آموزش پیش بینی سری زمانی با پیش بینی آمازون

Time Series Forecasting with Amazon Forecast

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیویی برای نمایش وجود ندارد.
توضیحات دوره: این دوره به شما یاد می دهد که چگونه با آمازون پیش بینی ، یک سرویس مدیریت شده که پیش بینی های دقیق آینده را با استفاده از یادگیری ماشین ، با تهیه داده ها و مدل های پیش بینی آموزش ، فراهم می کند ، کار کنید. Amazon Forecast یک سرویس مدیریت شده است که پیش بینی های دقیق آینده را با استفاده از یادگیری ماشین ارائه می دهد. در این دوره ، پیش بینی سری زمانی با آمازون پیش بینی ، شما یاد خواهید گرفت که از آمازون پیش بینی و فن آوری یادگیری ماشین برای ایجاد پیش بینی دقیق سری زمانی استفاده کنید. در ابتدا ، شما اصول آمازون پیش بینی ، نحوه کار و نحوه تنظیم آن را برای استفاده آماده خواهید کرد. در مرحله بعدی ، با ایجاد یک مجموعه داده گروهی و درک دامنه ها و انواع مجموعه داده ها ، نحوه ایجاد یک مجموعه داده سری زمانی هدف را کشف خواهید کرد. در مرحله بعدی ، شما می آموزید که چگونه یک پیش بینی کننده را آموزش دهید ، پرس و جوهای پیش بینی کننده را ایجاد و استقرار دهید و نتایج واقعی و پیش بینی شده را در کنسول بدست آورید و تجسم کنید. پس از اتمام این دوره ، مهارت و دانش لازم در مورد چگونگی استفاده از آمازون پیش بینی برای ایجاد دقیق پیش بینی های سری زمانی آینده با استفاده از پیش بینی های مدل سفارشی با الگوریتم های یادگیری ماشین برای ایجاد پیش بینی هایی که به راحتی قابل بررسی هستند ، خواهید داشت.

سرفصل ها و درس ها

بررسی اجمالی دوره Course Overview

  • بررسی اجمالی دوره Course Overview

شروع کار با پیش بینی آمازون Getting Started with Amazon Forecast

  • مقدمه ، بررسی اجمالی و پیش نیازها Introduction, Overview, and Prerequisites

  • بررسی اجمالی پیش بینی آمازون Amazon Forecast Overview

  • م Amazonلفه های پیش بینی آمازون Amazon Forecast Components

  • پیش بینی آمازون چگونه کار می کند How Amazon Forecast Works

  • پیش بینی در مقابل سایر راه حل ها و دامنه ها Forecast vs. Other Solutions and Domains

  • نسخه ی نمایشی - ثبت نام برای پیش بینی آمازون Demo - Signing up for Amazon Forecast

  • خلاصه Summary

آماده سازی داده ها برای آمازون پیش بینی Preparing Data for Amazon Forecast

  • مقدمه و بررسی اجمالی Introduction and Overview

  • درک نحوه تهیه داده Understanding Data Preparation

  • گروه داده و مجموعه داده هدف Dataset Group and Target Dataset

  • ایجاد یک گروه داده و مجموعه داده Creating a Dataset Group and Dataset

  • الگوریتم ها و گردش کار Algorithms and Workflow

  • ارزیابی پیش بینی Evaluating a Predictor

  • ساخت یک پیش بینی و پیش بینی Building a Predictor and Forecast

  • نسخه ی نمایشی - ایجاد گروه و مجموعه داده Demo - Creating the Dataset Group and Dataset

  • نسخه ی نمایشی - ساخت یک پیش بینی و پیش بینی Demo - Building a Predictor and Forecast

  • خلاصه Summary

ارزیابی پیش بینی Evaluating a Forecast

  • مقدمه و بررسی اجمالی Introduction and Overview

  • گردش کار ارزیابی Evaluation Workflow

  • پیش بینی را با نتایج واقعی مقایسه کنید Compare Prediction to Actual Results

  • نسخه ی نمایشی - ارزیابی و پاکسازی پیش بینی Demo - Forecast Evaluation and Cleanup

  • خلاصه Summary

نمایش نظرات

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.

آموزش پیش بینی سری زمانی با پیش بینی آمازون
جزییات دوره
0h 59m
23
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

Eduardo Freitas Eduardo Freitas

ادواردو یک علاقه مند به فناوری ، معمار نرم افزار و طرفدار موفقیت مشتری است. او راه حل های دات نت سازمانی را طراحی کرده است که فرآیندهای مهم تجاری مانند راه حل های حساب های قابل پرداخت و Mailroom را برای انواع سازمان ها استخراج ، اعتبارسنجی و خودکار می کند. وی سیستم های تولید را برای نام های جهانی مانند کوکا کولا ، انل ، پیرلی ، فیات-کرایسلر ، زیراکس و بسیاری دیگر طراحی و پشتیبانی کرده است. او یک متخصص شناخته شده در بخش بازار مدیریت محتوای سازمانی است ، به طور خاص در ضبط و استخراج داده ها و اتوماسیون فرآیند اسناد تمرکز دارد. او یک سیستم پردازش فاکتور تأمین کننده برای Agfa طراحی کرد که 50٪ پردازش مستقیم (50٪ فاکتورهای استخراج شده از کاغذ ، تأیید و صادر شده به SAP بدون هیچ گونه اعتبار انسانی) را به دست آورد. او همچنین دوست دارد در مورد فن آوری های پیشرفته بنویسد. او عاشق کمک به موفقیت مشتریان است. در اوقات فراغت او از گذراندن وقت با خانواده و بیرون بودن لذت می برد. او عاشق دویدن و ورزش است.