پروژه های ML را روی AWS Master SageMaker بسازید

Build ML Projects on AWS Master SageMaker

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره: قفل قدرت AWS SageMaker: تسلط بر مبانی و پیشرفت مهارت‌های شما مقدمه‌ای بر Amazon SageMaker: ویژگی‌ها و قابلیت‌های SageMaker را به عنوان یک پلتفرم یادگیری ماشینی کاوش کنید. مقدمه ای بر یادگیری ماشینی: اصول یادگیری ماشینی، از جمله یادگیری تحت نظارت و بدون نظارت، الگوریتم ها و مدل ها را بدانید. تجسم داده ها: تکنیک های تجسم و درک داده های خود را با استفاده از ابزارها و کتابخانه های موجود در SageMaker کاوش کنید. آموزش مدل: نحوه آموزش مدل‌های یادگیری ماشین با استفاده از زیرساخت SageMaker، از جمله آموزش توزیع‌شده و تنظیم فراپارامتر را بدانید. پیش نیازها: دانش پایه رایانش ابری: داشتن درک اساسی از مفاهیم و خدمات رایانش ابری ضروری است، زیرا AWS SageMaker یک پلت فرم یادگیری ماشین مبتنی بر ابر است. اصول یادگیری ماشین: معمولاً درک کامل مفاهیم و الگوریتم های یادگیری ماشین ضروری است. شما باید با یادگیری تحت نظارت و بدون نظارت، رگرسیون، طبقه بندی و ارزیابی مدل آشنا باشید. نوت بوک های Jupyter: بسیاری از دوره های SageMaker از نوت بوک های Jupyter برای تمرین های عملی استفاده می کنند. آشنایی با نوت بوک های Jupyter مفید است.

شرح دوره:

با دوره جامع ما "تسلط بر AWS SageMaker"، پتانسیل کامل AWS SageMaker را باز کنید و به یک متخصص یادگیری ماشین و علم داده تبدیل شوید. چه مبتدی باشید که به دنبال کشف دنیای یادگیری ماشینی هستید یا یک حرفه ای با تجربه که به دنبال ارتقای مهارت های خود هستید، این دوره کلید شما برای تسلط بر پلت فرم AWS SageMaker است.

نکات برجسته دوره:

  1. مبانی AWS SageMaker: سفر خود را با درک مفاهیم اصلی AWS SageMaker، محاسبات ابری و یادگیری ماشین آغاز کنید. اطلاعاتی در مورد اجزای کلیدی SageMaker و نحوه انطباق آنها با جریان کار یادگیری ماشینی به دست خواهید آورد.

  2. پیش پردازش داده ها و مهندسی ویژگی: نحوه آماده سازی و پیش پردازش داده ها برای یادگیری ماشینی را بیاموزید، مرحله ای ضروری در ساخت مدل های قوی. برای استخراج بینش معنادار از داده‌های خود، تکنیک‌های مهندسی ویژگی‌ها را کاوش کنید.

  3. ساخت و آموزش مدل: با ایجاد، آموزش و تنظیم دقیق مدل‌ها در SageMaker، در قلب یادگیری ماشینی فرو بروید. برای عملکرد بهتر مدل، الگوریتم‌های مختلف، استراتژی‌های بهینه‌سازی و تنظیم فراپارامتر را بدانید.

  4. استقرار مدل‌ها: نحوه استقرار مدل‌های یادگیری ماشین خود را در تولید با SageMaker کشف کنید. شما بهترین شیوه‌ها را برای استقرار مدل‌ها در مقیاس، اطمینان از در دسترس بودن بالا و دستیابی به عملکرد بهینه بررسی خواهید کرد.

  5. یادگیری ماشین خودکار (AutoML): قدرت AutoML را با SageMaker کشف کنید، به شما این امکان را می دهد که بسیاری از جنبه های فرآیند یادگیری ماشین را خودکار کنید و در زمان و تلاش شما در توسعه مدل صرفه جویی کنید.

  6. MLOps و مدل مانیتورینگ: یاد بگیرید که چگونه بهترین شیوه های MLOps را پیاده سازی کنید و نظارت بر مدل خودکار را تنظیم کنید تا مطمئن شوید مدل های مستقر شما دقیق و قابل اعتماد باقی می مانند.

  7. موضوعات پیشرفته: به موضوعات پیشرفته ای مانند پردازش زبان طبیعی (NLP)، بینایی رایانه و یادگیری تقویتی در AWS SageMaker بپردازید. موارد و برنامه های کاربردی در دنیای واقعی را کاوش کنید.

  8. پروژه‌های عملی: در طول دوره، روی پروژه‌ها و تمرین‌های عملی کار خواهید کرد و آنچه را که آموخته‌اید در سناریوهای دنیای واقعی به کار خواهید برد.

