and other Microsoft tools and services. The book begins by exploring the concept of predictive analytics and its role in digital transformation before diving into the basics of machine learning and AI. Next it covers the integration of AI Builder with Dynamics 365 including creating custom AI models and deploying them to production environments. Then it provides detailed instructions on how to use Azure Data Lake Databricks Azure Synapse Analytics and other Microsoft tools and services to build powerful machine learning models. The book concludes with case studies and examples of successful implementation of these technologies in various industries. The authors emphasize the importance of understanding the ethical implications of AI and the need for responsible use of these technologies throughout the text. The book is divided into three parts: Part One, Machine Learning Fundamentals; Part Two, Integrating AI Builder with Dynamics 365; Part Three, Advanced Topics and Case Studies. Part One covers the basics of machine learning and AI, explaining what they are, how they work, and why they're important. It also discusses the various types of machine learning algorithms available and their applications. Additionally, this part covers data preparation, feature engineering, model selection, training, testing, validation, and deployment. Part Two focuses on integrating AI Builder with Dynamics 365, covering topics such as creating custom AI models, deploying them to production environments, and using Azure Data Lake, Databricks, and Azure Synapse Analytics to build powerful machine learning models. This part also includes a chapter on integrating AI Builder with Power Platform to create nocode solutions. Part Three explores advanced topics such as natural language processing, computer vision, and predictive maintenance. It also includes case studies and examples of successful implementation of these technologies in various industries, providing readers with practical guidance on how to apply these technologies in realworld scenarios. Throughout the book, the authors emphasize the importance of understanding the ethical implications of AI and the need for responsible use of these technologies. They also provide tips for avoiding common pitfalls and ensuring that AI is used for good. The book concludes with an epilogue that highlights the potential of AI and machine learning to transform businesses and society as a whole.

и другие средства и службы Майкрософт. Книга начинается с изучения концепции предиктивной аналитики и ее роли в цифровой трансформации, а затем углубляется в основы машинного обучения и AI.Некст охватывает интеграцию AI Builder с Dynamics 365, включая создание пользовательских моделей AI и их развертывание в производственных средах. Затем приводятся подробные инструкции по использованию Azure Data Lake Databricks Azure Synapse Analytics и других инструментов и сервисов Microsoft для построения мощных моделей машинного обучения. Книга завершается тематическими исследованиями и примерами успешного внедрения этих технологий в различных отраслях. Авторы подчеркивают важность понимания этических последствий ИИ и необходимость ответственного использования этих технологий во всем тексте. Книга разделена на три части: Часть первая, Основы машинного обучения; Часть вторая, интеграция AI Builder с Dynamics 365; Часть третья, Дополнительные темы и тематические исследования. Часть первая посвящена основам машинного обучения и ИИ, объясняющим, что они собой представляют, как они работают и почему они важны. Также рассматриваются различные типы доступных алгоритмов машинного обучения и их применения. Кроме того, эта часть охватывает подготовку данных, разработку функций, выбор модели, обучение, тестирование, проверку и развертывание. Вторая часть посвящена интеграции AI Builder с Dynamics 365, охватывая такие темы, как создание пользовательских моделей AI, развертывание их в производственных средах и использование Azure Data Lake, Databricks и Azure Synapse Analytics для создания мощных моделей машинного обучения. Эта часть также включает главу об интеграции AI Builder с Power Platform для создания nocode-решений. В третьей части рассматриваются такие сложные темы, как обработка естественного языка, компьютерное зрение и прогнозное обслуживание. Он также включает в себя тематические исследования и примеры успешного внедрения этих технологий в различных отраслях, предоставляя читателям практическое руководство о том, как применять эти технологии в реальных сценариях. На протяжении всей книги авторы подчеркивают важность понимания этических последствий ИИ и необходимость ответственного использования этих технологий. Они также дают советы, как избежать общих подводных камней и убедиться, что ИИ используется во благо. Книга завершается эпилогом, который подчеркивает потенциал ИИ и машинного обучения для трансформации бизнеса и общества в целом.

