Microsoft AI & ML Engineering 專業證書

為人工智慧和機器學習工程領域的職業生涯做好準備。運用先進技術和實際專案，建構、部署和創新。需具備中級 Python 程式設計知識。

關於此專業課程

本綜合課程旨在幫助您為充滿活力的人工智慧和機器學習領域做好準備。透過五門課程，您將深入理解人工智慧和機器學習的基礎知識、掌握實用技能並獲得實務經驗。

課程從可擴展的人工智慧和機器學習基礎設施的設計入手，您將學習如何建立穩健的環境。隨後，您將探索核心演算法和技術。課程還將深入講解人工智慧代理的開發，教您如何創建能夠利用自然語言處理 (NLP) 和決策策略進行自主故障排除的智慧系統。

課程的重點在於如何利用雲端的人工智慧和機器學習服務，特別是透過 Microsoft Azure，管理端到端的工作流程。課程最後將介紹高級概念、倫理考量以及一個畢業設計專案。

完成課程後，您將具備設計、部署和優化人工智慧和機器學習解決方案的專業知識，成為科技業的寶貴人才。本課程非常適合希望掌握人工智慧和機器學習技術、建立可擴展解決方案並將知識應用於實際問題的人。

要成功完成此專案，您需要具備中級 Python 程式設計知識，以及人工智慧和機器學習的基礎知識，並了解生成式人工智慧 (GenAI) 和預訓練大型語言模型 (LLM) 等新興技術。熟悉統計學也是有益的。您需要擁有 Microsoft Azure 授權（或免費試用版）以及相應的硬體。

到官方網站了解本課程與上課

應用的學習專案

畢業設計專案是您在整個課程中所習得技能的集大成。它模擬人工智慧和機器學習專業人士面臨的實際挑戰，讓您獲得機器學習整個生命週期的實踐經驗——從問題識別到部署和評估。這個實踐專案讓您能夠將理論知識融入實用且全面的解決方案中。

您可以開發金融領域的詐欺偵測系統、用於客戶支援的智慧聊天機器人，或用於製造業的預測性維護模型。透過專注於實際挑戰，您可以深入了解人工智慧和機器學習部署的複雜性，例如如何使模型適應新資料或確保解決方案能夠有效擴展。

該專案讓您親身體驗將想法轉化為功能齊全的人工智慧和機器學習解決方案的過程，為您在人工智慧和機器學習工程領域的高級職位做好準備。

你將學到的內容有

設計並實施人工智慧和機器學習基礎設施：開發環境，包括資料管道、模型開發框架和部署平台。
掌握人工智慧和機器學習演算法與技術：應用監督學習、無監督學習、強化學習和深度學習方法來解決各種挑戰。
開發智慧故障排除代理：創建能夠自主診斷和解決問題的人工智慧代理。
利用 Microsoft Azure 建立人工智慧和機器學習工作流程：使用 Azure 設定、管理和優化整個人工智慧和機器學習生命週期。

你將獲得的技能：

LLM 應用	MLOps (Machine Learning Operations	資料管理
應用機器學習	無監督學習	人工智慧和機器學習（AI/ML）
負責任的人工智慧	大型語言建模( LLM )	深度學習
監督學習	資料預處理	自然語言處理
基礎架構	強化學習	生成式 AI 代理

你將學習的工具：

Generative Adversarial Networks (GANs)	Azure DevOps	Microsoft Azure
模型部署	生成式 AI

字幕

英文

製作方

Microsoft 微軟

微軟的目標是賦能全球每一人、每個組織，幫助他們成就更多。在下一輪數位轉型浪潮中，科技將驅動成長。我們一體化的雲端解決方案打造了無與倫比的數位轉型平台。

第 1 門課程人工智慧和機器學習基礎

你將學到的內容有

本課程全面介紹人工智慧和機器學習 (AI & ML) 基礎設施的基本組成部分。您將探索 AI & ML 環境的關鍵要素，包括資料管道、模型開發框架和部署平台。本課程強調 AI & ML 基礎設施中穩健且可擴展的設計的重要性。

完成本課程後，您將能夠：

分析、描述並深入探討 AI & ML 基礎設施的關鍵組成部分及其相互關係。
分析、描述並深入探討適用於 AI & ML 工作流程的高效資料管道。
分析和評估適用於各種 AI & ML 應用的模型開發架構。
準備 AI & ML 模型部署到生產環境。

為了順利完成本課程，您應該具備中級 Python 程式設計知識，以及 AI 和 ML 的基本知識，並了解生成式人工智慧 (GenAI) 和預訓練大型語言模型 (LLM) 等新興技術。建議您也熟悉統計學。

你將獲得的技能：

人工智慧和機器學習（AI/ML）	機器學習	資料安全
資料管道	資料預處理	基礎架構
雲端部署	資料管理	MLOps (Machine Learning Operations)
應用框架	模型部署	人工智慧