  9. آماده سازی گواهینامه: اگر به دنبال کسب گواهینامه AWS در یادگیری ماشین هستید، این دوره یک پایه قوی برای کمک به شما در موفقیت در آزمون گواهینامه فراهم می کند.

چه کسی باید ثبت نام کند:

  • دانشمندان و تحلیلگران داده

  • توسعه دهندگان نرم افزار

  • مهندسین یادگیری ماشین

  • مهندسین داده

  • متخصصان فناوری اطلاعات

  • هر کسی که علاقه مند به تسلط بر AWS SageMaker و یادگیری ماشین است


سرفصل ها و درس ها

مبانی AWS SageMaker: ماژول 1 - مقدمه و مبانی Foundations of AWS SageMaker: Module 1 - Introduction and Basics

  • مبانی AWS SageMaker: ماژول 1 - مقدمه و مبانی Foundations of AWS SageMaker: Module 1 - Introduction and Basics

SageMaker Data Preparation Essentials SageMaker Data Preparation Essentials

  • SageMaker Data Preparation Essentials SageMaker Data Preparation Essentials

آموزش مدل پیشرفته با SageMaker: آموزش توزیع شده و اشکال زدایی Advanced Model Training with SageMaker: Distributed Training and Debugging

  • آموزش مدل پیشرفته با SageMaker: آموزش توزیع شده و اشکال زدایی Advanced Model Training with SageMaker: Distributed Training and Debugging

استقرار مدل موثر با آمازون SageMaker: استراتژی هایی برای موفقیت Effective Model Deployment with Amazon SageMaker: Strategies for Success

  • استقرار مدل موثر با آمازون SageMaker: استراتژی هایی برای موفقیت Effective Model Deployment with Amazon SageMaker: Strategies for Success

SageMaker Excellence: بهترین شیوه ها و مطالعات موردی در عملیات یادگیری ماشینی SageMaker Excellence: Best Practices and Case Studies in Machine Learning Operat

  • SageMaker Excellence: بهترین شیوه ها و مطالعات موردی در عملیات یادگیری ماشینی SageMaker Excellence: Best Practices and Case Studies in Machine Learning Operat

تسلط AWS SageMaker: از داده تا رابط کاربری - آزادسازی صحنه عملکردی AWS SageMaker Mastery: From Data to User Interface - Unleashing Functional Scena

  • تسلط AWS SageMaker: از داده تا رابط کاربری - آزادسازی صحنه عملکردی AWS SageMaker Mastery: From Data to User Interface - Unleashing Functional Scena

استفاده از AWS SageMaker: یادگیری ماشینی عملی با مجموعه داده Iris Leveraging AWS SageMaker: Hands-On Machine Learning with the Iris Dataset

  • استفاده از AWS SageMaker: یادگیری ماشینی عملی با مجموعه داده Iris Leveraging AWS SageMaker: Hands-On Machine Learning with the Iris Dataset

استفاده از AWS SageMaker: ساخت مدل های یادگیری ماشین برای داده های بانکی Leveraging AWS SageMaker: Building Machine Learning Models for Banking Data

  • استفاده از AWS SageMaker: ساخت مدل های یادگیری ماشین برای داده های بانکی Leveraging AWS SageMaker: Building Machine Learning Models for Banking Data

نمایش نظرات

پروژه های ML را روی AWS Master SageMaker بسازید
جزییات دوره
1 hour
8
Udemy (یودمی) Udemy (یودمی)
(آخرین آپدیت)
2,666
2.2 از 5
ندارد
دارد
دارد
Akhil Vydyula
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Akhil Vydyula Akhil Vydyula

Full Stack Data Scientist

سلام!

اسم من Akhil Vydyula است، من یک دانشمند داده هستم

من قبلاً روی تجزیه و تحلیل داده های BFSI کار کرده بودم و مهارت های مدل سازی برای نظارت بر چرخه تمام عمر توسعه و اجرا. او دارای توانایی قوی است.

قابلیت بحث در مورد داده ها، مهندسی ویژگی، توسعه الگوریتم، آموزش مدل و پیاده سازی.

مهارت ها و شایستگی ها

دانش و تجربه تخصصی با برنامه نویسی C/C++/python و SQL.

باید قادر به یادگیری و اجرای سریع و موثر فناوری های جدید باشد.

مهارت های ریاضی عالی، مهارت های منطقی حل مسئله .

شرکت فعال در هکاتون ها در پلتفرم های مختلف و نوشتن وبلاگ در رسانه.

مهارت های فنی

یادگیری ماشین، پردازش زبان طبیعی (NLP)، Computer Vision، Regression، Multi Label

Classification.Transfer Learning، Transformers، Ensembles، Stacking Classifiers.AutoML، SQL، Python، Keras، Pandas، NumPy، Seaborn، Matplotlib، Clustering، Systems Recommendation ,تحلیل سری زمانی.