Este guia tem como objetivo fornecer uma lista de materiais pré-selecionados para ajudar qualquer pessoa que esteja começando uma carreira em machine learning, IA e/ou serviços do Microsoft Azure a se preparar para (e passar) no exame AI-900.
Última atualização em 1 de Novembro de 2023
Bem-vindo ao roadmap de estudo para a certificação AI-900, que abrange os principais tópicos do exame. Este roadmap foi feito pensando no dia a dia de trabalho, sendo assim, desenhei com estudos de 2hs diárias 3x por semana.
- AI Workloads
- Fundamental Principles of Machine Learning
- Computer Vision Workloads
- Natural Language Processing (NLP) Workloads
- Speech Workloads
- Documentação Oficial da Microsoft
- Cursos Online: Coursera, edX, Pluralsight
- Descrever as cargas de trabalho e considerações sobre Inteligência Artificial (15 a 20%)
- Descrever os princípios fundamentais do aprendizado de máquina no Azure (20 a 25%)
- Descrever os recursos das cargas de trabalho de pesquisa visual computacional no Azure (15 a 20%)
- Descrever os recursos das cargas de trabalho de PLN (Processamento de Linguagem Natural) no Azure (15 a 20%)
- Descrever os recursos de cargas de trabalho de IA generativa no Azure (15 a 20%)
- Identificar recursos de cargas de trabalho de monitoramento de dados e detecção de anomalias
- Identificar recursos de cargas de trabalho de moderação e personalização de conteúdo
- Identificar cargas de trabalho de pesquisa visual computacional
- Identificar cargas de trabalho de processamento de linguagem natural
- Identificar cargas de trabalho de mineração de conhecimento
- Identificar cargas de trabalho de inteligência de documento
- Identificar recursos de cargas de trabalho de IA generativa
- Descrever considerações sobre imparcialidade em uma solução de IA
- Descrever considerações sobre confiabilidade e segurança em uma solução de IA
- Descrever considerações sobre privacidade e segurança em uma solução de IA
- Descrever considerações sobre inclusão em uma solução de IA
- Descrever considerações sobre transparência em uma solução de IA
- Descrever considerações sobre a responsabilidade em uma solução de IA
- Identificar cenários de aprendizado de máquina de regressão
- Identificar cenários de machine learning de classificação
- Identificar cenários de clustering de machine learning
- Identificar recursos de técnicas de aprendizado profundo
- Identificar recursos e rótulos em um conjunto de dados para machine learning
- Descrever como conjuntos de dados de treinamento e validação são usados no machine learning
- Descrever os recursos do machine learning automatizado
- Descrever dados e serviços de computação para ciência de dados e machine learning
- Descrever os recursos de gerenciamento e implantação de modelos no Azure Machine Learning
- Identificar recursos de soluções de classificação de imagens
- Identificar recursos de soluções de detecção de objetos
- Identificar recursos de soluções de reconhecimento óptico de caracteres
- Identificar os recursos de detecção facial e das soluções de análise facial
- Descrever os recursos do serviço Azure AI Vision
- Descrever os recursos do serviço de detecção facial da IA do Azure
- Descrever os recursos do serviço do Azure AI Video Indexer
-
Semana 1: Fundamentos de AI
- Introdução à Inteligência Artificial.
- Conceitos Básicos de IA.
-
Semana 2: Fundamentos de AI
- Aprendizado de Máquina - Conceitos Fundamentais.
- Exemplos Práticos de Aplicações de Aprendizado de Máquina.
-
Semana 3: Serviços de IA da Azure
- Azure Cognitive Services - Visão Geral.
- Hands-on com Azure Cognitive Services.
-
Semana 4: Serviços de IA da Azure
- Implementação de Serviços Específicos do Azure Cognitive Services.
- Hands-on com Azure Cognitive Services.
-
Semana 5: Azure Machine Learning
- Azure Machine Learning - Introdução.
- Conceitos Básicos de Desenvolvimento com Azure Machine Learning.
-
Semana 6: Azure Machine Learning
- Desenvolvimento de Modelos de Machine Learning.
- Avaliação e Melhoria de Modelos em Azure Machine Learning.
-
Semana7: Revisão e Prática
- Revisão.
- Link para Simulados
- Recursos para prática hands-on
- Fórum de Discussão: Link para o Fórum
Dê uma ⭐️ no repositoório deste projeto no GitHub se este conteúdo te ajudou!