![[[search]]](/theme/oklassedu/pix/images/icon_search.png){kind=icon}
![[Bler Studio] Microsoft 공식 자격증 : MCF AI-900](https://www.ddazua.com/pluginfile.php/380860/local_courselist/thumbnailimg/4420/0.MCF%20%EC%8D%B8%EB%84%A4%EC%9D%BC.png)
[Bler Studio] Microsoft 공식 자격증 : MCF AI-900
- 강사 김영욱
- 수강기간 구매일로부터 30일
- 복습기간 150일
- 학습시간 약 10시간 24분
78,000원
- [Bler Studio] Microsoft 공식 자격증 : MCF AI-900
78,000원
강좌소개
.png)
.png)
.png)
.gif)
.png)
커리큘럼
전체 닫기
전체 펼치기
Part 1. AI-900 인증 과정의 소개와 머신러닝
1-1. 강사 소개 및 강의 안내
1-2. MCF AI-900 자격증 및 시험 안내
1-3. Azure AI 소개 및 Azure 구독 종류
1-4. 클라우드 컴퓨팅 이해
1-5. 온프레미스와 클라우드 비교
1-6. 클라우드 컴퓨팅 도입 효과
1-7. 클라우드 컴퓨팅의 범위
2-1. 인공지능(AI) 개요
2-2. 머신러닝(ML)의 개념 및 AI와의 차이점
2-3. 일상 속 AI 활용 사례
2-4. 클라우드 기반 AI 솔루션 개요
2-5. 머신러닝의 동작 원리
2-6. 지도학습, 비지도학습, 강화학습 개념
2-7. 머신러닝 모델의 학습 및 검증 과정
3-1. Azure Machine Learning 개요
3-2. Azure Machine Learning의 주요 기능 및 활용 사례
3-3. Azure Machine Learning 프로젝트 수명주기 관리
3-4. Azure Machine Learning Workspace 개념과 구성 요소
3-5. Azure Machine Learning Studio를 통한 실험 관리
4-1. 머신러닝 알고리즘 개요
4-2. 회귀 알고리즘(Regression)
4-3. 분류 알고리즘(Classification)
4-4. 변칙 감지 알고리즘(Anomaly)
4-5. 군집화 알고리즘(Clustering)
4-6. 딥러닝 개념 및 다층 신경망
4-7. 머신러닝 알고리즘의 활용 사례
4-8. 문제 유형별 적절한 머신러닝 기법 선택
5-1. Azure Machine Learning Designer 개요
5-2. 코드 없이 머신러닝 모델 구현하기
5-3. 데이터 준비 및 모델 구축하기
5-4. 모델 훈련 및 평가 과정
5-5. Azure Machine Learning Designer 활용 방법
5-6. 모델 훈련 시 발생할 수 있는 주요 이슈(과적합, 데이터 품질 문제 등)
5-7. 모델 성능 개선 및 문제 해결 방안
6-1. Azure Machine Learning Auto ML 개요
6-2. 데이터셋 업로드 및 Auto ML 실험 실행
6-3. Auto ML의 모델 선택 및 성능 분석
6-4. Azure Machine Learning Automated ML
6-5. Azure Machine Learning Notebooks 소개
6-6. Python을 활용한 데이터 전처리 및 모델 훈련
6-7. 코드 기반 모델 평가 및 Auto ML과의 비교
6-8. GUI 기반 Designer vs. Auto ML vs. Notebook 방식 비교 및 활용 방안
Part 2. Azure AI Services의 이해와 활용
7-1. Azure AI Services 개요
7-2. 사전 구축된 AI 모델 및 API 기반 AI 서비스
7-3. Vision 서비스(컴퓨터 비전)
7-4. Language 서비스(자연어 처리)
7-5. Speech 서비스(음성 인식 및 합성)
7-6. Decision 서비스(의사결정 지원)
7-7. Search 서비스(AI 기반 검색)
8-1. 컴퓨터 비전 개요 및 주요 기능
8-2. 이미지 분류(Image Classification)
8-3. 객체 인식(Object Detection)
8-4. 광학 문자 인식(OCR)
8-5. 얼굴 인식(Face Recognition)
8-6. Vision API를 활용한 이미지 분석 실습
9-1. 자연어 처리(NLP) 개요
9-2. 자연어 처리(NLP) 활용 사례
9-3. Azure 언어 서비스(Language Services)
9-4. 키 구문 추출 기능
9-5. 명명된 Entity 인식(Named Entity Recognition)
9-6. 감정 분석(Sentiment Analysis)
9-7. 다국어 번역(Machine Translation)
9-8. Azure 언어 서비스 실습
10-1. 컴퓨터를 이용한 음성 처리 개요
10-2. 주요 음성 처리 기술 및 응용 분야
10-3. 음성 인식 서비스의 활용 사례
10-4. Azure Speech 서비스
10-5. Azure Speech 개발 및 활용 방법
10-6. Azure Speech 실습
11-1. 대화형 AI(Chatbot)의 개요 및 활용 사례
11-2. Azure Bot Services
11-3. Azure Bot Services 활용 사례
11-4. 질문-답변 지식베이스(QnA) 개념 및 구축 방법
11-5. Azure Bot Services 실습
12-1. Azure AI Search
12-2. Azure AI Search 주요 특징
12-3. Azure AI Search 활용 사례
12-4. Azure AI Search 최신 동향 및 업데이트
12-5. Azure AI Search의 구조
12-6. Azure AI Search 실습
13-1. Azure Form Recognizer 개요
13-2. Azure Form Recognizer 주요 기능
13-3. Azure Form Recognizer 활용 사례
13-4. Azure Form Recognizer 처리 흐름
13-5. Azure 과금 방식
13-6. Azure Form Recognizer 실습
Part 3. 생성형 AI의 이해와 활용
14-1. 생성형 AI(Generative AI)
14-2. Azure OpenAI
14-3. Azure OpenAI에서 제공되는 모델
14-4. Azure OpenAI 사용 절차
14-5. Azure AI Foundry
14-6. Azure OpenAI Services 실습
14-7. Azure OpenAI On Your Data
Part 4. 책임 있는 AI 및 시험 준비
15-1. Microsoft의 책임 있는 AI 원칙
15-2. AI-900 시험 개요
15-3. AI-900 예상 문제 풀이
16-1. AI-900 예상 문제 풀이
17-1. AI-900 예상 문제 풀이
18-1. AI-900 예상 문제 풀이
