آموزش هنر و علم یادگیری ماشین

Art and Science of Machine Learning

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیویی برای نمایش وجود ندارد.
توضیحات دوره: به هنر و علم یادگیری ماشین خوش آمدید. این دوره در 6 ماژول ارائه می شود. این دوره مهارت های اساسی شهود ML ، قضاوت خوب و آزمایش های مورد نیاز برای تنظیم دقیق و بهینه سازی مدل های ML برای بهترین موارد را پوشش می دهد ... به هنر و علم یادگیری ماشین خوش آمدید. این دوره در 6 ماژول ارائه می شود. این دوره مهارتهای اساسی شهود ML ، قضاوت خوب و آزمایشهای مورد نیاز برای تنظیم دقیق و بهینه سازی مدلهای ML برای بهترین عملکرد را پوشش می دهد. شما می آموزید که چگونه مدل خود را با استفاده از تکنیک های قاعده مند سازی و در مورد تأثیرات ابر پارامترها مانند اندازه دسته ای و میزان یادگیری بر عملکرد مدل تعمیم دهید. ما برخی از رایج ترین الگوریتم های بهینه سازی مدل را بیان خواهیم کرد و به شما نشان خواهیم داد که چگونه یک روش بهینه سازی را در کد TensorFlow خود مشخص کنید.

سرفصل ها و درس ها

مقدمه Introduction

  • معرفی دوره Course Introduction

هنر ML The Art of ML

  • مقدمه Introduction

  • منظم سازی Regularization

  • تنظیمات L1 L2 L1 & L2 Regularizations

  • معرفی آزمایشگاه: منظم سازی Lab Intro: Regularization

  • شروع کار با GCP و Qwiklabs Getting Started With GCP And Qwiklabs

  • آزمایشگاه: منظم سازی Lab: Regularization

  • خواندن منابع - 1 - هنر ML (هنر ML) Resources Readings - 1 - The Art of ML (The Art of ML)

  • میزان یادگیری و اندازه دسته ای Learning Rate and Batch Size

  • بهينه سازي Optimization

  • معرفی آزمایشگاه: مرور منحنی های یادگیری Lab Intro: Reviewing Learning Curves

  • آزمایشگاه: مرور منحنی یادگیری Lab: Reviewing Learning Curve

  • خواندن منابع - 2 - هنر ML (میزان یادگیری و اندازه دسته ای) Resources Readings - 2 - The Art of ML (Learning Rate and Batch Size)

تنظیم Hyperparameter Hyperparameter Tuning

  • مقدمه Introduction

  • پارامترها در برابر ابرپارامترها Parameters vs Hyperparameters

  • فراتر از جستجوی شبکه فکر کنید Think Beyond Grid Search

  • Lab Intro: صادرات داده از BigQuery به Google Cloud Storage Lab Intro: Export Data from BigQuery to Google Cloud Storage

  • آزمایشگاه: صادرات داده از BigQuery به Cloud Storage Lab: Exporting data from BigQuery to Cloud Storage

  • معرفی آزمایشگاه: انجام تنظیم Hyperparameter Lab Intro: Performing Hyperparameter Tuning

  • آزمایشگاه: انجام تنظیم Hyperparameter Lab: Performing the Hyperparameter Tuning

  • خواندن منابع - 3 - تنظیم Hyperparameter Resources Readings - 3 - Hyperparameter Tuning

خرج کردن علم A Pinch of Science

  • مقدمه Introduction

  • تنظیم برای Sparsity Regularization for Sparsity

  • آزمایشگاه: نظم L1 Lab: L1 Regularization

  • راه حل آزمایشگاهی: تنظیم L1 Lab Solution: L1 Regularization

  • قرائت منابع - 4 - یک پینچ علم (قاعده گذاری برای پراکندگی) Resources Readings - 4 - A Pinch of Science (Regularization for Sparsity)

  • رگرسیون لجستیک Logistic Regression

  • قرائت منابع - 5 - یک خبر علمی (رگرسیون لجستیک) Resources Readings - 5 - A Pinch of Science (Logistic Regression)

علم شبکه های عصبی The Science of Neural Networks

  • آشنایی با شبکه های عصبی Introduction to Neural Networks

  • شبکه های عصبی Neural Networks

  • آزمایشگاه: زمین بازی شبکه های عصبی Lab: Neural Networks Playground

  • آموزش شبکه های عصبی Training Neural Networks

  • Lab Intro: ساخت یک DNN با استفاده از Keras Functional API Lab Intro: Build a DNN using the Keras Functional API

