آموزش یادگیری ماشین AWS با مثال

AWS Machine Learning by Example

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره: با آمازون وب سرویس (AWS) به یادگیری ماشین عمیق تر بپردازید. در این دوره عملی ، مربی جاناتان فرناندس به شما کمک می کند تا شما را با وظایف معمول یادگیری ماشین آشنا کند ، و روش نحوه دسترسی به هرکدام را با استفاده از تکنیک های کلیدی: طبقه بندی باینری ، طبقه بندی چند کلاسه و رگرسیون نشان می دهد. در طول دوره ، او چندین مثال را مرور می کند ، با استفاده از مجموعه داده های کاگل برای کاوش عملی. بعلاوه ، او برخی از مفاهیم ضروری یادگیری ماشین را مرور می کند و به شما کمک می کند تا شما را با سایر قابلیت های AWS ، از جمله SageMaker و عمیق یادگیری AMI آشنا کند.
موضوعات شامل:
  • الگوریتم های یادگیری و ابر پارامترها
  • آماده سازی داده ها برای AWS
  • استفاده از تکنیک های باینری ، چند کلاسه و رگرسیون
  • ایجاد یک منبع داده
  • تولید پیش بینی ها
  • ایجاد و تفسیر پیش بینی های دسته ای
  • قابلیت های اضافی AWS

سرفصل ها و درس ها

مقدمه Introduction

  • خوش آمدی Welcome

  • Amazon ML و SageMaker Amazon ML and SageMaker

  • آنچه باید قبل از تماشای این دوره بدانید What you should know before watching this course

  • تنظیم یک حساب کاربری AWS Setting up an AWS account

1. آشنایی با یادگیری ماشین 1. Introduction to Machine Learning

  • بررسی اجمالی ماشین Machine learning overview

  • الگوریتم های یادگیری و ابرپارامترهای یادگیری Learning algorithms and hyperparameters

  • مراحل یادگیری ماشین AWS Steps in AWS machine learning

2. مدل دودویی 2. Binary Model

  • بررسی مجموعه داده های مدل باینری Exploring our binary model data set

  • تهیه داده های ما برای AWS Preparing our data for AWS

  • ایجاد یک پایگاه داده Creating a datasource

  • تأیید طرح یادگیری ماشین AWS Confirming AWS machine learning schema

  • ایجاد یک مدل طبقه بندی باینری Creating a binary classification model

  • درک عملکرد پیش بینی کننده مدل باینری Understanding binary model's predictive performance

  • تنظیم عملکرد پیش بینی مدل باینری Setting binary model's predictive performance

  • استفاده از مدل طبقه بندی دودویی برای تولید پیش بینی ها Using the binary classification model to generate predictions

  • ایجاد پیش بینی های دسته ای در یادگیری ماشین AWS Creating batch predictions in AWS machine learning

  • پاکسازی محیط مدل طبقه بندی دودویی Binary classification model environment cleanup

3. مدل چندکلاسی 3. Multiclass Model

  • مجموعه داده های مدل چند طبقه ما Exploring our multiclass model data set

  • تهیه داده های چند کلاسی Multiclass data preparation

  • مدل یادگیری دستگاه چند کلاسی AWS AWS multiclass machine learning model

  • پیش بینی ها و ارزیابی مدل یادگیری چند کلاس Predictions and evaluations of multiclass learning model

  • پیش بینی های چند کلاسی AWS ایجاد کنید Generate predictions for AWS multiclass

  • پیش بینی های دسته ای چندکلاسی Creating multiclass batch predictions

  • پیش بینی های دسته ای تفسیر Interpreting batch predictions

  • محیط مدل چندکلاسی را تمیز کنید Clean multiclass model environment

4. مدل رگرسیون 4. Regression Model

  • کاوش در مجموعه داده های مدل رگرسیون Exploring our regression model data set

  • تهیه داده های رگرسیون Regression data preparation

  • ایجاد یک مدل یادگیری ماشین AWS Creation of an AWS machine learning model

  • پیش بینی ها و ارزیابی های یک مدل یادگیری ماشین Predictions and evaluations of a machine learning model

  • پیش بینی های دسته ای رگرسیون Regression batch predictions

  • محیط مدل رگرسیون تمیز Clean regression model environment

5. مروری بر سایر قابلیت های AWS 5. Overview of Other AWS Capabilities

  • SageMaker ، Deep Learning AMI ، Apache MXNet SageMaker, Deep Learning AMI, Apache MXNet

نتیجه Conclusion

  • مراحل بعدی Next steps

نمایش نظرات

آموزش یادگیری ماشین AWS با مثال
جزییات دوره
1h 25m
33
Linkedin (لینکدین) Linkedin (لینکدین)
(آخرین آپدیت)
53,929
- از 5
ندارد
دارد
دارد
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Jonathan Fernandes Jonathan Fernandes

مشاور متمرکز بر علوم داده ، هوش مصنوعی و داده های بزرگ جاناتان فرناندس برای یک مشاور کار می کند و در درجه اول روی علوم داده ، هوش مصنوعی و داده های بزرگ تمرکز دارد.

جاناتان از کار خود لذت می برد ، زیرا عشق او به اعداد ، کدگذاری و آمار را ترکیبی می کند. جاناتان دارای مدرک کارشناسی علوم کامپیوتر و MBA از دانشگاه وارویک است.