آموزش هنر و علم ML

The Art and Science of ML

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
توضیحات دوره: به هنر و علم یادگیری ماشینی خوش آمدید. در این دوره علم داده، مهارت های ضروری شهود ML، قضاوت خوب و آزمایش را برای تنظیم دقیق و بهینه سازی مدل های ML خود برای بهترین عملکرد یاد خواهید گرفت. در این دوره شما تعداد زیادی دستگیره و اهرم های مربوط به آموزش یک مدل را خواهید آموخت. ابتدا آنها را به صورت دستی تنظیم خواهید کرد تا تأثیر آنها را بر عملکرد مدل مشاهده کنید. پس از آشنایی با دستگیره ها و اهرم ها، که در غیر این صورت به عنوان هایپرپارامتر شناخته می شوند، یاد خواهید گرفت که چگونه آنها را به صورت خودکار با استفاده از Cloud Machine Learning Engine در Google Cloud Platform تنظیم کنید.

سرفصل ها و درس ها

معرفی Introduction

  • معرفی Introduction

  • معرفی Introduction

هنر ML The Art of ML

  • معرفی Introduction

  • معرفی Introduction

  • منظم سازی Regularization

  • منظم سازی Regularization

  • تنظیم L1 و L2 L1 & L2 Regularizations

  • تنظیم L1 و L2 L1 & L2 Regularizations

  • شروع کار با GCP و Qwiklabs Getting Started With GCP And Qwiklabs

  • شروع کار با GCP و Qwiklabs Getting Started With GCP And Qwiklabs

  • معرفی آزمایشگاه - منظم سازی Lab Intro - Regularization

  • معرفی آزمایشگاه - منظم سازی Lab Intro - Regularization

  • راه حل آزمایشگاهی - منظم سازی Lab Solution - Regularization

  • راه حل آزمایشگاهی - منظم سازی Lab Solution - Regularization

  • میزان یادگیری و اندازه دسته ای Learning Rate and Batch Size

  • میزان یادگیری و اندازه دسته ای Learning Rate and Batch Size

  • بهينه سازي Optimization

  • بهينه سازي Optimization

  • تمرین با کد تنسورفلو Practicing with Tensorflow Code

  • تمرین با کد تنسورفلو Practicing with Tensorflow Code

  • Lab Intro - Hand-Tuning ML Models Lab Intro - Hand-Tuning ML Models

  • Lab Intro - Hand-Tuning ML Models Lab Intro - Hand-Tuning ML Models

  • آزمایشگاه: [ML on GCP C5] دقت مدل را با تنظیم دستی فراپارامترها بهبود دهید Lab: [ML on GCP C5] Improve model accuracy by hand-tuning hyperparameters

  • آزمایشگاه: [ML on GCP C5] دقت مدل را با تنظیم دستی فراپارامترها بهبود دهید Lab: [ML on GCP C5] Improve model accuracy by hand-tuning hyperparameters

  • راه حل آزمایشگاه - مدل های ML تنظیم دستی Lab Solution - Hand-Tuning ML Models

  • راه حل آزمایشگاه - مدل های ML تنظیم دستی Lab Solution - Hand-Tuning ML Models

تنظیم فراپارامتر Hyperparameter Tuning

  • معرفی Introduction

  • معرفی Introduction

  • پارامترها در مقابل فراپارامترها Parameters vs Hyperparameters

  • پارامترها در مقابل فراپارامترها Parameters vs Hyperparameters

  • فراتر از جستجوی شبکه فکر کنید Think Beyond Grid Search

  • فراتر از جستجوی شبکه فکر کنید Think Beyond Grid Search

  • معرفی آزمایشگاه - بهبود دقت مدل با تنظیم Hyperparameter با Cloud MLE Lab Intro - Improve Model Accuracy by Hyperparameter Tuning with Cloud MLE

  • معرفی آزمایشگاه - بهبود دقت مدل با تنظیم Hyperparameter با Cloud MLE Lab Intro - Improve Model Accuracy by Hyperparameter Tuning with Cloud MLE

  • آزمایشگاه: [ML در GCP C5] بهبود دقت مدل با تنظیم فراپارامتر با Cloud MLE Lab: [ML on GCP C5] Improve model accuracy by hyperparameter tuning with Cloud MLE

  • آزمایشگاه: [ML در GCP C5] بهبود دقت مدل با تنظیم فراپارامتر با Cloud MLE Lab: [ML on GCP C5] Improve model accuracy by hyperparameter tuning with Cloud MLE

  • راه حل آزمایشگاهی - بهبود دقت مدل با تنظیم Hyperparameter با Cloud MLE Lab Solution - Improve Model Accuracy by Hyperparameter Tuning with Cloud MLE

  • راه حل آزمایشگاهی - بهبود دقت مدل با تنظیم Hyperparameter با Cloud MLE Lab Solution - Improve Model Accuracy by Hyperparameter Tuning with Cloud MLE