et d'autres outils et services Microsoft. livre commence par une étude du concept d'analyse prédictive et de son rôle dans la transformation numérique, puis s'oriente vers les bases de l'apprentissage automatique et AI.Next couvre l'intégration d'AI Builder avec Dynamics 365, y compris la création de modèles d'AI personnalisés et leur déploiement dans les environnements de production. Ensuite, des instructions détaillées sur l'utilisation d'Azure Data Lake Databricks Azure Synapse Analytics et d'autres outils et services Microsoft pour construire de puissants modèles d'apprentissage automatique sont fournies. livre se termine par des études de cas et des exemples de l'adoption réussie de ces technologies dans différents secteurs. s auteurs soulignent l'importance de comprendre les implications éthiques de l'IA et la nécessité d'utiliser ces technologies de manière responsable dans tout le texte. livre est divisé en trois parties : Première partie, Bases de l'apprentissage automatique ; Deuxième partie, intégration de AI Builder avec Dynamics 365 ; Troisième partie, Sujets supplémentaires et études de cas. La première partie est consacrée aux bases de l'apprentissage automatique et de l'IA, expliquant ce qu'elles représentent, comment elles fonctionnent et pourquoi elles sont importantes. On considère également les différents types d'algorithmes d'apprentissage automatique disponibles et leurs applications. En outre, cette partie couvre la préparation des données, le développement des fonctions, le choix du modèle, la formation, les tests, la validation et le déploiement. La deuxième partie est consacrée à l'intégration d'AI Builder avec Dynamics 365, couvrant des sujets tels que la création de modèles d'AI personnalisés, leur déploiement dans les environnements de production et l'utilisation d'Azure Data Lake, de Databricks et d'Azure Synapse Analytics pour créer de puissants modèles d'apprentissage automatique. Cette partie comprend également un chapitre sur l'intégration d'AI Builder avec Power Platform pour créer des solutions nocode. La troisième partie traite de sujets complexes tels que le traitement du langage naturel, la vision par ordinateur et la maintenance prédictive. Il comprend également des études de cas et des exemples d'adoption réussie de ces technologies dans diverses industries, fournissant aux lecteurs des conseils pratiques sur la façon d'appliquer ces technologies dans des scénarios réels. Tout au long du livre, les auteurs soulignent l'importance de comprendre les implications éthiques de l'IA et la nécessité d'une utilisation responsable de ces technologies. Ils donnent également des conseils sur la façon d'éviter les pièges communs et de s'assurer que l'IA est utilisée pour le bien. livre se termine par un épilogue qui souligne le potentiel de l'IA et de l'apprentissage automatique pour transformer les entreprises et la société dans son ensemble.

y otras herramientas y servicios de Microsoft. libro comienza explorando el concepto de análisis predictivo y su papel en la transformación digital, y luego profundiza en los fundamentos del aprendizaje automático y AI.texto abarca la integración de AI Builder con Dynamics 365, incluyendo la creación de modelos de AI personalizados y su implementación en entornos de producción. A continuación, se proporcionan instrucciones detalladas sobre el uso de Azure Data Lake Databricks Azure Synapse Analytics y otras herramientas y servicios de Microsoft para construir modelos potentes de aprendizaje automático. libro se completa con estudios de casos y ejemplos de la implementación exitosa de estas tecnologías en diversas industrias. autores subrayan la importancia de comprender las implicaciones éticas de la IA y la necesidad de un uso responsable de estas tecnologías en todo el texto. libro se divide en tres partes: Primera parte, Fundamentos del aprendizaje automático; Segunda parte, integración de AI Builder con Dynamics 365; Tercera parte, Temas adicionales y estudios de casos. La primera parte trata de los fundamentos del aprendizaje automático y la IA, explicando lo que representan, cómo funcionan y por qué son importantes. También se consideran los diferentes tipos de algoritmos de aprendizaje automático disponibles y sus aplicaciones. Además, esta parte abarca la preparación de datos, el desarrollo de funciones, la selección de modelos, la capacitación, las pruebas, la validación y la implementación. La segunda parte se centra en la integración de AI Builder con Dynamics 365, cubriendo temas como la creación de modelos de AI personalizados, su implementación en entornos de producción y el uso de Azure Data Lake, Databricks y Azure Synapse Analytics para crear modelos potentes de automatización Aprendizaje. Esta parte también incluye un capítulo sobre la integración de AI Builder con Power Platform para crear soluciones nocode. La tercera parte aborda temas tan complejos como el procesamiento del lenguaje natural, la visión por computadora y el mantenimiento predictivo. También incluye estudios de casos y ejemplos de implementación exitosa de estas tecnologías en diferentes industrias, proporcionando a los lectores una guía práctica sobre cómo aplicar estas tecnologías en escenarios reales. A lo largo del libro, los autores destacan la importancia de comprender las implicaciones éticas de la IA y la necesidad de un uso responsable de estas tecnologías. También dan consejos sobre cómo evitar los escollos comunes y asegurarse de que la IA se utiliza para el bien. libro concluye con un epílogo que destaca el potencial de la IA y el aprendizaje automático para transformar las empresas y la sociedad en general.

