منذ 4 ساعات
أهلا بك عزيزي المتابع لموقع (journey for learn) نقدم دورات بكوبونات متاحة لاول 1000 تسجيل مجاني فقط وكوبونات اخري لفترة محدودة فاذا كنت تريد ان تحصل علي كل الكورسات علي موقعنا وان تكون اول المسجلين في الكورسات المجانية قم بتسجيل الدخول أوقم بالدخول علي وسائل التواصل الاجتماعي وخصوصا التليجرام نوضح الوصف المختصر والطويل للدورات لكي تعرف الدروس التي سوف تتعلمها بسهولة ويسر :
وصف من أجل وضع توقعات واقعية، يرجى ملاحظة ما يلي: هذه الأسئلة ليست أسئلة رسمية ستجدها في الامتحان الرسمي. تغطي هذه الأسئلة جميع المواد الموضحة في أقسام المعرفة أدناه. تعتمد العديد من الأسئلة على سيناريوهات وهمية تحتوي على أسئلة مطروحة بداخلها.تتم مراجعة متطلبات المعرفة الرسمية للاختبار بشكل روتيني للتأكد من أن المحتوى يحتوي على أحدث المتطلبات المضمنة في أسئلة التدريب. غالبًا ما يتم إجراء تحديثات للمحتوى دون إشعار مسبق وتخضع للتغيير في أي وقت.
يحتوي كل سؤال على شرح تفصيلي وروابط لمواد مرجعية لدعم الإجابات التي تضمن دقة حلول المشكلات.
ستتم صياغة الأسئلة سيتم تبديلها عشوائيًا في كل مرة تكرر فيها الاختبارات، لذلك ستحتاج إلى معرفة سبب صحة الإجابة، وليس فقط أن الإجابة الصحيحة كانت العنصر "ب" آخر مرة أجريت فيها الاختبار.
ملاحظة: لا ينبغي أن تكون هذه الدورة التدريبية هي المواد الدراسية فقط للتحضير للامتحان الرسمي. تهدف اختبارات التدريب هذه إلى استكمال مواد دراسة الموضوع.
إذا واجهت محتوى يحتاج إلى الاهتمام، فيرجى إرسال رسالة تحتوي على لقطة شاشة للمحتوى الذي يحتاج إلى الاهتمام وستتم مراجعتي على الفور. لا يؤدي توفير رقم الاختبار والسؤال إلى تحديد الأسئلة حيث يتم تدوير الأسئلة في كل مرة يتم تشغيلها. تختلف أرقام الأسئلة من شخص لآخر.
باعتبارك مرشحًا لهذا الاختبار، يجب أن تتمتع بخبرة موضوعية في تطبيق علم البيانات والتعلم الآلي لتنفيذ أعباء عمل التعلم الآلي وتشغيلها على Azure. وتشمل مسؤولياتك لهذا الدور ما يلي:
- تصميم وإنشاء بيئة عمل مناسبة لأحمال عمل علوم البيانات.
- استكشاف البيانات.
- تدريب نماذج التعلم الآلي.
- تنفيذ المسارات. li>
- تشغيل المهام للتحضير للإنتاج.
- إدارة حلول التعلم الآلي القابلة للتطوير ونشرها ومراقبتها.
