در حال حاضر محصولی در سبد خرید شما وجود ندارد.
Computer Vision رایانه ها و سیستم ها را قادر می سازد تا اطلاعات را از تصاویر دیجیتالی ، فیلم ها و سایر ورودی های بصری بدست آورند و اقدامات خود را انجام دهند یا بر اساس آن اطلاعات توصیه هایی انجام دهند. در این دوره ، مربی Emilio Melo اصول چشم انداز رایانه را برای مبتدیان به هوش مصنوعی پوشش می دهد زیرا در Azure اجرا می شود. Emilio بر درک مفاهیم اساسی تمرکز دارد و نمایش های نور را در این راه ارائه می دهد. این دوره همچنین برای هرکسی که برای آزمون Azure AI (AI-900) آماده می شود ، مفید است و با تمرکز بر دامنه دید رایانه ، به امتحان ساختار و آنچه می توانید از آن انتظار داشته باشید ، نگاهی می اندازد.
عنوان اصلی : Azure AI Fundamentals (AI-900) Cert Prep: 3 Computer Vision Workloads on Azure
سرفصل های دوره :
مقدمه:
درک هوش مصنوعی و دید رایانه
درک گواهینامه و امتحان AI-900
1. درک راه حل های دید هوش مصنوعی:
درک راه حل های دید AI
بار کاری چشم انداز رایانه
خدمات بینایی لاجورد
ایجاد یک منبع بینایی در لاجورد
2. Computer Vision API:
API Vision Computer
کار با API Computer Vision
3. API صورت:
API صورت
کار با API صورت
4. تشخیص دهنده فرم:
تشخیص دهنده فرم
کار با شناسه فرم
5. API Custom Vision:
API دیدگاه سفارشی
کار با API Custom Vision
API دیدگاه سفارشی: منابع اضافی
نتیجه گیری:
یادگیری بیشتر در مورد خدمات Azure AI
Azure AI Fundamentals (AI-900) Cert Prep: 3 Computer Vision Workloads on Azure
در این روش نیاز به افزودن محصول به سبد خرید و تکمیل اطلاعات نیست و شما پس از وارد کردن ایمیل خود و طی کردن مراحل پرداخت لینک های دریافت محصولات را در ایمیل خود دریافت خواهید کرد.
Power BI Data Analyst Associate (PL-300) Cert Prep: Managing Datasets in Power BI
آموزش بهینه سازی داده ها بوسیبه Azure Services
Ingest and Transform Data by Using Power BI – DP-500
Data Literacy: Essentials of Azure Data Factory
اصول یادگیری ماشینی در Azure
Optimize Data Pipelines with Azure Data Factory and Synapse Analytics
مبانی Azure AI : مبانی یادگیری ماشینی بر روی کلود آژور
آموزش استخراج و ویرایش داده ها در SSIS
Power BI Data Analyst Associate (PL-300) Cert Prep: Cleaning, Transforming, and Loading Data in Power BI
Understanding Ethical, Legal, and Security Issues in Data Science