e outros serviços e ferramentas da Microsoft. O livro começa com o estudo do conceito dos analistas preditivos e do seu papel na transformação digital, e depois é aprofundado na base do aprendizado de máquinas e a AI.Necst abrange a integração do AI Builder com o Dinamics 365, incluindo a criação de modelos personalizados AI e sua implantação em ambientes de produção. Em seguida, são fornecidas instruções detalhadas sobre o uso do Azure Data Lake Databricks Azure Synapse Analytics e outras ferramentas e serviços da Microsoft para construir modelos poderosos de aprendizado de máquina. O livro é concluído com estudos de caso e exemplos de sucesso na implementação dessas tecnologias em vários setores. Os autores destacam a importância de compreender os efeitos éticos da IA e a necessidade de usar estas tecnologias de forma responsável em todo o texto. O livro é dividido em três partes: Parte 1, Base de Aprendizado de Máquina; Segunda parte, integração do AI Builder com o Dinamics 365; Parte três, temas adicionais e estudos de caso. A primeira parte é sobre o aprendizado de máquinas e a IA, que explicam o que elas representam, como funcionam e por que são importantes. Também são considerados os diferentes tipos de algoritmos de aprendizado de máquina disponíveis e suas aplicações. Além disso, esta parte inclui a elaboração de dados, desenvolvimento de funções, escolha de modelo, treinamento, testes, verificação e implantação. A segunda parte é dedicada à integração do AI Builder com o Dinamics 365, abrangendo temas como criar modelos de AI personalizados, implantá-los em ambientes de produção e usar o Azure Data Lake, Databricks e o Azure Synapse Analytics para criar modelos poderosos de aprendizado de máquina. Esta parte inclui também um capítulo sobre a integração do AI Builder com o Power Platford para a criação de soluções nocode. A terceira parte aborda temas complexos, como o tratamento da linguagem natural, a visão computadorizada e a manutenção de previsões. Também inclui estudos de caso e exemplos de sucesso na implementação dessas tecnologias em vários setores, oferecendo aos leitores orientações práticas sobre como aplicar essas tecnologias em cenários reais. Ao longo do livro, os autores destacam a importância de compreender os efeitos éticos da IA e a necessidade de usar estas tecnologias de forma responsável. Eles também dão dicas de como evitar pedras submarinas comuns e garantir que a IA é usada para o bem. O livro é concluído com um epílogo que enfatiza o potencial da IA e do aprendizado de máquinas para transformar as empresas e a sociedade em geral.

