کانال تلگرام پشتیبانی تلگرام شماره تماس پشتیبانی: 0930 395 3766
ورود ثبت نام

آموزش شروع با H20.ai

Getting Started with H20.ai

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیویی برای نمایش وجود ندارد.
توضیحات دوره: این دوره شما را با دستور العمل های مختلف H2O’s Driverless AI آشنا می کند. شما یاد خواهید گرفت که یک خط لوله کاملاً خودکار ML ، با مهندسی ویژگی داخلی ، تبدیل ویژگی ها ، تجسم خودکار و مکانیسم استنتاج ایجاد کنید. آیا می خواهید خطوط لوله پایان ML را با استفاده از H2O Driverless AI بسازید؟ در این دوره ، شروع به کار با H2O.ai ، شما یاد خواهید گرفت که با استفاده از الگوریتم های طبقه بندی/رگرسیون داخلی ، مدل سازی پیش بینی ML را انجام دهید. ابتدا ، شما نحوه جذب مجموعه داده ها از چندین منبع مانند S3 ، FileSystem ، پایگاه داده و غیره را کشف خواهید کرد. سپس ، الگوهای همبستگی را بر اساس دسته ای از روش های تجسم موجود در داخل کشف خواهید کرد. سرانجام ، شما می آموزید که چگونه می توان مهندسی/تحولات ویژگی ، تشخیص دور و آموزش را بر اساس دکمه های تنظیم چندگانه مانند نمره ، تفسیرپذیری و دقت انجام داد. پس از پایان این دوره ، مهارت و دانش استفاده از قابلیت استفاده از هوش مصنوعی بدون راننده H2O را خواهید داشت تا بتوانید خطوط لوله پیش بینی را از ابتدا تا تولید آماده کنید.
سرفصل ها و درس ها

بررسی اجمالی دوره Course Overview

  • بررسی اجمالی دوره Course Overview

پردازش مجموعه داده ها به H2O Driverless AI Onboarding Datasets to H2O Driverless AI

  • مقدمه ای بر دوره Introduction to the Course

  • مقدمه ای بر هوش مصنوعی بدون راننده Introduction to Driverless AI

  • خط لوله بدون راننده Driverless Pipeline

  • نسخه ی نمایشی: نصب H2O Driverless AI Demo: Installation of H2O Driverless AI

  • نسخه ی نمایشی: مصرف داده ها به AI بدون راننده Demo: Ingest Data to Driverless AI

  • خلاصه Summary

تجسم الگوهای داده بر اساس ویژگی های ورودی Visualizing Data Patterns Based on Input Features

  • مقدمه ای بر تجسم خودکار Introduction to Automatic Visualization

  • ویژگی های تجسم خودکار Features of Automatic Visualization

  • نسخه ی نمایشی: تجسم خودکار در مجموعه داده کارت اعتباری Demo: Automatic Visualization on Credit Card Dataset

  • خلاصه Summary

پیاده سازی مهندسی ویژگی و تحولات Implementing Feature Engineering and Transformations

  • مقدمه ای بر مهندسی ویژگی و دستور العمل های داخلی Introduction to Feature Engineering and Built-in Recipes

  • اهمیت ویژگی و مهندسی ویژگی Feature Importance and Feature Engineering

  • نسخه ی نمایشی: دستورالعمل های داخلی Demo: Built-in Recipes

  • نسخه ی نمایشی: دستورالعمل سفارشی را بارگذاری کنید Demo: Upload Custom Recipe

  • خلاصه Summary

پیش بینی نتایج از مدل های آموزش دیده Predicting the Results from Trained Models

  • مقدمه ای بر دستگیره های آموزشی Introduction to Training Knobs

  • سطح گروه Ensemble Levels

  • نسخه ی نمایشی: با تنظیمات پیش فرض دستگیره آزمایش کنید Demo: Experiment with Default Knob Settings

  • نسخه ی نمایشی: با تنظیمات دکمه های سفارشی آزمایش کنید Demo: Experiment with Custom Knob Settings

  • خلاصه Summary

تجزیه و تحلیل نتایج پیش بینی شده بر اساس تنظیم پارامتر Analyzing Predicted Results Based on Parameter Tuning

  • مقدمه ای بر فنون امتیازدهی Introduction to Scoring Techniques

  • تفسیر پذیری یادگیری ماشین Machine Learning Interpretability

  • نسخه ی نمایشی: تفسیر پذیری یادگیری ماشین Demo: Machine Learning Interpretability

  • نسخه ی نمایشی: استنتاج مدل Demo: Model Inference

  • خلاصه Summary

آموزش مبانی داستان سرایی داده

آموزش مبانی داستان سرایی داده

Fundamentals of Data Storytelling

آموزش مبانی معماری ابر

آموزش مبانی معماری ابر

Foundations for Cloud Architecture

آموزش Figma: شروع کار

آموزش Figma: شروع کار

Figma: Getting Started

نمایش نظرات

آموزش شروع با H20.ai
جزییات دوره
1h 26m
26
Pluralsight (پلورال سایت) Pluralsight (پلورال سایت)
(آخرین آپدیت)
-
از 5
دارد
دارد
دارد
Niraj Joshi

https://donyad.com/d/8dc8

جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Niraj Joshi Niraj Joshi

نیراژ یک ابر متخصص AWS/Azure DevSecOps با بیش از یک دهه تجربه کار در مدل سازی داده با پایگاه های داده مانند Cassandra ، MongoDB ، SparkSQL ، ElasticSearch و SQL Server است. وی بیش از 7 سال سابقه کار در زمینه ویژن رایانه ، هوش مصنوعی ، DevOps ، یادگیری ماشین و Big Data Stack را دارد ، وی مشاور شرکت هایی مانند CISCO ، ERICSSON ، عناصر پویا و JP مورگان بوده است. وی مهارت های تجسم/تجزیه و تحلیل داده ها و کاملاً مسلط به زبانهایی مانند پایتون ، R ، جولیا و اکتاو است.

دنیاد