พื้นฐาน Azure AI AI-900
หลักสูตร Azure AI-900 ที่มีโครงสร้างครอบคลุมพื้นฐาน AI Machine Learning Computer Vision NLP Generative AI และ AI ที่มีความรับผิดชอบ พร้อมคำถาม
ความคืบหน้าของคอร์ส
0 / 5
กลับไปคอร์ส
สิ่งที่คุณจะได้เรียนรู้
- อธิบาย Workload AI
- อธิบาย Machine Learning
- อธิบาย Computer Vision
- อธิบาย NLP
- อธิบาย Generative AI และความปลอดภัย
ก่อนเริ่มเรียน
- ความรู้คลาวด์พื้นฐานช่วยได้
- ไม่ต้องมีประสบการณ์เขียนโค้ด
- ไม่จำเป็นต้องมีใบรับรอง AI มาก่อน
บทเรียน 1 ภาพรวม Azure AI
ข้อสอบ Azure AI Fundamentals AI-900 เป็นใบรับรองระดับเริ่มต้นสำหรับอธิบายแนวคิด AI และบริการ Azure ครอบคลุม workload AI หลักการ Machine Learning Computer Vision NLP และ Generative AI อีกทั้งอธิบายหลักการ AI ที่รับผิดชอบ ได้แก่ ความยุติธรรม ความน่าเชื่อถือ ความเป็นส่วนตัว การครอบคลุม ความโปร่งใส และความรับผิดชอบ หลักสูตรนี้จับคู่แต่ละหัวข้อกับข้อสอบฝึก ฝึกด้วยตัวอย่าง ทบทวนข้อผิดทุกครั้ง และทบทวนหัวข้อที่อ่อนที่สุดทุกสัปดาห์เพื่อพัฒนา
ตัวอย่าง
ตัวอย่าง: OCR อ่านข้อความจากรูปภาพเป็น Computer Vision ขณะที่ Chatbot เขียนข้อความตอบกลับเป็น Generative AIบทเรียน 2 หลักการ Machine Learning
Machine Learning เรียนรู้รูปแบบจากข้อมูล Supervised Learning ใช้ Label Regression ทำนายตัวเลข Classification ทำนายหมวดหมู่ Unsupervised Learning หาโครงสร้างและ Clustering จัดกลุ่มรายการคล้ายกัน Feature คืออินพุต Label คือเอาต์พุต Overfitting เกิดเมื่อโมเดลจำข้อมูลฝึก Azure Machine Learning มี Experiment AutoML และ Deployment ฝึกด้วยตัวอย่าง ทบทวนข้อผิดทุกครั้ง และทบทวนหัวข้อที่อ่อนที่สุดทุกสัปดาห์เพื่อพัฒนา
ตัวอย่าง
ตัวอย่าง: ทำนายอุณหภูมิพรุ่งนี้จากข้อมูลสภาพอากาศเป็น Regression ส่วนจัดกลุ่มลูกค้าตามพฤติกรรมการซื้อเป็น Clusteringบทเรียน 3 Computer Vision
Computer Vision ตีความรูปภาพและวิดีโอ Image Classification ให้ฉลากกับภาพ Object Detection คืนกรอบ Semantic Segmentation ให้ฉลากทุกพิกเซล OCR อ่านข้อความพิมพ์และลายมือ Face Detection หาใบหน้า Face Recognition ระบุตัวบุคคล Azure AI Vision ให้การวิเคราะห์ OCR และวิทัศน์แบบกำหนดเอง Document Intelligence ดึงข้อมูลฟิลด์และตารางจากเอกสาร ฝึกด้วยตัวอย่าง ทบทวนข้อผิดทุกครั้ง และทบทวนหัวข้อที่อ่อนที่สุดทุกสัปดาห์เพื่อพัฒนา
ตัวอย่าง
ตัวอย่าง: โรงงานใช้ Object Detection หาชิ้นส่วนบกพร่องบนสายพาน และใช้ OCR อ่านฉลากบนกล่องบทเรียน 4 การประมวลผลภาษาธรรมชาติ
NLP ให้ระบบอ่านและสร้างภาษา Sentiment Analysis วัดอารมณ์ NER ดึงชื่อคนและสถานที่ Key Phrase Extraction หาหัวข้อ Translator แปลภาษา Speech ประมวลผลเสียง โมเดลภาษาใช้ Intent และ Entity Question Answering ค้นหาคำตอบจากเอกสาร ความสามารถเหล่านี้สร้าง Chatbot การวิเคราะห์ และการแปล ฝึกด้วยตัวอย่าง ทบทวนข้อผิดทุกครั้ง และทบทวนหัวข้อที่อ่อนที่สุดทุกสัปดาห์เพื่อพัฒนา
ตัวอย่าง
ตัวอย่าง: Chatbot สนับสนุนตรวจจับ Intent book_flight และ Entity เมืองปลายทางบทเรียน 5 Generative AI และ AI ที่มีความรับผิดชอบ
Generative AI สร้างเนื้อหาใหม่ LLM สร้างข้อความจาก Prompt Token คือหน่วยข้อความ Temperature ควบคุมความคิดสร้างสรรค์ Embedding แทนความหมาย Azure OpenAI มี GPT และ DALL-E RAG รวมเอกสารที่ค้นมากับโมเดลสร้าง AI ที่รับผิดชอบใช้ Content Filter การตรวจโดยมนุษย์ ป้ายกำกับชัดเจน และการทดสอบ Bias ฝึกด้วยตัวอย่าง ทบทวนข้อผิดทุกครั้ง และทบทวนหัวข้อที่อ่อนที่สุดทุกสัปดาห์เพื่อพัฒนา