  • آزمایشگاه: با استفاده از Keras Functional API یک DNN بسازید Lab: Build a DNN using the Keras Functional API

  • Intro Lab: مدل های آموزشی در مقیاس با بستر AI Lab Intro: Training Models at Scale with AI Platform

  • آزمایشگاه: مدل های آموزشی در مقیاس با بستر AI Lab: Training Models at Scale with AI Platform

  • شبکه های عصبی چند کلاسه Multi-class Neural Networks

  • قرائت منابع - 6 - علم شبکه های عصبی Resources Readings - 6 - The Science of Neural Networks

جاسازی ها Embeddings

  • مقدمه ای بر جاسازی ها Introduction to Embeddings

  • بررسی موارد جاسازی شده Review of Embeddings

  • توصیه ها Recommendations

  • جاسازی های داده محور Data-driven Embeddings

  • تنتورهای پراکنده Sparse Tensors

  • آموزش تعبیه Train an Embedding

  • خاصیت تشابه Similarity Property

  • Lab Intro: معرفی API عملکردی Lab Intro: Introducing the Functional API

  • آزمایشگاه: معرفی Keras Functional API Lab: Introducing the Keras Functional API

  • خواندن منابع - 7 - جاسازی Resources Readings - 7 - Embedding

خلاصه Summary

  • خلاصه دوره Course Summary

  • منابع - فهرست خوانده شده Resources - Compiled List of Readings

  • تمام س Quالات و پاسخ های مسابقه All Quiz Questions and Answers

نمایش نظرات

نظری ارسال نشده است.

آموزش هنر و علم یادگیری ماشین
خرید اشتراک و دانلود خرید تکی و دانلود | 160,000 تومان (5 روز مهلت دانلود) زمان تقریبی آماده سازی لینک دانلود این دوره آموزشی حدود 5 تا 24 ساعت می باشد.
جزییات دوره
2h 39m
51
Pluralsight (پلورال سایت) pluralsight-small
27 آذر 1399 (آخرین آپدیت رو دریافت می‌کنید، حتی اگر این تاریخ بروز نباشد.)
-
از 5
دارد
دارد
دارد
Google Cloud

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Google Cloud Google Cloud

ایجاد تحول دیجیتال با آموزش درخواستی

Google Cloud آموزش و گواهینامه های درخواستی را در فناوری های ابری در حال ظهور ارائه می دهد.

Google Cloud با صدها آزمایشگاه، دوره و نشان مهارت، متخصصان را قادر می‌سازد تا مهارت‌های ابری حیاتی را با سرعت خودشان ایجاد کنند. آزمایشگاه‌های عملی این شرکت اعتبارنامه‌های موقتی را به منابع واقعی ابر ارائه می‌دهند، بنابراین افراد می‌توانند Google Cloud را با استفاده از چیز واقعی یاد بگیرند. فراگیران همچنین می توانند با کسب گواهینامه های Google Cloud و/یا نشان های مهارتی که می توانند با شبکه خود به اشتراک بگذارند، تخصص خود را تأیید کنند.

در وب‌سایت رسمی Google Cloud بیشتر بیاموزید.

Pluralsight (پلورال سایت)

Pluralsight یکی از پرطرفدارترین پلتفرم‌های آموزش آنلاین است که به میلیون‌ها کاربر در سراسر جهان کمک می‌کند تا مهارت‌های خود را توسعه دهند و به روز رسانی کنند. این پلتفرم دوره‌های آموزشی در زمینه‌های فناوری اطلاعات، توسعه نرم‌افزار، طراحی وب، مدیریت پروژه، و موضوعات مختلف دیگر را ارائه می‌دهد.

یکی از ویژگی‌های برجسته Pluralsight، محتوای بروز و با کیفیت آموزشی آن است. این پلتفرم با همکاری با توسعه‌دهندگان و کارشناسان معتبر، دوره‌هایی را ارائه می‌دهد که با توجه به تغییرات روزافزون در صنعت فناوری، کاربران را در جریان آخرین مفاهیم و تکنولوژی‌ها نگه می‌دارد. این امر به کاربران این اطمینان را می‌دهد که دوره‌هایی که در Pluralsight می‌پذیرند، با جدیدترین دانش‌ها و تجارب به روز شده‌اند.