمین و آخرین دوره در تخصص برنامه نویسی پایتون 3 است.

در این دوره آموزشی، با روش‌های پیشرفته‌تر یادگیری ماشینی آشنا می‌شویم که برای حل مشکلات در زنجیره تامین استفاده می‌شوند. ما با مروری بر پارادایم‌های مختلف ML (رگرسیون/طبقه‌بندی) و جایی که آخرین مدل‌ها در این تفکیک‌ها قرار می‌گیرند، شروع می‌کنیم. سپس، در برخی از تکنیک‌های خاص عمیق‌تر می‌شویم و از مواردی مانند استفاده از شبکه‌های عصبی برای پیش‌بینی تقاضای محصول و جنگل‌های تصادفی برای طبقه‌بندی محصولات استفاده می‌کنیم. بخش مهمی برای استفاده از این مدل ها، درک مفروضات آنها و مراحل پیش پردازش مورد نیاز است. ما با پروژه ای پایان خواهیم داد که شامل تکنیک های پیشرفته با مشکل طبقه بندی تصویر برای یافتن محصولات معیوب خارج شده از یک ماشین است.

در این دوره، ما تمام مفاهیمی را که آنها در طول این برنامه یاد گرفته اند با هم گره می زنیم. آنها با سناریوهایی در Qwiklabs مقابله خواهند کرد که آنها را برای استفاده همزمان از چندین مهارت به چالش می کشد. آنها نگاهی دقیق تر به نحوه استفاده از ماژول های خارجی پایتون مانند کتابخانه تصویر پایتون (PIL) برای گسترش قابلیت های کد خود خواهند داشت. آنها همچنین از سریال‌سازی داده‌ها برای تبدیل اشیاء درون حافظه به پیام‌هایی استفاده می‌کنند که می‌توانند روی برنامه‌هایی با رابط‌های برنامه‌نویسی کاربردی (API) ارسال شوند. در نهایت، زبان آموزان با استفاده از دانش فنی خود برای ایجاد یک برنامه، یک مشکل دنیای واقعی را حل می کنند!

حجم فزاینده ای از داده ها در زیست پزشکی و مراقبت های بهداشتی از داده های ژنومی گرفته تا پرونده های الکترونیکی بیماران و داده های جمع آوری شده توسط دستگاه های پوشیدنی در دسترس است. پیشرفت های اخیر در علم داده، علوم زیستی را متحول کرده و منجر به پزشکی دقیق و مراقبت های بهداشتی طبقه بندی شده می شود. در این دوره آموزشی، با انواع مختلف داده ها و روش های محاسباتی مربوط به مراقبت های بهداشتی طبقه بندی شده و پزشکی دقیق آشنا خواهید شد. شما تجربه عملی کار با چنین داده هایی را خواهید داشت. و از رهبران این حوزه در مورد مطالعات موردی موفق یاد خواهید گرفت. موضوعات عبارتند از: (i) پردازش توالی، (ii) تجزیه و تحلیل تصویر، (iii) مدل سازی شبکه، (iv) مدل سازی احتمالی، (v) یادگیری ماشین، (vi) پردازش زبان طبیعی، (vii) مدل سازی فرآیند و (viii) نمودار داده ها ویدیوی تبلیغاتی دوره را اینجا ببینید: http://edin.ac/2pn350P

این دوره یک درک اساسی از مدل های یادگیری ماشین (رگرسیون لجستیک، پرسپترون های چندلایه، شبکه های عصبی کانولوشن، پردازش زبان طبیعی و غیره) ارائه می دهد و نشان می دهد که چگونه می توانند مشکلات پیچیده در صنایع مختلف، از تشخیص پزشکی گرفته تا تشخیص تصویر تا پیش بینی متن را حل کنند. از طریق تمرین‌های عملی، این مدل‌های علم داده را بر روی مجموعه داده‌ها پیاده‌سازی خواهید کرد و در الگوریتم‌های یادگیری ماشین با PyTorch که توسط شرکت‌های فناوری پیشرو مانند Google و NVIDIA استفاده می‌شود، مهارت کسب خواهید کرد.

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.