微软的Azure AI学习专家为了帮助企业员工快速上手AI工具，特别准备了一些课程，事先说明，微软出品，完全免费，非割韭菜课程！
课程浅显易懂，而且每节课后都会有小结、知识测试，帮助复习知识点。
为了方便企业学习，全云在线将这些课程做了系列总结，定期更新。
话不多说，快马上报名
课程预览：
欢迎使用本月版的 Azure AI 学习指南。每个月都会为您带来有关 Azure AI 技能提升的最佳和最新工具，以提高 Azure AI 技能。
本月，我们将通过思考来研究 Azure 机器学习 (ML)。下面将向学员简要介绍它的内容，然后我们将探索为期四周的顶级免费资源路线图，供您继续您的人工智能学习之旅！
本期还能获得Microsoft 认证的Azure 数据科学家助理徽章！
作为奖励，请继续关注最后，看看是什么让机器学习和生成式人工智能成为动态的组合。
首先，什么是机器学习？
简短而有趣的是，机器学习是计算机在没有显式编程的情况下从数据中学习时所发生的事情。算法通过分析数据和识别模式来帮助计算机随着时间的推移提高其性能，使其能够根据学到的信息进行预测、分类和决策。
认识机器人
想象一下，您有一个名为 Robo 的宠物机器人。他很可爱，渴望取悦别人，但他并没有完全被预先编程。因此，为了让他的主人（你）高兴，他将使用机器学习来学习和适应他的环境。
假设您希望 Robo 能够识别不同的水果，以便他可以根据要求为您带来零食。他的传感器可以收集周围环境的数据，从而帮助你向他展示苹果或香蕉。Robo 检查每一个，然后他的软件中的算法分析数据。 这些算法就像机器人的“大脑”，能够识别模式并建立联系。现在，当你给 Robo 看一根香蕉时，他会说：“那看起来像香蕉！” 机器人利用他从看到不同水果中学到的知识来做出决定。就像 Robo 的大脑正在自己解决问题一样！
学习过程是持续的。当 Robo 与你和世界互动时，他会收集更多数据，将其反馈到算法中，并进一步完善他的理解。这创建了一个反馈循环，使 Robo 随着时间的推移变得越来越个性化和响应迅速。最终，他不仅会学会区分农产品，还会学习你教他的新技巧。
在 4 周内从 Azure 机器学习新手变成专家。
现在我们已经对 ML 有了基本的了解，让我们开始了解我在下面为您制定的免费 4 周 ML 路线图。本学习指南将使开发人员和数据科学家等能够更快、更自信地构建、部署和管理高质量模型。
第一周：基础知识
机器学习简介：释放机器学习的力量，需要零编码！这个交互式旅程深入了解机器学习的核心，没有令人生畏的术语。
探索 Azure 机器学习工作区：为您的 Azure 机器学习冒险奠定基础，并使用这些强大的工具像专业人士一样导航工作区。
快速入门教程：Azure 机器学习入门：通过此实践教程掌握 Azure 机器学习的核心功能。构建、训练和注册您的 AI 创意，然后将您的模型部署到云端并实时做出预测。
**第 2 周：亲自动手 **
使用监督学习构建经典机器学习模型：训练模型以预见未来？是的，监督学习可以让你做到这一点。向它提供示例，它就会学会做出预测，并根据反馈不断完善其知识。探索学习过程的各个组成部分，以及该过程如何改进模型。
教程：在 Azure 机器学习中上传、访问和探索数据：让我们深入探讨原型设计，这是早期 ML 探索的秘密武器。了解如何将数据上传到云存储、创建 Azure ML 数据资产等。
视频：使用 Azure ML 注册表跨团队和工作区协作处理机器学习资产：使用 Azure ML 注册表以前所未有的方式进行协作。在整个组织中共享、发现和重用有价值的 ML 资产，例如模型、管道和环境。
第 3 周：接近专家地位
使用 Azure 机器学习部署和使用模型 - 培训 | Microsoft Learn：您已经训练了模型 - 现在，将其部署到您的应用程序中！通过支持对单个或小数据点集进行实时预测的服务来增强用户体验。
