لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش ساخت مجموعهدادههای مصنوعی با هوش مصنوعی مولد
- آخرین آپدیت
دانلود Creating Synthetic Datasets with Generative AI
نکته:
ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره:
بسیاری از سازمانها با محدودیت در دسترسی به دادهها، محدودیتهای حریم خصوصی و نیاز به مجموعهدادههای آموزشی متنوع دست و پنجه نرم میکنند. تولید دستی دادههای مصنوعی زمانبر است و نیازمند تخصص عمیق در زمینه آمار است.
در این دوره، «ساخت مجموعهدادههای مصنوعی با هوش مصنوعی مولد»، شما یاد میگیرید که چگونه با کمک AI، مجموعهدادههای مصنوعی آماده برای محیط عملیاتی را تولید و اعتبارسنجی کنید.
در ابتدا، نحوه استفاده از کدهای تولید شده توسط AI برای ایجاد مجموعهدادههایی با توزیعهای آماری خاص و شبیهسازی الگوهای دادههای واقعی را بررسی خواهید کرد.
سپس، با تکنیکهای حفظ حریم خصوصی، از جمله استراتژیهای بینامسازی (Anonymization) و مکانیسمهای حریم خصوصی تفاضلی (Differential Privacy) آشنا میشوید.
در نهایت، یاد میگیرید که چگونه کیفیت دادههای مصنوعی را با استفاده از معیارهای وفاداری (Fidelity)، کاربردپذیری (Utility) و معیارهای حریم خصوصی اعتبارسنجی کنید.
پس از پایان این دوره، شما مهارتها و دانش لازم برای تولید دادههای مصنوعی به کمک هوش مصنوعی را کسب خواهید کرد تا مجموعهدادههایی واقعگرایانه و مطابق با استانداردهای حریم خصوصی ایجاد کنید که جریانهای کاری یادگیری ماشین شما را بهبود ببخشد.
سرفصل ها و درس ها
ساخت مجموعهدادههای مصنوعی با کیفیت بالا با AI
Creating high-quality synthetic datasets with AI
مقدمهای بر تولید دادههای مصنوعی و انواع توزیعها
Introduction to synthetic data generation and distribution types
شبیهسازی توزیع دادههای واقعی با کمک هوش مصنوعی
Mimicking real data distributions with AI assistance
تولید دادههای مصنوعی با حفظ حریم خصوصی
Privacy-preserving synthetic data generation
اعتبارسنجی و ارزیابی کیفیت دادههای مصنوعی
Validating and assessing synthetic data quality
اعتبارسنجی آماری دادههای مصنوعی
Statistical validation of synthetic data
معیارهای وفاداری و کاربردپذیری برای دادههای مصنوعی
Fidelity and utility metrics for synthetic data
معیارهای حریم خصوصی و چارچوب ارزیابی کیفیت
Privacy metrics and quality assessment framework
در حال حاضر یک رهبر IT در بخش مالی دنور کلرادو Russ از سال 1997 در سراسر مایکروسافت بر توسعه پایگاه داده ، مدل سازی ، مدیریت و BI تمرکز کرده است. راس یک مربی پرشور و داوطلب جامعه SQL است که به طور منظم در رویدادهای PASS SQL شنبه و گروه های کاربری محلی در ایالات متحده شرکت می کند.
نمایش نظرات