دوره آمادگی برای آزمون DP 100 دانشمند داده Azure مایکروسافت

همراه با زیرنویس فارسی ♻

این دوره جامع یادگیری ماشینی با Azure شامل آموزش عملی ایجاد، آموزش و استقرار مدل‌ها، خودکارسازی گردش کار، و مدیریت خدمات ML در مقیاس تولید است. پیش‌نیازها شامل آشنایی با یادگیری ماشین، پایتون و دسترسی به Azure است.

مدت دوره 4:02:00

تعداد فصل‌ها 11

نوع دوره نقدی

شرکت‌کنندگان 0 دانشجو

زیرنویس فارسی

معرفی دوره

آموزش یادگیری ماشینی با Azure 🌟

تاریخ انتشار: ژانویه 2025

فرمت: MP4 | ویدئو: h264, 1280x720 | صدا: AAC، 44.1 KHz، 2 کانال

زبان: انگلیسی | مدت زمان: 4 ساعت و 2 دقیقه | حجم: 2.07 گیگابایت

درباره دوره

این دوره کامل برای یادگیری، ایجاد و بهینه‌سازی مدل‌های یادگیری ماشینی با استفاده از Azure طراحی شده است. شما به صورت عملی و با تمرکز بر نیازهای صنعت، مهارت‌های ضروری را کسب خواهید کرد. 🎓

آنچه یاد خواهید گرفت 📚

نصب و پیمایش در فضاهای کاری Azure Machine Learning
ساخت، آموزش و استقرار مدل‌ها با Azure ML Designer و SDK
خودکارسازی گردش کار با AutoML و Hyperdrive
استقرار خطوط لوله برای استنتاج بلادرنگ و دسته‌ای
بهینه‌سازی فراپارامترها و مدیریت خدمات ML در مقیاس تولید

پیش‌نیازها 🛠️

آشنایی اولیه با مفاهیم یادگیری ماشین
دانش برنامه‌نویسی پایتون
دسترسی به حساب Azure برای تمرینات عملی

ساختار دوره

بخش 1: مقدمه‌ای بر یادگیری ماشینی Azure

در این بخش با مبانی و اهداف دوره آشنا خواهید شد. شما مهارت‌هایی که در طول دوره کسب خواهید کرد را به‌وضوح درک خواهید کرد.

بخش 2: ایجاد فضای کاری Azure ML

نحوه ایجاد و مدیریت فضای کاری Azure ML و پیمایش در پورتال Azure و ML Studio را بیاموزید.

بخش 3: ذخیره و مدیریت داده‌ها

نحوه ایجاد و مدیریت مجموعه‌های داده و آماده‌سازی آن‌ها برای آزمایش‌ها و خطوط لوله را کاوش کنید.

بخش 4: مدیریت محاسبات

راه‌اندازی نمونه‌ها و خوشه‌های محاسباتی برای اجرای آزمایش‌ها و بهینه‌سازی منابع و سرعت اجرا را بیاموزید.

بخش 5: طراحی خطوط لوله قوی

با استفاده از Azure ML Designer، خطوط لوله قوی را با کدنویسی سفارشی و مدیریت خطاها ایجاد کنید.

بخش 6: شروع با Azure SDK

نحوه استفاده از SDK Azure برای ساده‌سازی وظایف ML و ایجاد برنامه‌های ساده پایتون را بیاموزید.

بخش 7: آموزش مدل‌ها

با استفاده از SDK، مدل‌ها را آموزش دهید، آزمایش‌ها را ارسال کنید و خطوط لوله پیچیده ایجاد کنید.

بخش 8: خودکارسازی ساخت مدل‌ها

نحوه استفاده از Azure AutoML برای خودکارسازی انتخاب، تنظیم و استقرار مدل را بیاموزید.

بخش 9: تنظیم Hyperparameter با Hyperdrive

با استفاده از Hyperdrive، بهینه‌سازی مدل‌ها و مدیریت اهداف محاسباتی تولید را یاد بگیرید.

بخش 10: استقرار و مدیریت مدل‌ها

نحوه ایجاد نقاط پایانی، استقرار مدل‌ها و انتشار خطوط لوله برای کارهای در مقیاس بزرگ را فرا بگیرید.

بخش 11: نتیجه‌گیری

دوره را با جمع‌بندی نکات کلیدی به پایان برسانید و در مورد مراحل بعدی در مسیر یادگیری Azure ML صحبت کنید.

این دوره برای چه کسانی است؟ 🎯

دانشمندان و مهندسان یادگیری ماشین
حرفه‌ای‌هایی که به دنبال پیاده‌سازی یادگیری ماشینی در محیط‌های تولید هستند
دانش‌آموزانی که برای گواهینامه‌های Azure ML آماده می‌شوند
توسعه‌دهندگانی که از ابزارهای Azure برای گردش کار یادگیری ماشینی استفاده می‌کنند