آموزش طراحی و پیاده‌سازی راهکار علم داده در Azure (DP-100): اکتشاف داده‌ها و اجرای آزمایش‌ها - آخرین آپدیت

دانلود Designing and Implementing a Data Science Solution on Azure (DP-100): Explore Data, and Run Experiments

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: متخصصان در جریان‌های کاری علم داده در Azure اغلب با چالش‌هایی در زمینه اکتشاف بهینه داده‌ها، آزمایش مدل‌ها و بهینه‌سازی عملکرد در مقیاس وسیع مواجه هستند. در این دوره آموزشی با عنوان «طراحی و پیاده‌سازی راهکار علم داده در Azure (DP-100): اکتشاف داده‌ها و اجرای آزمایش‌ها»، شما توانایی رفع گلوگاه‌های رایج یادگیری ماشین (ML) را کسب خواهید کرد و قادر خواهید بود راهکارهای علم داده مقیاس‌پذیر و اخلاق‌مدار را در Azure پیاده‌سازی کنید. در ابتدا، مفاهیم بنیادی یادگیری ماشین را درک خواهید کرد. سپس، نحوه ساخت مدل‌ها با استفاده از یادگیری نظارت شده (Supervised Learning) در سرویس Azure ML را خواهید آموخت. در نهایت، روش ساخت مدل‌ها با معماری ترنسفورمر (Transformer Architecture) را با استفاده از سرویس Azure ML فرا خواهید گرفت. پس از اتمام این دوره، شما مهارت‌ها و دانش لازم در زمینه اکتشاف داده‌ها و اجرای آزمایش‌ها در Azure ML را برای موفقیت در آزمون DP-100 به‌دست خواهید آورد.

سرفصل ها و درس ها

مقدمه‌ای بر الگوریتم‌های یادگیری ماشین نظارت شده Introduction to Supervised Machine Learning Algorithms

  • نحوه عملکرد الگوریتم یادگیری ماشین KNN Working of KNN ML Algorithm

  • پارامترهای الگوریتم یادگیری ماشین KNN Parameters of KNN ML Algorithm

  • انواع گره‌ها در درخت تصمیم Type of Nodes in Decision Tree

  • تقسیم گره‌ها در الگوریتم طبقه‌بندی درخت تصمیم Splitting of Nodes in Decision Tree Classifier ML Algorithm

  • تنظیم هایپرپارامتر با روش Grid Search Grid Search Hyperparameter Tuning

  • تنظیم هایپرپارامتر با روش Random Search Random Search Hyperparameter Tuning

پیاده‌سازی الگوریتم‌های یادگیری ماشین نظارت شده Implementation of Supervised Machine Learning Algorithms

  • مراحل ایجاد مدل یادگیری نظارت شده Steps to Create Supervised Learning Model

  • اصول هوش مصنوعی مسئولانه Responsible AI Principles

  • پاک‌سازی داده‌ها Cleaning Data

  • مدیریت ویژگی‌های غیر عددی Handling Non- Numeric Features

  • تقسیم داده‌ها به مجموعه‌های آموزشی و آزمایشی Splitting Data into Training and Testing Datasets

  • مقیاس‌بندی ویژگی‌ها (Feature Scaling) Feature Scaling

ساخت مدل‌ها با یادگیری نظارت شده در سرویس Azure ML Building Models with Supervised Learning using Azure ML Service

  • سرویس Azure ML چیست What Is Azure ML Service

  • منابع پردازشی (Computes) در سرویس Azure ML Computes in Azure ML Service

  • دمو: ایجاد یک مدل در Azure با استفاده از Notebook Demo: Creating a Model in Azure with Notebook

  • دمو: ردیابی آزمایش‌ها با MLFlow Demo: Tracking with MLFlow

  • دمو: ایجاد منابع پردازشی و دارایی‌های داده برای AutoML Demo: Creating compute and data asset for AutoML

  • دمو: ایجاد یک مدل در Azure با AutoML Demo: Creating a Model in Azure with AutoML

  • دمو: ایجاد یک مدل در Azure با Designer Demo: Creating a Model in Azure with Designer

  • دمو: ایجاد کامپوننت سفارشی در Designer Demo: Creating Custom Component in Designer

ساخت مدل‌ها با معماری ترنسفورمر در سرویس Azure ML Building Models with Transformer Architecture using Azure ML Service

  • درک بینایی ماشین (Computer Vision) Understanding Computer Vision

  • معماری‌های مدل‌سازی برای بینایی ماشین Modelling Architectures for Computer Vision

  • دمو: ایجاد دارایی داده برای مدل بینایی ماشین Demo: Creating Data Asset for Computer Vision Model

  • دمو: ایجاد مدل بینایی ماشین Demo: Creating Computer Vision Model

  • درک پردازش زبان طبیعی (NLP) Understanding NLP

  • الگوریتم‌های مدل‌سازی برای NLP Modelling Algorithms for NLP

  • دمو: ایجاد مدل NLP Demo: Creating NLP Model

نمایش نظرات

آموزش طراحی و پیاده‌سازی راهکار علم داده در Azure (DP-100): اکتشاف داده‌ها و اجرای آزمایش‌ها
جزییات دوره
1h 30m
27
(آخرین آپدیت)
1
از 5
دارد
دارد
دارد
Smit Shah
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Smit Shah Smit Shah

اسمیث شاه (Smit Shah) یک مدرس تایید شده مایکروسافت (MCT) است که سابقه درخشانی در حوزه فناوری اطلاعات و ارائه آموزش به شرکت‌های چندملیتی مختلف از جمله Deloitte، Accenture، Cognizant، LTIMindTree و غیره در ۷ سال گذشته دارد. او در زمینه‌های علوم داده، یادگیری ماشین، یادگیری عمیق، هوش مصنوعی مولد (GenAI)، تحلیل داده، آمار، Azure، پایتون، DBMS و بسیاری موارد دیگر تخصص دارد.