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

آموزش مهندسی ویژگی‌ها و ارزیابی مدل‌ها برای محیط عملیاتی - آخرین آپدیت

دانلود Engineer Features and Evaluate Models for Production

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: دوره «مهندسی ویژگی‌ها و ارزیابی مدل‌ها برای محیط عملیاتی» یک دوره متوسط برای متخصصان یادگیری ماشین و دانشمندانی است که آماده‌اند از محیط نوت‌بوک‌ها فراتر رفته و سیستم‌های ML در سطح عملیاتی (Production-grade) بسازند. به دست آوردن یک مدل که یک‌بار درست کار کند آسان است؛ اما تبدیل آن به مدلی قابل اعتماد، تکرارپذیر و بهینه در محیط عملیاتی، چالش اصلی است. این دوره نظم مهندسی لازم برای پر کردن این شکاف را فراهم می‌کند. شما یاد می‌گیرید که با استفاده از ColumnTransformer در scikit-learn، خط لوله‌های (Pipelines) مهندسی ویژگی مستحکم و تکرارپذیری بسازید تا انواع داده‌های ترکیبی شامل عددی، دسته‌ای و متنی را در یک جریان کاری واحد و بهینه مدیریت کنید. سپس، از معیارهای ساده‌ای مانند دقت (Accuracy) فراتر رفته و یاد می‌گیرید که آزمایش‌ها را مانند یک متخصص MLOps ارزیابی کنید. با استفاده از TensorBoard، منحنی‌های آموزش و اعتبارسنجی را برای تشخیص مشکلاتی مانند بیش‌برازش (Overfitting) بررسی کرده، تحلیل تبادل عملکرد (Trade-offs) را انجام داده و تصمیماتی مبتنی بر داده بگیرید. این دوره با یک گزارش جامع از مهندسی ویژگی و ارزیابی به پایان می‌رسد که در آن مهارت‌های خود را برای انتخاب یک مدل آماده برای محیط عملیاتی به کار می‌گیرید. در نهایت، شما نه تنها مدل می‌سازید، بلکه قادر خواهید بود سیستم‌های ML قابل اعتماد، بهینه و مناسب برای تولید صنعتی طراحی کنید.
سرفصل ها و درس ها

ساخت خط لوله‌های مهندسی ویژگی Build Feature Engineering Pipelines

  • نحوه ساخت ColumnTransformer: گام به گام How to Build a ColumnTransformer: Step-by-Step

ارزیابی آزمایش‌ها و پیشنهاد مدل Evaluate Experiments and Recommend a Model

  • چرا امتیاز دقت بالا می‌تواند فریبنده باشد Why a High Accuracy Score Can Be a Lie

آموزش جامع Azure Container Apps – از مفاهیم پایه تا استقرار پیشرفته

آموزش جامع Azure Container Apps – از مفاهیم پایه تا استقرار پیشرفته

دانلود Azure Container Apps – From Basics to Advanced Deployment

آموزش ساخت و استقرار چت‌بات‌ها با استفاده از Dialogflow

آموزش ساخت و استقرار چت‌بات‌ها با استفاده از Dialogflow

دانلود Build and Deploy Chatbots Using Dialogflow

آموزش معرفی هوش مصنوعی و یادگیری ماشین در گوگل کلاد (Google Cloud)

آموزش معرفی هوش مصنوعی و یادگیری ماشین در گوگل کلاد (Google Cloud)

دانلود Présentation de l'IA et du machine learning sur Google Cloud

نمایش نظرات

آموزش مهندسی ویژگی‌ها و ارزیابی مدل‌ها برای محیط عملیاتی
جزییات دوره
2h 46m
2
(آخرین آپدیت)
956
- از 5
دارد
دارد
دارد
Chris Croft

https://donyad.com/d/6b0796

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

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Chris Croft Chris Croft

مربی مدیریت، سخنران، نویسنده

Data Transformation Technical Writing MLOps (Machine Learning Operations) Feature Engineering Data Preprocessing Model Evaluation Machine Learning Methods Model Optimization Model Deployment Performance Analysis Data Pipelines Model Training Analysis تبدیل داده‌ها نویسندگی فنی MLOps مهندسی ویژگی پیش‌پردازش داده‌ها ارزیابی مدل روش‌های یادگیری ماشین بهینه‌سازی مدل استقرار مدل تحلیل عملکرد خط لوله‌های داده آموزش مدل تحلیل