- Azure Machine Learning
- MLflow
- تصميم وإعداد حل للتعلم الآلي ( 20–25%)
- استكشاف البيانات وتدريب النماذج (35–40%)
- إعداد نموذج للنشر (20–25%)
- النشر و إعادة تدريب النموذج (10–15%)
- تحديد مواصفات الحوسبة المناسبة لعبء عمل التدريب
- وصف متطلبات نشر النموذج
- حدد أسلوب التطوير المطلوب استخدامه لبناء نموذج أو تدريبه
- إنشاء مساحة عمل Azure Machine Learning
- إدارة مساحة عمل باستخدام أدوات المطور للتفاعل في مساحة العمل
- إعداد تكامل Git للتحكم في المصدر
- إنشاء السجلات وإدارتها
- li>
- حدد موارد تخزين Azure
- تسجيل مخازن البيانات وصيانتها
- إنشاء أصول البيانات وإدارتها
- إنشاء أهداف حوسبة للتجارب والتدريب
- تحديد بيئة لحالة استخدام التعلم الآلي
- تكوين موارد الحوسبة المرفقة، بما في ذلك مجمعات Apache Spark
- مراقبة استخدام الحوسبة
- التعامل مع البيانات التفاعلية باستخدام Apache Spark
- إنشاء مسار تدريب< /li>
- استهلك أصول البيانات من المصمم
- استخدم مكونات التعليمات البرمجية المخصصة في المصمم
- قم بتقييم النموذج، بما في ذلك إرشادات الذكاء الاصطناعي المسؤولة
- استخدام التعلم الآلي الآلي للبيانات الجدولية
- استخدام التعلم الآلي الآلي لرؤية الكمبيوتر
- استخدام التعلم الآلي الآلي لمعالجة اللغات الطبيعية
- li>
- تحديد وفهم خيارات التدريب، بما في ذلك المعالجة المسبقة والخوارزميات
- تقييم تشغيل التعلم الآلي الآلي، بما في ذلك إرشادات الذكاء الاصطناعي المسؤولة
- تطوير التعليمات البرمجية باستخدام مثيل حسابي
- تتبع تدريب النموذج باستخدام MLflow
- تقييم نموذج
- تدريب نموذج باستخدام Python SDKv2
- استخدم الوحدة الطرفية لتكوين مثيل حسابي
- حدد طريقة أخذ العينات
- حدد مساحة البحث
- تحديد المقياس الأساسي
- تحديد خيارات الإنهاء المبكر
- تكوين الوظيفة تشغيل الإعدادات لبرنامج نصي
- تكوين الحساب لتشغيل مهمة
- استهلاك البيانات من أصل بيانات في مهمة
- تشغيل برنامج نصي كمهمة باستخدام Azure التعلم الآلي
- استخدم MLflow لتسجيل المقاييس من تشغيل المهمة
- استخدم السجلات لاستكشاف أخطاء تشغيل المهمة وإصلاحها
- تكوين بيئة لتشغيل المهمة
- تحديد المعلمات لوظيفة ما
- إنشاء مسار
- تمرير البيانات بين الخطوات في المسار
- تشغيل وجدولة المسار
- مراقبة تشغيل المسار
- إنشاء مكونات مخصصة
- استخدام المسارات المستندة إلى المكونات
- وصف مخرجات نموذج MLflow
- تحديد إطار عمل مناسب لحزم النموذج
- تقييم النموذج باستخدام إرشادات الذكاء الاصطناعي المسؤولة
- تكوين الإعدادات للنشر عبر الإنترنت
- تكوين الحوسبة لنشر دفعة
- نشر نموذج إلى نقطة نهاية عبر الإنترنت
- نشر نموذج إلى نقطة نهاية الدُفعة
- اختبار خدمة منشورة عبر الإنترنت
- استدعاء نقطة نهاية الدُفعة لبدء مهمة تسجيل الدُفعة
- تشغيل مهمة Azure Machine Learning، بما في ذلك من Azure DevOps أو GitHub
- أتمتة إعادة تدريب النموذج بناءً على إضافات البيانات الجديدة أو تغييرات البيانات
- تحديد مشغلات إعادة التدريب المستندة إلى الأحداث
- إدارة الحوسبة للتجارب في التعلم الآلي في Azure
- الوصول إلى البيانات وتعديلها أثناء التطوير التفاعلي
ما هي المتطلبات الأساسية لدخول الدورة والتسجيل فيها على موقعنا؟ رحلة التعلم:
(احصل على الدورة للدخول إلى الموقع والتسجيل)
يجب أن يكون لديك بريد إلكتروني (حساب بريد) تتذكره لنفسك وأيضًا يجب أن تتذكر كلمة مرور البريد الإلكتروني الذي ستسجل به ، وإذا لم يكن لديك حساب بريد إلكتروني ، فمن الأفضل إنشاء حساب (Gmail)
0 تعليقات
تسجيل دخول
دورات مشابهة