e altri strumenti e servizi Microsoft. Il libro inizia studiando il concetto di analisi predittive e il suo ruolo nella trasformazione digitale, quindi approfondendo le basi di apprendimento automatico e AI.Necst include l'integrazione di AI Builder con Dynamics 365, inclusa la creazione di modelli personalizzati AI e la loro implementazione in ambienti di produzione. Vengono quindi fornite istruzioni dettagliate sull'utilizzo di Azure Data Lake Databricks Azure Synapse Analytics e di altri strumenti e servizi Microsoft per la creazione di potenti modelli di apprendimento automatico. Il libro è completato da ricerche tematiche e esempi di successo nell'implementazione di queste tecnologie in diversi settori. Gli autori sottolineano l'importanza di comprendere gli effetti etici dell'IA e la necessità di utilizzare queste tecnologie in modo responsabile in tutto il testo. Il libro è suddiviso in tre parti: Parte 1, Base di apprendimento automatico; Seconda parte, integrazione di AI Builder con Dynamics 365; Parte tre, argomenti supplementari e studi di caso. La prima parte è dedicata ai fondamentali dell'apprendimento automatico e dell'IA, che spiegano cosa rappresentano, come funzionano e perché sono importanti. Vengono inoltre esaminati diversi tipi di algoritmi disponibili per l'apprendimento automatico e la loro applicazione. Questa parte include anche la preparazione dei dati, lo sviluppo delle funzioni, la scelta del modello, la formazione, i test, la convalida e l'implementazione. La seconda parte è dedicata all'integrazione di AI Builder con Dynamics 365, che comprende temi quali la creazione di modelli AI personalizzati, l'implementazione in ambienti di produzione e l'utilizzo di Azure Data Lake, Databricks e Azure Synapse Analytics per creare potenti modelli di apprendimento automatico. Questa parte include anche un capitolo sull'integrazione di AI Builder con Power Platform per la creazione di soluzioni nocode. La terza parte affronta temi complessi come l'elaborazione del linguaggio naturale, la visione informatica e il servizio di previsione. Include anche studi di caso e esempi di successo nell'implementazione di queste tecnologie in diversi settori, fornendo ai lettori una guida pratica su come applicare queste tecnologie in scenari reali. Durante tutto il libro, gli autori sottolineano l'importanza di comprendere gli effetti etici dell'IA e la necessità di utilizzare queste tecnologie in modo responsabile. Forniscono anche consigli su come evitare le pietre sottomarine comuni e assicurarsi che l'IA viene utilizzato per il bene. Il libro si conclude con un epilogo che evidenzia il potenziale dell'IA e dell'apprendimento automatico per trasformare le imprese e la società in generale.

und andere Microsoft-Tools und -Dienste. Das Buch beginnt mit der Untersuchung des Konzepts der Predictive Analytics und seiner Rolle bei der digitalen Transformation und geht dann tiefer in die Grundlagen des maschinellen rnens und der KI ein.Der Text behandelt die Integration von AI Builder mit Dynamics 365, einschließlich der Erstellung benutzerdefinierter KI-Modelle und deren Einsatz in Produktionsumgebungen. Anschließend erhalten e detaillierte Anweisungen zur Verwendung von Azure Data Lake Databricks Azure Synapse Analytics und anderen Microsoft-Tools und -Diensten zum Erstellen leistungsstarker Machine arning-Modelle. Das Buch schließt mit Fallstudien und Beispielen für die erfolgreiche Einführung dieser Technologien in verschiedenen Branchen. Die Autoren betonen, wie wichtig es ist, die ethischen Implikationen von KI zu verstehen und die Notwendigkeit, diese Technologien im gesamten Text verantwortungsvoll einzusetzen. Das Buch ist in drei Teile unterteilt: Teil 1, Grundlagen des maschinellen rnens; Teil zwei, Integration von AI Builder mit Dynamics 365; Teil drei, Zusätzliche Themen und Fallstudien. Teil eins widmet sich den Grundlagen des maschinellen rnens und der KI und erklärt, was sie sind, wie sie funktionieren und warum sie wichtig sind. Die verschiedenen Arten von verfügbaren Algorithmen für maschinelles rnen und ihre Anwendungen werden ebenfalls berücksichtigt. Darüber hinaus umfasst dieser Teil die Datenaufbereitung, Funktionsentwicklung, Modellauswahl, Schulung, Tests, Validierung und Bereitstellung. Der zweite Teil konzentriert sich auf die Integration von AI Builder mit Dynamics 365 und deckt Themen wie die Erstellung benutzerdefinierter AI-Modelle, die Bereitstellung in Produktionsumgebungen und die Verwendung von Azure Data Lake, Databricks und Azure Synapse Analytics zur Erstellung leistungsstarker Machine-arning-Modelle ab. Dieser Teil enthält auch ein Kapitel über die Integration von AI Builder mit der Power Platform, um Nocode-Lösungen zu erstellen. Der dritte Teil behandelt so komplexe Themen wie natürliche Sprachverarbeitung, Computer Vision und Predictive Maintenance. Es enthält auch Fallstudien und Beispiele für die erfolgreiche Einführung dieser Technologien in verschiedenen Branchen und bietet den sern einen praktischen itfaden zur Anwendung dieser Technologien in realen Szenarien. Während des gesamten Buches betonen die Autoren, wie wichtig es ist, die ethischen Implikationen von KI zu verstehen und die Notwendigkeit, diese Technologien verantwortungsvoll einzusetzen. e geben auch Tipps, wie e häufige Fallstricke vermeiden und sicherstellen können, dass KI zum Guten genutzt wird. Das Buch schließt mit einem Epilog, der das Potenzial von KI und maschinellem rnen für die Transformation von Unternehmen und der Gesellschaft als Ganzes hervorhebt.