视频系列：使用 MLOps 和 Azure 机器学习扩展您的 AI/ML 实践：与 Seth Juarez 和众多嘉宾一起观看由三部分组成的系列，了解如何使用 Azure 为 AI 和 ML 提供支持。
第 1 集：Abe Omorogbe 概述了 MLOps 以及如何利用 AzureML MLOps 功能来简化 ML 实验从训练到推理的过程。
第 2 集：Setu Chokshi 介绍 Azure MLOps (v2) 解决方案加速器及其价值主张。他还分享了一些客户用例！
第 3 集：Scott Donohoo 演示如何使用 Azure MLOps 解决方案加速器在生产环境中安全地训练、部署和管理 ML 模型。
第 4 周：开始训练并获得徽章
训练和评估深度学习模型：掌握一些前沿的 ML/AI。“深度学习”是机器学习的一种高级形式，它试图模仿人脑，使用处理数字输入而不是电化学刺激的人工神经网络。
训练模型并使用 Responsible AI 仪表板进行调试：机器学习模型不仅应在准确性方面表现出色，而且还应遵守道德原则。在本模块中，您将学习如何创建负责任的 AI 仪表板、减少数据偏差以及满足合规性监管要求。
评估：****使用 Azure 机器学习训练和部署机器学习模型：好的，高手，炫耀的时间到了！展示您训练和部署 ML 模型的能力，以获得 Microsoft 应用技能证书（和很酷的徽章）。
Microsoft 认证：Azure 数据科学家助理：该考试衡量您完成以下技术任务的能力：设计和准备 ML 解决方案；探索数据并训练模型；准备部署模型；并部署和重新训练模型。（注：认证考试的价格取决于监考考试的国家或地区。）
额外的好东西，课后加餐~
**Gen AI + ML = BFF **
生成式 AI 和 Azure 机器学习各自都很强大，但它们结合起来可以产生协同作用，释放更大的潜力。例如，训练机器学习模型的一个常见问题是缺乏足够的数据。但生成式人工智能可以创建合成数据，使机器学习模型能够从更广泛、更多样化的数据集中学习，从而提高其有效性和通用性。
要了解有关这对充满活力的二人组的更多信息，可以观看 Azure 专家制作的这一系列视频：
AI 初学者指南：Azure 机器学习：热衷于构建定制 AI 解决方案？加入我们，全面了解 Azure 机器学习服务，指导你何时以及为何训练你的独特模型。提升您的人工智能能力并开始定制与您的愿景产生共鸣的解决方案。
使用 Azure ML 和 GPT-4 构建和维护您的公司 Copilot ：大型 AI 模型正在改变我们的生活和工作方式。利用这些技术进行实际应用需要专门构建的工具，以实现有效的快速工程、实验和安全机制，从而提供出色的客户体验。
Prompt flow：简化提示工程的端到端工具：通过简化提示工程项目的开发、评估以及持续集成和部署，提示流为数据科学家和 LLM 应用程序开发人员提供了结合自然语言提示、模板语言、内置工具和 Python 代码的列表。
使用 Azure 机器学习中的提示流简化 AI 应用程序开发：提示流还提供简化的体验，以快速创建提示工作流，将大型语言模型连接到组织数据以创建智能应用程序。
**通过 Azure 机器学习中的基础模型，利用数据部署和微调大型 AI 模型... **了解如何提供本机功能，以使用 Azure 机器学习组件和管道从多个开源存储库微调和部署基础模型。
快加入我们的企业AIGC大模型落地交流社群，您将与各行业AI精英交流企业专属大模型的落地案例，还能够接触到各种AI工具包，其中包括聊天机器人ChatGPT等，这些工具将帮助您更加高效地完成工作。
还可协助申请微软Azure OpenAI服务，给企业提供合规、稳定地使用ChatGPT的可能。
而且无技术能力、无开发人员也能成功部署！
还可内部多人使用，助力员工工作效率upupup！
↓ OpenAI官方同款聊天、生图 ↓
版权归原作者 全云在线allcloudonline 所有， 如有侵权，请联系我们删除。