دوره هوش مصنوعی در Azure: استفاده از سرویس‌های شناختی همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره هوش مصنوعی در Azure: استفاده از سرویس‌های شناختی

موضوع کلی: برنامه نویسی

موضوع میانی: Microsoft Azure

📋 سرفصل‌های دوره

• 1. مقدمه ای بر هوش مصنوعی و خدمات شناختی
• 2. آشنایی با Azure و اکوسیستم خدمات ابری
• 3. مبانی Azure AI Services
• 4. فهم مدل‌های زبانی بزرگ (LLMs)
• 5. مقدمه ای بر پردازش زبان طبیعی (NLP)
• 6. تحلیل احساسات با Azure AI
• 7. تشخیص موجودیت نام‌گذاری شده (NER) در Azure
• 8. خلاصه‌سازی متن با Azure AI
• 9. ترجمه ماشینی با Azure Translator
• 10. تشخیص زبان با Azure Text Analytics
• 11. درک زبان گفتاری و پردازش گفتار
• 12. تبدیل گفتار به متن (Speech to Text) در Azure
• 13. تبدیل متن به گفتار (Text to Speech) در Azure
• 14. شناسایی گوینده در Azure Speech
• 15. فهم مکالمات با Azure Conversational Language Understanding
• 16. ساخت چت‌بات‌های هوشمند با Azure Bot Service
• 17. مقدمه ای بر بینایی ماشین (Computer Vision)
• 18. تشخیص اشیاء در تصاویر با Azure Computer Vision
• 19. برچسب‌گذاری تصاویر با Azure Computer Vision
• 20. تشخیص متن در تصاویر (OCR) با Azure Computer Vision
• 21. تحلیل چهره با Azure Face API
• 22. تشخیص احساسات چهره با Azure Face API
• 23. تشخیص سن و جنسیت با Azure Face API
• 24. شناسایی افراد با Azure Face API
• 25. تشخیص محتوای نامناسب در تصاویر
• 26. مقدمه ای بر یادگیری ماشین (Machine Learning)
• 27. آشنایی با Azure Machine Learning Studio
• 28. آماده‌سازی و پیش‌پردازش داده‌ها در Azure ML
• 29. آموزش مدل‌های یادگیری ماشین در Azure ML
• 30. ارزیابی و انتخاب مدل در Azure ML
• 31. استقرار مدل‌های یادگیری ماشین در Azure
• 32. مقدمه ای بر مدل‌های پیش‌بینی (Predictive Models)
• 33. پیش‌بینی سری‌های زمانی با Azure ML
• 34. تحلیل داده‌های فروش با Azure ML
• 35. پیش‌بینی رفتار مشتری با Azure ML
• 36. مقدمه ای بر سیستم‌های توصیه‌گر (Recommender Systems)
• 37. ساخت سیستم توصیه‌گر با Azure ML
• 38. توصیه‌گرهای مبتنی بر محتوا
• 39. توصیه‌گرهای مبتنی بر فیلترینگ مشارکتی
• 40. مقدمه ای بر یادگیری عمیق (Deep Learning)
• 41. شبکه‌های عصبی کانولوشنی (CNNs)
• 42. شبکه‌های عصبی بازگشتی (RNNs)
• 43. کاربرد CNNs در تشخیص تصویر
• 44. کاربرد RNNs در پردازش متن
• 45. مقدمه ای بر هوش مصنوعی مولد (Generative AI)
• 46. مدل‌های زبانی مولد (Generative Language Models)
• 47. تولید متن خلاقانه با LLMs
• 48. تولید متن علمی و آموزشی
• 49. مقدمه ای بر مدل‌های تصویری مولد
• 50. تولید تصویر از متن (Text-to-Image)
• 51. ویرایش تصاویر با هوش مصنوعی مولد
• 52. کاربردهای هوش مصنوعی در صنایع مختلف
• 53. هوش مصنوعی در خدمات مشتریان
• 54. هوش مصنوعی در حوزه سلامت
• 55. هوش مصنوعی در آموزش و یادگیری
• 56. هوش مصنوعی در صنعت و تولید
• 57. هوش مصنوعی در کشاورزی
• 58. هوش مصنوعی در امور مالی و بانکی
• 59. ملاحظات اخلاقی در هوش مصنوعی
• 60. حریم خصوصی و امنیت داده‌ها در هوش مصنوعی
• 61. سوگیری در مدل‌های هوش مصنوعی
• 62. مسئولیت‌پذیری در هوش مصنوعی
• 63. مقدمه ای بر Azure Cognitive Search
• 64. جستجوی معنایی با Azure Cognitive Search
• 65. فهرست‌بندی و بازیابی اطلاعات
• 66. استفاده از مهارت‌های شناختی در جستجو
• 67. مقدمه ای بر Azure OpenAI Service
• 68. کاربرد Azure OpenAI Service در سازمان‌ها
• 69. نکات امنیتی در استفاده از Azure OpenAI
• 70. ملاحظات قانونی و شرعی در استفاده از هوش مصنوعی
• 71. انطباق با قوانین جمهوری اسلامی ایران در توسعه AI
• 72. توسعه AI سازگار با فرهنگ ایرانی-اسلامی
• 73. هوش مصنوعی و نظام خانواده
• 74. ملاحظات فقهی در استفاده از AI
• 75. هوش مصنوعی در حوزه اقتصاد اسلامی
• 76. بانکداری بدون ربا و هوش مصنوعی
• 77. استفاده از AI در عقود اسلامی
• 78. هوش مصنوعی و تولید محتوای آموزشی
• 79. تولید محتوا با رویکرد بومی
• 80. استفاده از AI برای ارتقاء سیستم آموزشی
• 81. آینده هوش مصنوعی در Azure
• 82. روندهای نوظهور در خدمات شناختی Azure
• 83. توسعه مهارت‌های تخصصی در AI
• 84. نقش AI در تحول دیجیتال
• 85. جمع‌بندی مباحث و چشم‌انداز
• 86. کاربرد هوش مصنوعی در امنیت سایبری
• 87. تحلیل تهدیدات با استفاده از AI
• 88. پیش‌گیری از حملات سایبری با AI
• 89. مقدمه ای بر Azure Machine Learning Pipelines
• 90. اتوماسیون فرآیندهای ML
• 91. مدیریت چرخه حیات مدل
• 92. هوش مصنوعی در تحلیل داده‌های بزرگ
• 93. پردازش و تحلیل حجم عظیم داده
• 94. استخراج الگوها و بینش از داده‌ها
• 95. مقدمه ای بر Azure AI Vision Studio
• 96. توسعه و آزمایش برنامه‌های بینایی ماشین
• 97. استفاده از ابزارهای بصری برای AI
• 98. کاربرد هوش مصنوعی در بهینه‌سازی فرآیندها
• 99. شناسایی گلوگاه‌ها با AI
• 100. افزایش بهره‌وری با AI