i inne narzędzia i usługi Microsoft. Książka rozpoczyna się od zbadania koncepcji analityki predykcyjnej i jej roli w transformacji cyfrowej, a następnie zagłębia się w podstawy uczenia maszynowego i sztucznej inteligencji. Tekst obejmuje integrację AI Builder z Dynamics 365, w tym tworzenie niestandardowych modeli AI i ich wdrażanie w środowiskach produkcyjnych. Następnie istnieją szczegółowe instrukcje korzystania z Azure Data Lake Databricks Azure Synapse Analytics i innych narzędzi i usług Microsoft do budowy potężnych modeli uczenia maszynowego. Książka kończy się studiami przypadku i przykładami udanej realizacji tych technologii w różnych branżach. Autorzy podkreślają znaczenie zrozumienia etycznych konsekwencji sztucznej inteligencji oraz potrzeby odpowiedzialnego wykorzystania tych technologii w całym tekście. Książka podzielona jest na trzy części: Część pierwsza, Podstawy uczenia maszynowego; Część druga, integracja AI Builder z Dynamics 365; Część trzecia, tematy dodatkowe i studia przypadku. Pierwsza część skupia się na podstawach uczenia maszynowego i sztucznej inteligencji, wyjaśniając czym są, jak działają i dlaczego mają znaczenie. Rozważane są również różne rodzaje dostępnych algorytmów uczenia maszynowego i ich zastosowania. Ponadto ta część obejmuje przygotowanie danych, opracowanie funkcji, wybór modeli, szkolenie, testowanie, walidację i wdrożenie. Druga część skupia się na integracji AI Builder z Dynamics 365, obejmując tematy takie jak tworzenie niestandardowych modeli AI, wdrażanie ich w środowiskach produkcyjnych oraz wykorzystanie Azure Data Lake, Databricks i Azure Synapse Analytics do tworzenia potężnych modeli uczenia maszynowego. Ta część zawiera również rozdział na temat integracji AI Builder z Power Platform do tworzenia rozwiązań nocode. Trzecia część dotyczy takich złożonych tematów, jak przetwarzanie języka naturalnego, wizja komputerowa i konserwacja prognostyczna. Obejmuje on również studia przypadków i przykłady udanego wdrażania tych technologii w różnych branżach, zapewniając czytelnikom praktyczny przewodnik dotyczący stosowania tych technologii do scenariuszy realnych. W książce autorzy podkreślają znaczenie zrozumienia etycznych konsekwencji sztucznej inteligencji oraz potrzeby odpowiedzialnego wykorzystywania tych technologii. Dają również radę, jak uniknąć wspólnych pułapek i upewnić się, że AI jest używany dla dobra. Książka kończy się epilogiem, który podkreśla potencjał sztucznej inteligencji i uczenia maszynowego w celu przekształcenia biznesu i całego społeczeństwa.

