Certification in AZURE ML

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 :

الوصف: اتخذ الخطوة التالية في رحلة Azure والتعلم الآلي!
سواء كنت عالم بيانات طموحًا، أو مهندسًا سحابيًا، أو مطور برامج، أو قائد أعمال، ستزودك هذه الدورة بالمهارات اللازمة لتسخير النظام البيئي القوي للتعلم الآلي في Azure من أجل حلول ذكاء اصطناعي قابلة للتطوير في العالم الحقيقي. تعرف على كيفية قيام Azure ML Studio وAutoML وPython وخدمات Azure المتكاملة بتحويل إعداد البيانات والتدريب على النماذج والنشر والمراقبة - مما يتيح اتخاذ قرارات أسرع وأكثر ذكاءً وأكثر تأثيرًا. وبالاسترشاد بالمشروعات العملية وحالات الاستخدام الواقعية، سوف تقوم بما يلي:

• إتقان مفاهيم التعلم الآلي الأساسية وسير عمل Azure ML المطبقة على سيناريوهات الأعمال الحقيقية.
• اكتساب خبرة عملية في جمع البيانات وإدارتها وإعدادها باستخدام Azure Blob التخزين وData Lake وML Studio.
• تعرف على كيفية تدريب النماذج وتحسينها ونشرها باستخدام AutoML وAzure ML SDK وموارد الحوسبة القابلة للتطوير.
• استكشف تطبيقات الصناعة في التحليلات التنبؤية وأنظمة التوصيات وتحليل المشاعر والأتمتة المدعومة بالذكاء الاصطناعي.
• فهم أفضل الممارسات لعمليات MLOps وأتمتة سير العمل والأمان والامتثال وتحسين التكلفة في Azure ML. البيئات.
• استعد للحصول على ميزة تنافسية من خلال تطوير المهارات المطلوبة عند تقاطع الحوسبة السحابية والذكاء الاصطناعي وتحليلات البيانات.

