لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
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
نمایش نظرات