ועוד כלים ושירותים של מיקרוסופט. הספר מתחיל בחקר מושג האנליטיקה הניבואית ותפקידו בטרנספורמציה דיגיטלית, ולאחר מכן מתעמק ביסודות למידת מכונה ובינה מלאכותית. הטקסט מכסה את האינטגרציה של AI Builder עם Dynamics 365, כולל יצירת מודלים מותאמים אישית של AI ופריסתם בסביבות הייצור. אחר כך יש הוראות מפורטות לשימוש ב Azure Data Lake Databricks Azure Synapse Analytics וכלים ושירותים אחרים של מיקרוסופט לבניית מודלים רבי עוצמה ללימוד מכונה. הספר מסתיים בחקר מקרים ודוגמאות ליישום מוצלח של טכנולוגיות אלה בתעשיות שונות. המחברים מדגישים את החשיבות של הבנת ההשלכות האתיות של הבינה המלאכותית והצורך בשימוש אחראי בטכנולוגיות אלה לאורך הטקסט. הספר מחולק לשלושה חלקים: Part One, Fundamentals of Machine arning; חלק שני, אינטגרל בנאי עם דינמיקה 365; חלק שלישי, נושאים נוספים ומחקרים. חלק ראשון מתמקד ביסודות של למידת מכונה ובינה מלאכותית, מסביר מה הם, איך הם עובדים ולמה הם חשובים. הסוגים השונים של אלגוריתמי למידת מכונה זמינים והיישומים שלהם גם נשקלים. בנוסף, חלק זה מכסה הכנת נתונים, פיתוח תכונה, בחירת מודל, אימון, בדיקה, אימות ופריסה. החלק השני מתמקד באינטגרציה של AI Builder עם Dynamics 365, כיסוי נושאים כגון יצירת מודלים מותאמים אישית של AI, פריסתם בסביבות הייצור, ושימוש ב-Azure Data Lake, Databricks ו-Azure Synapse Analytics ליצירת מודלים רבי עוצמה ללימוד. חלק זה כולל גם פרק על שילוב AI Builder עם Power Platform ליצירת פתרונות Nocode. החלק השלישי עוסק בנושאים מורכבים כגון עיבוד שפה טבעית, ראייה ממוחשבת ותחזוקת חיזוי. היא כוללת גם מחקרי מקרה ודוגמאות ליישום מוצלח של טכנולוגיות אלה ברחבי התעשיות, ומספקת לקוראים מדריך מעשי כיצד ליישם טכנולוגיות אלה בתרחישים של העולם האמיתי. לאורך הספר מדגישים המחברים את החשיבות של הבנת ההשלכות האתיות של הבינה המלאכותית והצורך להשתמש בטכנולוגיות אלה באחריות. הם גם מייעצים כיצד להימנע ממלכודות נפוצות ולוודא שבינה מלאכותית משמשת לתועלת. הספר מסתיים באפילוג המדגיש את הפוטנציאל הטמון בבינה מלאכותית ובלימוד מכונה לשינוי העסקים והחברה בכללותה.''

ve diğer Microsoft araçları ve hizmetleri. Kitap, tahmine dayalı analitik kavramını ve dijital dönüşümdeki rolünü keşfederek başlıyor ve daha sonra makine öğrenimi ve AI'nın temellerini inceliyor. Metin, AI Builder'ın özel AI modelleri oluşturmak ve bunları üretim ortamlarında dağıtmak da dahil olmak üzere Dynamics 365 ile entegrasyonunu kapsar. Ardından, güçlü makine öğrenimi modelleri oluşturmak için Azure Data Lake Databricks Azure Synapse Analytics ve diğer Microsoft araçlarını ve hizmetlerini kullanmak için ayrıntılı talimatlar vardır. Kitap, vaka çalışmaları ve bu teknolojilerin çeşitli endüstrilerde başarılı bir şekilde uygulanmasına ilişkin örneklerle sona ermektedir. Yazarlar, AI'nın etik etkilerini ve bu teknolojilerin metin boyunca sorumlu bir şekilde kullanılmasının gerekliliğini anlamanın önemini vurgulamaktadır. Kitap üç bölüme ayrılmıştır: Birinci Bölüm, Makine Öğreniminin Temelleri; İkinci Bölüm, Dynamics 365 ile AI Builder entegrasyonu; Üçüncü Bölüm, Ek Konular ve Vaka Çalışmaları. Birinci bölüm, makine öğrenimi ve AI'nın temellerine odaklanır, ne olduklarını, nasıl çalıştıklarını ve neden önemli olduklarını açıklar. Mevcut farklı makine öğrenme algoritmaları türleri ve bunların uygulamaları da dikkate alınmaktadır. Buna ek olarak, bu bölüm veri hazırlama, özellik geliştirme, model seçimi, eğitim, test etme, doğrulama ve dağıtım konularını kapsar. İkinci bölüm, AI Builder'ın Dynamics 365 ile entegrasyonuna odaklanarak, özel AI modelleri oluşturma, bunları üretim ortamlarında dağıtma ve güçlü makine öğrenme modelleri oluşturmak için Azure Data Lake, Databricks ve Azure Synapse Analytics'i kullanma gibi konuları kapsar. Bu bölüm ayrıca, nocode çözümleri oluşturmak için AI Builder'ı Power Platform ile entegre etme konusunda bir bölüm içermektedir. Üçüncü bölüm, doğal dil işleme, bilgisayar görüşü ve öngörücü bakım gibi karmaşık konuları ele almaktadır. Ayrıca, vaka incelemelerini ve bu teknolojilerin endüstriler arasında başarılı bir şekilde uygulanmasının örneklerini içerir ve okuyuculara bu teknolojilerin gerçek dünya senaryolarına nasıl uygulanacağı konusunda pratik bir rehber sunar. Kitap boyunca yazarlar, AI'nın etik etkilerini ve bu teknolojileri sorumlu bir şekilde kullanma ihtiyacını anlamanın önemini vurgulamaktadır. Ayrıca, ortak tuzaklardan nasıl kaçınılacağı ve AI'nın iyi bir şekilde kullanıldığından emin olunması konusunda tavsiyelerde bulunurlar. Kitap, AI ve makine öğreniminin genel olarak iş dünyasını ve toplumu dönüştürme potansiyelini vurgulayan bir sonsöz ile sona eriyor.