إطارات عمل الدورة التدريبية• محاضرات فيديو جذابة ودراسات حالة ومشاريع وموارد قابلة للتنزيل وتمارين تفاعلية — مصممة لمساعدتك على فهم عميق لكيفية تطبيق Azure Machine Learning لبناء حلول الذكاء الاصطناعي وتدريبها ونشرها وإدارتها في السحابة.• تتضمن الدورة دراسات حالة خاصة بالصناعة، Azure ML الأدوات والأدلة المرجعية والاختبارات والتقييمات الذاتية والمختبرات العملية لتعزيز قدرتك على تطوير نماذج التعلم الآلي وتحسينها وتشغيلها باستخدام النظام البيئي القوي لـ Azure. في الجزء الأول من الدورة التدريبية، ستتعلم أساسيات التعلم الآلي وخدمات Azure Cloud وكيف يعزز Azure ML قابلية التوسع والأتمتة والتكامل في سير عمل الذكاء الاصطناعي. في الجزء الأوسط من الدورة التدريبية، ستكتسب خبرة عملية باستخدام Azure ML Studio، AutoML وJupyter Notebooks وPython SDK والخدمات المتكاملة مثل Azure Data Lake وPower BI لجمع البيانات ومعالجتها وتحليلها وتدريب النماذج وإنشاء لوحات معلومات تفاعلية. في الجزء الأخير من الدورة التدريبية، ستستكشف أتمتة MLOps وتحسين التكلفة واستراتيجيات الأمان والامتثال وتطبيقات العالم الحقيقي عبر الصناعات. سيتم الرد على جميع استفساراتك في غضون 48 ساعة، مع الدعم الكامل طوال رحلة التعلم الخاصة بك.
محتوى الدورة: الجزء الأول
المقدمة وخطة الدراسة · مقدمة ومعرفة معلمك · خطة الدراسة وهيكل الدورة
الوحدة 1. مقدمة إلى Azure والتعلم الآلي 1.1. أساسيات التعلم الآلي - المفاهيم الأساسية وحالات الاستخدام1.2. نظرة عامة على Azure Cloud Services1.3. مقدمة إلى خدمات التعلم الآلي من Azure1.4. الميزات الرئيسية لبرنامج Azure ML Studio1.5. النشاط العملي - قم بإعداد حساب Azure واستكشف بوابة Azure، وانتقل إلى Azure ML Studio وأنشئ مساحة عمل1.6. اختتام مقدمة إلى Azure ووحدة التعلم الآلي 2. إدارة البيانات على Azure ML2.1. تخزين البيانات وإدارتها باستخدام Azure Blob Storage2.2. إعداد البيانات وهندسة الميزات في Azure ML Studio2.3. مقدمة إلى Azure Data Lake لتحليلات البيانات الضخمة 2.4. استيراد مجموعات البيانات وإدارتها في Azure ML2.5. التدريب العملي - النشاط - تحميل مجموعات البيانات إلى Azure Blob Storage وتوصيلها بـ o Azure ML، وإجراء المعالجة المسبقة للبيانات الأساسية باستخدام Azure ML Designer2.6. اختتام إدارة البيانات على Azure MLModule 3. بناء النماذج والتدريب عليها على Azure ML3.1. نظرة عامة على Azure ML Designer لـ No - Code ML Development3.2. استخدام Jupyter Notebooks وSDK لتطوير النماذج المستندة إلى التعليمات البرمجية 3.3. ML الآلي (AutoML) في Azure3.4. التدريب على النماذج المخصصة باستخدام مثيلات ومجموعات حساب Azure ML3.5. نشاط عملي - تدريب نموذج باستخدام AutoML في Azure ML Studio، وتطوير نموذج ML مخصص باستخدام Python وAzure ML SDK.3.6. اختتام بناء النماذج والتدريب عليها على Azure MLModule 4. تحسين النموذج وتقييمه 4.1. ضبط المعلمة الفائقة باستخدام Azure ML Hyperdrive4.2. تقييم مقاييس أداء النموذج4.3. التحقق من الصحة وتقنيات اختيار النموذج4.4. إمكانية شرح النموذج باستخدام مجموعة أدوات Azure Interpretability Toolkit4.5. النشاط العملي - تحسين النموذج باستخدام Hyperdrive وتقييم أداء النموذج وتصوره في Azure ML Studio4.6. اختتام وحدة تحسين النموذج وتقييمه 5. نشر نماذج التعلم الآلي باستخدام Azure ML5.1. إنشاء خطوط أنابيب الاستدلال في Azure ML5.2. الوقت الحقيقي مقابل الاستدلال الدفعي على Azure5.3. نشر النموذج إلى خدمة Azure Kubernetes (AKS) أو مثيلات حاوية Azure.5.4. تكوين نقطة النهاية والمصادقة5.5. النشاط العملي - نشر نموذج مدرب على نقطة نهاية Azure ML، واختبار النموذج المنشور باستخدام عينة المدخلات5.6. اختتام نشر نماذج التعلم الآلي باستخدام Azure MLModule 6. دمج Azure ML مع خدمات Azure الأخرى 6.1. تحليلات البيانات باستخدام Azure Synapse وPower BI6.2. المراقبة والتسجيل باستخدام Azure Monitor6.3. أتمتة سير العمل باستخدام Azure Logic Apps6.4. بناء تطبيقات مدعومة بالذكاء الاصطناعي مع الخدمات المعرفية6.5. النشاط العملي - قم بإنشاء لوحة معلومات في Power BI تتضمن التنبؤات من نموذج Azure ML6.6. اختتام دمج Azure ML مع Azure ServicesModule 7. MLOps وأتمتة سير العمل 7.1. مقدمة إلى MLOps وCI/CD للتعلم الآلي 7.2. خطوط أنابيب Azure لأتمتة سير عمل ML7.3. إدارة إصدار النموذج ودورات الحياة7.4. رصد وإعادة تدريب النماذج المنشورة7.5. النشاط العملي - تنفيذ مسار ML آلي باستخدام Azure DevOps7.6. اختتام MLOps وأتمتة سير العمل الوحدة 8. الأمان والامتثال وتحسين التكلفة 8.1. أمان البيانات في Azure ML - التحكم في الوصول المستند إلى الدور (RBAC)8.2. الامتثال لمعايير الصناعة (GDPR، HIPAA، إلخ.)8.3. استراتيجيات تحسين التكلفة لأحمال عمل Azure ML8.4. نماذج تسعير Azure ML وممارسات الفوترة8.5. التدريب العملي - النشاط - إعداد أدوار RBAC لمشروع في Azure ML، وتقدير التكاليف ومراقبتها باستخدام Azure Cost Management8.6. اختتام الأمن والامتثال وتحسين التكلفة. الوحدة 9. حالات الاستخدام والتطبيقات في العالم الحقيقي 9.1. الخدمات المالية - كشف الاحتيال وإدارة المخاطر9.2. الرعاية الصحية - التحليلات والتشخيصات التنبؤية9.3. البيع بالتجزئة - التنبؤ بالطلب والتخصيص9.4. التصنيع - الصيانة التنبؤية9.5. النشاط العملي - حل مشكلة خاصة بالمجال باستخدام Azure ML Services9.6. اختتام حالات الاستخدام والتطبيقات في العالم الحقيقي
الجزء الثاني: مشروع كابستون.

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)