leomota / ai900

📗 Guia de Estudo para o exame Fundamentos de IA (AI-900)

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

Roadmap de Certificação AI-900

Introdução

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.

Tópicos Principais

• AI Workloads
• Fundamental Principles of Machine Learning
• Computer Vision Workloads
• Natural Language Processing (NLP) Workloads
• Speech Workloads

Recursos de Estudo

• Documentação Oficial da Microsoft
• Cursos Online: Coursera, edX, Pluralsight

📝 Habilidades Medidas

• 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%)

💡 Descrever as cargas de trabalho e considerações sobre Inteligência Artificial (15 a 20%)

Identificar recursos de cargas de trabalho de IA comuns

• 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

Identificar os princípios que orientam o uso responsável da IA

• 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

💡 Descrever os princípios fundamentais do aprendizado de máquina no Azure (20 a 25%)

Identificar técnicas comuns de machine learning

• 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

Descrever os principais conceitos de machine learning

• 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 Azure 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

💡 Descrever os recursos das cargas de trabalho de pesquisa visual computacional no Azure (15 a 20%)

Identificar tipos comuns de solução de pesquisa visual computacional

• 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

Identificar ferramentas e serviços do Azure para tarefas de pesquisa visual computacional

• 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

Roadmap de Estudo

• 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.

Exames Práticos

• Link para Simulados
• Recursos para prática hands-on

Comunidade

• Fórum de Discussão: Link para o Fórum

Mostre seu apoio

Dê uma ⭐️ no repositoório deste projeto no GitHub se este conteúdo te ajudou!