لطفا جهت پرداخت (ورود به درگاه بانک) فیلترشکن خود را خاموش نمایید.
لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش برچسب گذاری داده ها برای یادگیری ماشینی
Data Labeling for Machine Learning
نکته:
آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره:
تقریباً 2.5 کوئینتیلیون بایت داده هر روز تولید میشود - عمدتاً دادههای خام و بدون برچسب - اما تکنیکهای یادگیری تحت نظارت برای یادگیری ماشینی نیاز به برچسبگذاری دادهها برای استفاده از آن برای آموزش دارند. این باعث میشود برچسبگذاری دادهها، زمانبر و پرهزینه باشد، اما بخشی حیاتی از یادگیری ماشین است. در این دوره، جانانی راوی، معمار ابر و مهندس داده خبره گوگل، شما را راهنمایی می کند که چگونه با برچسب گذاری داده ها شروع کنید. درباره رویکردهای مختلف برچسبگذاری دادهها و همچنین چالشها، بهترین شیوهها و موارد استفاده از آن اطلاعات کسب کنید. با Azure ML به برچسبگذاری دادهها بروید و نحوه راهاندازی یک پروژه برچسبگذاری تصویر و انجام برچسبگذاری دستی تصویر، بررسی و بررسی پیشرفت را بیاموزید. مراحل کامل انجام برچسبگذاری دادههای دستی و به کمک ML در Azure را طی کنید، سپس نحوه استفاده از Snorkel برای برچسبگذاری دادهها، از جمله نحوه ایجاد عملکردها و مدلهای برچسبگذاری متنوع را بررسی کنید.
این دوره توسط جانانی راوی ایجاد شده است. ما خوشحالیم که میزبان این آموزش در کتابخانه خود هستیم.
سرفصل ها و درس ها
معرفی
Introduction
نیاز به برچسب گذاری داده ها
The need for data labeling
1. با برچسب گذاری داده ها شروع کنید
1. Get Started with Data Labeling
فرآیند برچسب گذاری داده ها
The data labeling process
رویکردهای برچسب گذاری داده ها
Approaches to data labeling
چالشهای برچسبگذاری دادهها، بهترین شیوهها و موارد استفاده
Data labeling challenges, best practices, and use cases
برچسب گذاری داده ها با Azure ML
Data labeling with Azure ML
راه اندازی یک فضای کاری Azure ML
Setting up an Azure ML workspace
راه اندازی پروژه برچسب گذاری تصویر: ایجاد دارایی های داده
Setting up an image labeling project: Creating data assets
راه اندازی پروژه برچسب گذاری تصویر: پیکربندی تنظیمات
Setting up an image labeling project: Configuring settings
برچسب زدن و بررسی دستی تصویر
Manual image labeling and review
بررسی پیشرفت برچسبگذاری دستی
Manual labeling progress checks
2. برچسبگذاری دادههای دستی و ML-Assisted روی Azure را انجام دهید
2. Perform Manual and ML-Assisted Data Labeling on Azure
یادگیری ماشین خودکار برای طبقه بندی تصاویر
Automated machine learning for image classification
بررسی معیارهای آموزشی مدل
Examining model training metrics
بینش پروژه برچسب گذاری داده ها
Data labeling project insights
برچسبگذاری به کمک ML با خوشهبندی و پیش برچسبگذاری
ML assisted labeling with clustering and pre-labeling
پیکربندی استنتاج برای اجراهای آموزشی جدید
Configuring inference for new training runs
کاوش مجموعه داده برچسبگذاری شده
Exploring the labeled dataset
3. از Snorkel برای برچسب گذاری داده ها استفاده کنید
3. Use Snorkel for Data Labeling
برچسب گذاری برنامه ای با اسنورکل
Programmatic labeling with Snorkel
لینکدین: شبکه اجتماعی حرفهای برای ارتباط و کارآفرینی
لینکدین به عنوان یکی از بزرگترین شبکههای اجتماعی حرفهای، به میلیونها افراد در سراسر جهان این امکان را میدهد تا ارتباط برقرار کنند، اطلاعات حرفهای خود را به اشتراک بگذارند و فرصتهای شغلی را کشف کنند. این شبکه اجتماعی به کاربران امکان میدهد تا رزومه حرفهای خود را آپدیت کنند، با همکاران، دوستان و همکاران آینده ارتباط برقرار کنند، به انجمنها و گروههای حرفهای ملحق شوند و از مقالات و مطالب مرتبط با حوزه کاری خود بهرهمند شوند.
لینکدین همچنین به کارفرمایان امکان میدهد تا به دنبال نیروهای با تجربه و مهارت مورد نیاز خود بگردند و ارتباط برقرار کنند. این شبکه حرفهای به عنوان یک پلتفرم کلیدی برای بهبود دسترسی به فرصتهای شغلی و گسترش شبکه حرفهای خود، نقش مهمی را ایفا میکند. از این رو، لینکدین به عنوان یکی از مهمترین ابزارهای کارآفرینی و توسعه حرفهای در دنیای امروز مورد توجه قرار دارد.
Janani Ravi یک معمار و مهندس داده خبره Google cloud است.
جنانی مدرک کارشناسی ارشد خود را در رشته مهندسی برق از دانشگاه استنفورد دریافت کرد و برای مایکروسافت، گوگل و فلیپ کارت کار کرده است. او یکی از بنیانگذاران Loonycorn است، یک استودیوی محتوا که بر ارائه محتوای با کیفیت بالا برای توسعه مهارت های فنی متمرکز است، جایی که او عشق خود را به فناوری با اشتیاق خود به تدریس ترکیب می کند.
نمایش نظرات