کمی علم A Pinch of Science

  • معرفی Introduction

  • معرفی Introduction

  • تنظیم برای اسپاسیت Regularization for Sparsity

  • تنظیم برای اسپاسیت Regularization for Sparsity

  • معرفی آزمایشگاه - تنظیم L1 Lab Intro - L1 Regularization

  • معرفی آزمایشگاه - تنظیم L1 Lab Intro - L1 Regularization

  • راه حل آزمایشگاه - تنظیم L1 Lab Solution - L1 Regularization

  • راه حل آزمایشگاه - تنظیم L1 Lab Solution - L1 Regularization

  • رگرسیون لجستیک Logistic Regression

  • رگرسیون لجستیک Logistic Regression

علم شبکه های عصبی The Science of Neural Networks

  • معرفی Introduction

  • معرفی Introduction

  • شبکه های عصبی Neural Networks

  • شبکه های عصبی Neural Networks

  • معرفی آزمایشگاه - زمین بازی شبکه های عصبی Lab Intro - Neural Networks Playground

  • معرفی آزمایشگاه - زمین بازی شبکه های عصبی Lab Intro - Neural Networks Playground

  • آموزش شبکه های عصبی Training Neural Networks

  • آموزش شبکه های عصبی Training Neural Networks

  • معرفی آزمایشگاه - استفاده از شبکه های عصبی برای ساخت مدل ML Lab Intro - Using Neural Networks to build a ML Model

  • معرفی آزمایشگاه - استفاده از شبکه های عصبی برای ساخت مدل ML Lab Intro - Using Neural Networks to build a ML Model

  • آزمایشگاه: [ML on GCP C5] با استفاده از شبکه های عصبی برای ساخت مدل ML Lab: [ML on GCP C5] Using Neural Networks to build ML model

  • آزمایشگاه: [ML on GCP C5] با استفاده از شبکه های عصبی برای ساخت مدل ML Lab: [ML on GCP C5] Using Neural Networks to build ML model

  • شبکه های عصبی چند کلاسه Multi-class Neural Networks

  • شبکه های عصبی چند کلاسه Multi-class Neural Networks

جاسازی ها Embeddings

  • مقدمه ای بر جاسازی ها Intro to Embeddings

  • مقدمه ای بر جاسازی ها Intro to Embeddings

  • بررسی تعبیه‌ها Review of Embeddings

  • بررسی تعبیه‌ها Review of Embeddings

  • توصیه ها Recommendations

  • توصیه ها Recommendations

  • تعبیه‌های مبتنی بر داده Data-driven Embeddings

  • تعبیه‌های مبتنی بر داده Data-driven Embeddings

  • تانسورهای پراکنده Sparse Tensors

  • تانسورهای پراکنده Sparse Tensors

  • آموزش تعبیه Train an Embedding

  • آموزش تعبیه Train an Embedding

  • ویژگی تشابه Similarity Property

  • ویژگی تشابه Similarity Property

برآوردگر سفارشی Custom Estimator

  • برآوردگر سفارشی Custom Estimator

  • برآوردگر سفارشی Custom Estimator

  • تابع مدل Model Function

  • تابع مدل Model Function

  • معرفی آزمایشگاه - پیاده سازی یک برآوردگر سفارشی Lab Intro- Implementing a Custom Estimator

  • معرفی آزمایشگاه - پیاده سازی یک برآوردگر سفارشی Lab Intro- Implementing a Custom Estimator

  • آزمایشگاه: [ML on GCP C5] با استفاده از برآوردگرهای سفارشی Lab: [ML on GCP C5] Using Custom Estimators

  • آزمایشگاه: [ML on GCP C5] با استفاده از برآوردگرهای سفارشی Lab: [ML on GCP C5] Using Custom Estimators

  • مدل های کراس Keras Models

  • مدل های کراس Keras Models

  • نسخه ی نمایشی Keras + برآوردگر Demo of Keras + Estimator

  • نسخه ی نمایشی Keras + برآوردگر Demo of Keras + Estimator

خلاصه Summary

  • خلاصه Summary

  • خلاصه Summary

  • خلاصه تخصص Specialization Summary

  • خلاصه تخصص Specialization Summary

نمایش نظرات

نظری ارسال نشده است.

آموزش هنر و علم ML
خرید اشتراک و دانلود خرید تکی و دانلود | 160,000 تومان (5 روز مهلت دانلود) زمان تقریبی آماده سازی لینک دانلود این دوره آموزشی حدود 5 تا 24 ساعت می باشد.
جزییات دوره
3h 29m
92
Pluralsight (پلورال سایت) pluralsight-small
12 مرداد 1398 (آخرین آپدیت رو دریافت می‌کنید، حتی اگر این تاریخ بروز نباشد.)
3
از 5
دارد
دارد
دارد
Google Cloud

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Google Cloud Google Cloud

ایجاد تحول دیجیتال با آموزش درخواستی

Google Cloud آموزش و گواهینامه های درخواستی را در فناوری های ابری در حال ظهور ارائه می دهد.

Google Cloud با صدها آزمایشگاه، دوره و نشان مهارت، متخصصان را قادر می‌سازد تا مهارت‌های ابری حیاتی را با سرعت خودشان ایجاد کنند. آزمایشگاه‌های عملی این شرکت اعتبارنامه‌های موقتی را به منابع واقعی ابر ارائه می‌دهند، بنابراین افراد می‌توانند Google Cloud را با استفاده از چیز واقعی یاد بگیرند. فراگیران همچنین می توانند با کسب گواهینامه های Google Cloud و/یا نشان های مهارتی که می توانند با شبکه خود به اشتراک بگذارند، تخصص خود را تأیید کنند.

در وب‌سایت رسمی Google Cloud بیشتر بیاموزید.

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.