آموزش مدل سازی با یادگیری ماشین AWS

Modeling with AWS Machine Learning

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیویی برای نمایش وجود ندارد.
توضیحات دوره: همراه با تجربه کاری خوب و دانش در مورد نحوه آموزش و ارزیابی مدل ها ، شما باید درک خوبی از همه الگوریتم های ML ارائه شده توسط AWS داشته باشید. این دوره موارد استفاده از الگوریتم های داخلی ارائه شده توسط AWS را به شما آموزش می دهد. هنگامی که صحبت از زیرساخت ابر می شود ، AWS به عنوان راننده اصلی ، از خدمات پیشرفته ای برخوردار است که نوبت به یادگیری ماشین می رسد. در این دوره ، مدل سازی با یادگیری ماشین AWS ، یاد خواهید گرفت که داده های خود را به مدل بهینه تبدیل کنید که از AWS SageMaker استفاده می کند. ابتدا الگوریتم های یادگیری نظارت شده و بدون نظارت را که در حساب AWS شما داخلی است کاوش خواهید کرد و یاد خواهید گرفت که چگونه آنها را برای یک مشکل خاص تجاری اعمال کنید. در مرحله بعدی ، شما با معماری شبکه های عصبی یادگیری عمیق و الگوریتم های داخلی ارائه شده توسط AWS آشنا می شوید که به طور خاص به دید رایانه و دامنه پردازش زبان اختصاص دارد. سرانجام ، شما می آموزید که چگونه یک مدل را بر روی یک دفترچه یادداشت SageMaker آموزش دهید ، مدل را در برابر معیار هدف ارزیابی کنید و ابر پارامترها را دقیق تنظیم کنید و به یک مدل با عملکرد مطلوب برسید. پس از اتمام این دوره ، مهارت و دانش همه الگوریتم های داخلی AWS را خواهید داشت و مدل های خود را که برای تسلط بر AWS SageMaker و پاک کردن امتحان گواهینامه AWS Machine Learning Speciality مورد نیاز هستند ، آموزش ، ارزیابی و تنظیم می کنید.

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

نمایش نظرات

آموزش مدل سازی با یادگیری ماشین AWS
جزییات دوره
2h 13m
21
Pluralsight (پلورال سایت) Pluralsight (پلورال سایت)
(آخرین آپدیت)
-
از 5
دارد
دارد
دارد
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Saravanan Dhandapani Saravanan Dhandapani

من بیش از یک دهه است که در برخی از 100 شرکت برتر ثروتمند در زمینه طراحی ، توسعه و معماری فناوری اطلاعات کار می کنم. من درگیر تنظیم دقیق فرآیند تحویل نرم افزار ، بهبود عملکرد و توسعه نرم افزار مقیاس پذیر و قابل حمل بوده ام. برخی از مناطق کلیدی که در آنها کار کرده ام عبارتند از جاوا ، ESB ، تامکت ، ReactJS ، جاوا اسکریپت ، لینوکس ، اوراکل ، SVN ، GIT و غیره.