آموزش آموزش ماشین آمازون وب وب

Amazon Web Services Machine Learning Essential Training

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره: خدمات وب آمازون (AWS) خدمات و ابزارهای گسترده ای را ارائه می دهد که به دانشمندان داده کمک می کند تا یادگیری ماشین را برای ساخت راه حل های بهتر و هوشمندتر استفاده کنند. در این دوره ، با الگوها ، خدمات ، فرایندها و بهترین روشهای طراحی و پیاده سازی یادگیری ماشین با استفاده از AWS آشنا شوید. مربی لین لانگیت نگاهی می اندازد به مفاهیم کلی یادگیری ماشین ، از جمله انواع الگوریتم اصلی یادگیری ماشین. او همچنین انواع سرویس های موجود را بررسی می کند ، مانند یادگیری ماشین AWS ، Lex ، Polly و Rekognition ، که می توانید برای پیش بینی برچسب های تصویر و فیلم استفاده کنید. به علاوه ، او چگونگی کار با سیستم عامل هایی مانند AWS SageMaker را که شامل نوت بوک های میزبان Jupyter است ، گام برمی دارد.
موضوعات شامل:
  • سناریوهای تجاری را که از یادگیری ماشین بهره مند می شوند توصیف کنید.
  • انواع مختلف الگوریتم های مورد استفاده در یادگیری ماشین را شناسایی کنید.
  • نحوه استفاده از Rekognition برای پیش بینی برچسب های تصویر و فیلم را توضیح دهید.
  • نحوه استفاده از الگوریتم های یادگیری ماشین سفارشی را با SageMaker نشان دهید.
  • یادگیری عمیق و یادگیری سنتی را مقایسه و مقایسه کنید.
  • نحوه استفاده از VariantSpark هنگام کار با داده های مقیاس ژنومی را خلاصه کنید.

سرفصل ها و درس ها

مقدمه Introduction

  • خوش آمدی Welcome

  • درباره استفاده از خدمات ابری About using cloud services

1. یادگیری ماشین در AWS 1. Machine Learning on AWS

  • مفاهیم یادگیری ماشین AWS AWS Machine Learning concepts

  • سناریوهای تجاری برای یادگیری ماشین Business scenarios for machine learning

  • از کدام الگوریتم باید استفاده کنم؟ Which algorithm should I use?

  • سرورهای AWS AI در مقابل سیستم عامل ها AWS AI servers vs. platforms

  • سیستم عامل AWS AI و. چارچوب AWS AI platforms vs. frameworks

  • طبقه بندی کننده عمل: Amazon Macie A classifier in action: Amazon Macie

2. خدمات API یادگیری ماشین 2. Machine Learning API Services

  • تنظیم API های یادگیری ماشین AWS Setup for AWS machine learning APIs

  • پیش بینی استفاده از AWS Comphehend برای NLP Predict using AWS Comprehend for NLP

  • پیش بینی استفاده از متن به گفتار AWS Polly Predict using AWS Polly text-to-speech

  • پیش بینی استفاده از AWS Lex برای چت بابات Predict using AWS Lex for chatbots

  • با استفاده از تشخیص AWS برای تصاویر پیش بینی کنید Predict using AWS Rekognition for images

  • پیش بینی استفاده از AWS Reklamition برای فیلم Predict using AWS Rekognition for video

  • با استفاده از رونویسی و ترجمه پیش بینی کنید Predict using Transcribe and Translate

3. سکوهای یادگیری ماشین 3. Machine Learning Platforms

  • درک سیستم عامل های ML Understanding ML platforms

  • درک و استفاده از آموزش ماشین AWS Understanding and using AWS Machine Learning

  • درک SageMaker Understanding SageMaker

  • نوت بوک های Jupyter را با SageMaker ایجاد کنید Create Jupyter notebooks with SageMaker

  • با نوت بوک SageMaker داده دریافت کنید Get data with SageMaker notebook

  • مدل قطار با کار SageMaker Train model with SageMaker job

  • استقرار و مدل میزبان با مدل SageMaker Deploy and host model with SageMaker model

  • از نقطه نظر SageMaker از مدل استفاده کنید Use model from SageMaker endpoint

  • انتخاب الگوریتم برای آموزش مدل Selecting algorithm for model training

  • استفاده پیشرفته از SageMaker Advanced use of SageMaker

4. سرورهای مجازی یادگیری ماشین 4. Machine Learning Virtual Servers

  • درک سرورهای مجازی ML Understanding ML virtual servers

  • درک یادگیری عمیق Understanding deep learning

  • با Gluon برای MXNet در SageMaker همکاری کنید Work with Gluon for MXNet in SageMaker

  • با MXNet در SageMaker کار کنید Work with MXNet in SageMaker

  • داده های داده شده در AWS Databricks on AWS

  • با MXNet در Databricks کار کنید Work with MXNet in Databricks

  • AMI های یادگیری عمیق AWS را تنظیم کنید Set up the AWS Deep Learning AMIs

  • با AWS Deep Learning AMI کار کنید Work with the AWS Deep Learning AMI

  • برای یادگیری ماشین با EMR کار کنید Work with EMR for machine learning

5- معماری های یادگیری ماشین 5. Machine Learning Architectures

  • API های AWS ML برای برنامه های مکالمه AWS ML APIs for conversational apps

  • سرویس AWS ML برای برنامه های IoT AWS ML service for IoT apps

  • Spark ML و Databricks AWS برای برنامه های زمان واقعی Spark ML and Databricks AWS for real-time apps

  • VariantSpark و EMR برای تحقیقات ژنومی VariantSpark and EMR for genomic research

  • بهترین روش ها برای الگوریتم ها و معماری ها Best practices for algorithms and architectures

نتیجه Conclusion

  • مراحل بعدی Next steps

نمایش نظرات

آموزش آموزش ماشین آمازون وب وب
جزییات دوره
3h 7m
40
Linkedin (لینکدین) Linkedin (لینکدین)
(آخرین آپدیت)
82,228
- از 5
ندارد
دارد
دارد
Lynn Langit
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Lynn Langit Lynn Langit

Cloud Architect

Lynn Langit یک معمار ابری است که با خدمات وب آمازون و Google Cloud Platform کار می کند.

لین متخصص در پروژه های کلان داده است. او با AWS Athena، Aurora، Redshift، Kinesis و IoT کار کرده است. او همچنین کارهای تولیدی را با Databricks برای Apache Spark و Google Cloud Dataproc، Bigtable، BigQuery و Cloud Spanner انجام داده است.

لین همچنین بنیانگذار  است. آموزش برنامه نویسی به کودکان. او درباره داده ها و فناوری های ابری در آمریکای شمالی و جنوبی، اروپا، آفریقا، آسیا و استرالیا صحبت کرده است.