وغيرها من أدوات وخدمات مايكروسوفت. يبدأ الكتاب باستكشاف مفهوم التحليلات التنبؤية ودوره في التحول الرقمي، ثم يتعمق في أساسيات التعلم الآلي والذكاء الاصطناعي. يغطي النص تكامل AI Builder مع Dynamics 365، بما في ذلك إنشاء نماذج ذكاء اصطناعي مخصصة ونشرها في بيئات الإنتاج. ثم هناك تعليمات مفصلة لاستخدام Azure Data Lake Data Ricks Azure Synapse Analytics وأدوات وخدمات Microsoft الأخرى لبناء نماذج تعلم آلي قوية. ويختتم الكتاب بدراسات حالة وأمثلة على التنفيذ الناجح لهذه التكنولوجيات في مختلف الصناعات. يؤكد المؤلفون على أهمية فهم الآثار الأخلاقية للذكاء الاصطناعي والحاجة إلى الاستخدام المسؤول لهذه التكنولوجيات في جميع أجزاء النص. وينقسم الكتاب إلى ثلاثة أجزاء: الجزء الأول، أساسيات التعلم الآلي ؛ الجزء الثاني، تكامل AI Builder مع Dynamics 365 ؛ الجزء الثالث، المواضيع الإضافية ودراسات الحالة. يركز الجزء الأول على أساسيات التعلم الآلي والذكاء الاصطناعي، وشرح ماهيتها، وكيفية عملها ولماذا هي مهمة. يتم أيضًا النظر في الأنواع المختلفة من خوارزميات التعلم الآلي المتاحة وتطبيقاتها. بالإضافة إلى ذلك، يغطي هذا الجزء إعداد البيانات، وتطوير الميزات، واختيار النماذج، والتدريب، والاختبار، والتحقق، والنشر. يركز الجزء الثاني على تكامل AI Builder مع Dynamics 365، حيث يغطي موضوعات مثل إنشاء نماذج الذكاء الاصطناعي المخصصة، ونشرها في بيئات الإنتاج، واستخدام بحيرة Azure Data Lake و Data Ricks و Azure Synapse Analytics لإنشاء نماذج قوية للتعلم الآلي. يتضمن هذا الجزء أيضًا فصلاً عن دمج AI Builder مع Power Platform لإنشاء حلول nocode. يتناول الجزء الثالث مواضيع معقدة مثل معالجة اللغة الطبيعية ورؤية الحاسوب والصيانة التنبؤية. كما يتضمن دراسات حالة وأمثلة على التنفيذ الناجح لهذه التقنيات عبر الصناعات، وتزويد القراء بدليل عملي حول كيفية تطبيق هذه التقنيات على سيناريوهات العالم الحقيقي. في جميع أنحاء الكتاب، يؤكد المؤلفون على أهمية فهم الآثار الأخلاقية للذكاء الاصطناعي والحاجة إلى استخدام هذه التقنيات بمسؤولية. كما أنهم يقدمون نصائح حول كيفية تجنب المزالق الشائعة والتأكد من استخدام الذكاء الاصطناعي للأبد. يختتم الكتاب بخاتمة تسلط الضوء على إمكانات الذكاء الاصطناعي والتعلم الآلي لتحويل الأعمال والمجتمع ككل.

