آموزش مدل سازی با یادگیری ماشین AWS

سرفصل ها و درس ها

بررسی اجمالی دوره Course Overview

• بررسی اجمالی دوره Course Overview

بنیاد ML و الگوریتم های یادگیری تحت نظارت ML Foundation and Supervised Learning Algorithms

• مبانی یادگیری ماشین Machine Learning Basics

• چرخه زندگی یادگیری ماشین Machine Learning Life Cycle

• اصطلاحات الگوریتم های ساخته شده در AWS Terminologies of AWS Built-in Algorithms

• Linear Learner و XGBoost Linear Learner and XGBoost

• KNN و تشخیص ناهنجاری KNN and Anomaly Detection

بنیاد و الگوریتم های یادگیری عمیق Deep Learning Foundation and Algorithms

• مبانی یادگیری عمیق Basics of Deep Learning

• Convolution Neural Networks: مقدمه ای Convolution Neural Networks: An Introduction

• الگوریتم های طبقه بندی تصویر ، تشخیص شیject و تقسیم بندی معنایی Image Classification, Object Detection, and Semantic Segmentation Algorithms

• شبکه های عصبی راجعه: مقدمه Recurrent Neural Networks: An Introduction

• الگوریتم های BlazingText ، Sequence2Sequence و Object2Vec BlazingText, Sequence2Sequence, and Object2Vec Algorithms

آموزش مدل های ML Train ML Models

• ایجاد یک نمونه نوت بوک SageMaker Creating a SageMaker Notebook Instance

• بلع داده Data Ingestion

• استراتژی های تقسیم داده ها Data Splitting Strategies

مدل های ML را ارزیابی کنید Evaluate ML Models

• معیارهای مدل طبقه بندی Metrics for Classification Models

• معیارهای مدل رگرسیون Metrics for Regression Models

• بیش از حد و زیر سازی Overfitting and Underfitting

• ارزیابی یک مدل: نسخه ی نمایشی Evaluating a Model: Demo

تنظیم مدلهای ML Tune ML Models

• مبانی Hyperparameter Fundamentals of Hyperparameter

• تنظیم Hyperparameter خودکار SageMaker: تنظیم SageMaker Automated Hyperparameter Tuning: Setup

• تنظیم Hyperparameter خودکار SageMaker: مانیتور SageMaker Automated Hyperparameter Tuning: Monitor