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
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.
نمایش نظرات