および他のマイクロソフトの用具およびサービス。この本は、予測分析の概念とデジタルトランスフォーメーションにおけるその役割を探求し、機械学習とAIの基礎を掘り下げることから始まります。このテキストは、AI BuilderとDynamics 365との統合に関するもので、カスタムAIモデルの作成や本番環境への展開などが含まれます。次に、Azure Data Lake Databricks Azure Synapse Analyticsおよびその他のMicrosoftツールおよびサービスを使用して強力な機械学習モデルを構築するための詳細な手順があります。本書は、ケーススタディとさまざまな業界でのこれらの技術の成功の例で終わります。著者たちは、AIの倫理的な意味を理解することの重要性と、テキスト全体にわたってこれらの技術を責任ある使用する必要性を強調している。本は3つの部分に分かれています：パート1、機械学習の基礎；パート2、 Dynamics 365とのAIビルダーの統合；パート3、追加のトピックとケーススタディ。パート1では、機械学習とAIの基本に焦点を当て、それらが何であるか、どのように機能し、なぜ重要なのかを説明します。利用可能なさまざまな種類の機械学習アルゴリズムとそのアプリケーションも考慮されます。さらに、このパートでは、データ準備、機能開発、モデル選択、トレーニング、テスト、検証、および展開をカバーします。第2部では、AI BuilderとDynamics 365の統合に焦点を当て、カスタムAIモデルの作成、本番環境への展開、Azure Data Lake、 Databricks、 Azure Synapse Analyticsを使用して強力な機械学習モデルを作成するなどのトピックを取り上げます。この部分には、AI BuilderとPower Platformを統合してノコードソリューションを作成する章も含まれています。第3部では、自然言語処理、コンピュータビジョン、予測メンテナンスなどの複雑なトピックを扱っています。また、ケーススタディや業界を横断するこれらの技術の成功事例も含まれており、実際のシナリオにこれらの技術を適用する方法についての実用的なガイドを読者に提供します。著者たちは、本書を通じて、AIの倫理的な意味を理解することの重要性と、これらの技術を責任を持って使用する必要性を強調しています。彼らはまた、一般的な落とし穴を避け、AIが良いために使用されていることを確認する方法についてのアドバイスを与えます。AIと機械学習がビジネスと社会を大きく変革する可能性を浮き彫りにしたエピローグで締めくくります。

和其他Microsoft工具和服務。本書首先研究了謂詞分析概念及其在數字化轉型中的作用，然後深入研究了機器學習的基礎知識，AInext涵蓋了AI Builder與Dynamics 365的集成，包括創建定制的AI模型及其在生產環境中的部署。然後詳細說明如何使用Azure Data Lake Databricks Azure Synapse Analytics和其他Microsoft工具和服務來構建強大的機器學習模型。該書以案例研究和成功將這些技術引入各個行業的例子為結尾。作者強調了解人工智能的倫理影響的重要性，以及在整個文本中負責任地使用這些技術的必要性。該書分為三個部分：第一部分，機器學習基礎；第二部分，AI Builder與Dynamics 365的集成；第三部分，補充主題和案例研究。第一部分涉及機器學習和AI的基礎，解釋它們是什麼，它們如何工作以及為什麼它們很重要。還考慮了各種類型的可用機器學習算法及其應用。此外，本部分涵蓋數據準備，功能開發，模型選擇，培訓，測試，驗證和部署。第二部分著重於AI Builder與Dynamics 365的集成，涵蓋了諸如創建定制AI模型，將其部署到生產環境中以及使用Azure Data Lake，Databricks和Azure Synapse Analytics來創建強大的機器學習模型等主題。本部分還包括有關AI Builder與Power Platform集成以創建nocode解決方案的章節。第三部分探討了自然語言處理，計算機視覺和預測服務等復雜主題。它還包括案例研究和成功將這些技術引入各個行業的示例，為讀者提供了如何將這些技術應用於現實世界中的實用指南。在整個書中，作者強調了解人工智能的倫理影響的重要性，以及負責任地使用這些技術的必要性。他們還提供有關如何避免共享陷阱並確保AI用於福利的建議。這本書以結語結尾，強調了AI和機器學習在改變企業和整個社會方面的潛力。