AI-900: Microsoft Azure Artificial Intelligence Fundamentals
Prix: $79.99
Ceci est le cours basé sur le dernier programme , en suivant ce cours, vous acquerrez les connaissances fondamentales sur l'intelligence artificielle. Même si vous prévoyez de passer l'examen plus tard, vous pouvez également suivre ce cours, il vous aidera à comprendre et à clarifier vos bases pour l'IA..
Si vous cherchez à commencer votre voyage dans l'Azure, ce cours est pour vous aussi. Vous pouvez commencer votre voyage dans le cloud avec l'intelligence artificielle. Il n'y a pas besoin d'écrire de code. Vous devez comprendre les bases.
Vous serez enseigné ci-dessous
Compétences mesurées
Décrire les charges de travail et les considérations liées à l'intelligence artificielle (15-20%)
Identifier les caractéristiques des charges de travail d'IA courantes
· identifier les charges de travail de prévision/prévision
· identifier les caractéristiques des charges de travail de détection d'anomalies
· identifier les charges de travail de vision par ordinateur
· identifier les charges de travail de traitement du langage naturel ou d'exploration de connaissances
· identifier les charges de travail de l'IA conversationnelle Identifier les principes directeurs pour une IA responsable
· décrire les considérations d'équité dans une solution d'IA
· décrire les considérations relatives à la fiabilité et à la sécurité d'une solution d'IA
· décrire les considérations relatives à la confidentialité et à la sécurité dans une solution d'IA
· décrire les considérations pour l'inclusivité dans une solution d'IA
· décrire les considérations relatives à la transparence dans une solution d'IA
· décrire les considérations relatives à la responsabilité dans une solution d'IA
Décrire les principes fondamentaux de l'apprentissage automatique sur Azure (30- 35%)
Identifier les types courants d'apprentissage automatique · identifier les scénarios d'apprentissage automatique de régression
· identifier des scénarios d'apprentissage automatique de classification
· identifier des scénarios d'apprentissage machine de clustering Décrire les concepts de base d'apprentissage machine
· identifier les caractéristiques et les étiquettes dans un ensemble de données pour l'apprentissage automatique
· décrire comment les ensembles de données d'entraînement et de validation sont utilisés dans l'apprentissage automatique
· décrire comment les algorithmes d'apprentissage automatique sont utilisés pour la formation de modèles
· sélectionner et interpréter les métriques d'évaluation du modèle pour la classification et la régression Identifier les tâches principales dans la création d'une solution d'apprentissage automatique
· décrire les caractéristiques communes de l'ingestion et de la préparation des données
· décrire les caractéristiques communes de la sélection et de l'ingénierie des fonctionnalités
· décrire les caractéristiques communes de la formation et de l'évaluation des modèles
· décrire les fonctionnalités courantes du déploiement et de la gestion des modèles Décrire les capacités d'apprentissage automatique sans code avec Azure Machine Learning:
· outil d'apprentissage automatique automatisé
· concepteur Azure Machine Learning
Décrire les fonctionnalités des charges de travail de vision par ordinateur sur Azure (15-20%)
Identifier les types courants de solution de vision par ordinateur:
· identifier les caractéristiques des solutions de classification d'images
· identifier les caractéristiques des solutions de détection d'objets
· identifier les caractéristiques des solutions de segmentation sémantique
· identifier les caractéristiques des solutions de reconnaissance optique de caractères
· identifier les caractéristiques de la détection faciale, reconnaissance, et solutions d'analyse Identifier les outils et services Azure pour les tâches de vision par ordinateur
· identifier les capacités du service Computer Vision
· identifier les capacités du service Custom Vision
· identifier les capacités du service Face
· identifier les capacités du service Form Recognizer Décrire les fonctionnalités du traitement automatique du langage naturel (PNL) charges de travail sur Azure (15-20%) Identifier les caractéristiques des scénarios de charge de travail NLP courants
· identifier les fonctionnalités et les utilisations pour l'extraction de phrases clés
· identifier les caractéristiques et les utilisations pour la reconnaissance d'entités
· identifier les fonctionnalités et les utilisations pour l'analyse des sentiments
· identifier les fonctionnalités et les utilisations pour la modélisation du langage
· identifier les caractéristiques et les utilisations de la reconnaissance et de la synthèse vocales
· identifier les fonctionnalités et les utilisations pour la traduction Identifier les outils et services Azure pour les charges de travail NLP
· identifier les capacités du service Text Analytics
· identifier les capacités du Language Understanding Intelligence Service (LUIS)
· identifier les capacités du service Speech
· identifier les capacités du service Text Translator
Décrire les fonctionnalités des charges de travail d'IA conversationnelles sur Azure (15-20%)
Identifier les cas d'utilisation courants de l'IA conversationnelle
· identifier les fonctionnalités et les utilisations des robots de chat Web
· identifier les caractéristiques et les utilisations des menus vocaux du téléphone
· identifier les fonctionnalités et les utilisations des assistants numériques personnels Identifier les services Azure pour l'IA conversationnelle
· identifier les capacités du service QnA Maker
· identifier les capacités du Bot Framework
Laisser une réponse
Vous devez s'identifier ou S'inscrire ajouter un nouveau commentaire .