第 2 門課程人工智慧和機器學習演算法及技術

本課程涵蓋人工智慧 (AI) 和機器學習 (ML) 的核心演算法和技術，包括使用預先訓練大型語言模型 (LLM) 的方法。您將探索監督學習、無監督學習和強化學習範式，以及深度學習方法，包括它們如何在預訓練 LLM 中運作。本課程強調這些技術的實際應用，以及它們在解決不同類型業務問題中的優勢和限制。

完成本課程後，您將能夠：

實現、評估和解釋監督學習、無監督學習和強化學習演算法。
應用特徵選擇和特徵工程技術來提高模型性能。
描述用於複雜 AI 任務的深度學習模型。
評估各種 AI 和 ML 技術對特定業務問題的適用性。

為了順利完成本課程，您應該具備中級 Python 程式設計知識，以及 AI 和 ML 的基本知識，並了解生成式人工智慧 (GenAI) 和預訓練大型語言模型 (LLM) 等新興技術。建議具備一定的統計學知識。

你將獲得的技能：

無監督學習	卷積神經網絡	模型評估
人工智慧與機器學習 (AI/ML)	降維	人工神經網路
資料預處理	監督學習	特徵工程
強化學習	深度學習	大型語言模型 (LLM) 應用
預測建模	機器學習演算法	大型語言模型 (LLM)
應用機器學習	生成式 AI

第 3 門課程建構智能故障排除代理

本課程著重於智慧故障排除代理的設計與實作。您將學習如何創建能夠自主診斷和解決問題的AI代理。課程內容涵蓋自然語言處理、決策演算法以及AI代理開發的最佳實踐。

完成本課程後，您將能夠：

定義、描述和設計智慧故障排除代理程式的架構。
實作用於使用者互動的自然語言處理技術。
發展用於問題診斷和解決的決策演算法。
優化和評估基於AI的故障排除代理的性能。

為了順利完成本課程，您應該具備中級Python程式設計知識，以及AI和ML基礎設施和核心演算法與技術的經驗，包括使用預訓練大型語言模型（LLM）的方法。建議您也熟悉統計學。

你將獲得的技能：

模型評估	自然語言處理	大型語言建模
性能測試	分類演算法	機器學習演算法
提示工程	智能體系統( Agentic systems )	大型語言建模(LLM)應用	測試用例
效能調優	偵錯	使用者介面 (UI)
決策支援系統	應用機器學習	生成式人工智慧智能體
人工智慧與機器學習 (AI/ML)

第 4 門課程微軟 Azure 人工智慧與機器學習

本課程提供 Microsoft Azure AI 和 ML 服務的實務經驗。您將學習如何設定、管理和排查基於 Azure 的 AI 和 ML 工作流程。課程涵蓋 Azure 中 ML 的整個生命週期，從資料準備到模型部署和監控。

完成本課程後，您將能夠：

設定和管理用於 AI 和 ML 專案的 Azure 資源。
使用 Azure 服務實作端對端的 ML 管道。
在 Azure 生產環境中部署和監控 ML 模型。
排查 Azure AI 和 ML 工作流程的常見問題。

要成功完成本課程，您應該具備 Python 的中級程式設計知識，以及 AI 和 ML 基礎架構、核心 AI 和 ML 演算法和技術方面的經驗，並熟悉智慧故障排除代理的設計和實作。建議您也熟悉統計學。

你將獲得的技能：

Microsoft Azure	Azure DevOps	人工智慧和機器學習 (AI/ML)
應用程式部署	模型部署	持續整合/持續交付 (CI/CD)
可擴展性	數據管道	資料預處理
身分和存取管理	資料儲存	偵錯
持續監控	版本控制	機器學習運作 (MLOps)

第 5 門課程高階人工智慧與機器學習技術及畢業設計

本課程探索高階人工智慧和機器學習技術，並以一個綜合性的畢業設計專案作為結業成果。您將學習前沿的機器學習方法、全人類人工智慧（GenAI）中的倫理考量，以及建立可擴展人工智慧系統的策略。畢業設計計畫讓學生有機會運用所學技能解決實際問題。

完成本課程後，您將能夠：

實現高階機器學習技術，例如整合學習和遷移學習。
分析倫理影響並制定負責任的人工智慧策略。
為高效能場景設計可擴展的人工智慧和機器學習系統。
開發並展示一個解決實際問題的綜合人工智慧和機器學習解決方案。

為了順利完成本課程，您應該具備中級 Python 程式設計知識，以及人工智慧和機器學習基礎架構、核心人工智慧和機器學習演算法與技術、智慧故障排除代理的設計和實現，以及 Microsoft Azure 人工智慧和機器學習服務的經驗。建議您也熟悉統計學。

你將獲得的技能：

機器學習運作 (MLOps)	可擴展性	人工智慧與機器學習 (AI/ML)
模型評估	分散式運算	遷移學習
應用機器學習	聯邦學習	負責任的人工智慧
生成對抗網路 (GAN)	機器學習	Microsoft Azure
生成式 AI	資訊隱私	數據倫理