آموزش یادگیری ماشین خودکار با کتابخانه AutoGluon در پایتون

Automated Machine Learning with AutoGluon Library in Python

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
توضیحات دوره: کشف کنید که چگونه به راحتی کل خطوط لوله یادگیری ماشین را با کتابخانه بسیار قدرتمند Autogluon از AWS خودکار کنید. نحوه نصب و راه اندازی کتابخانه Autogluon Python را در محیط محلی خود بیاموزید. مهارت‌هایی را در فرآیندهای آماده‌سازی و تمیز کردن داده‌ها ایجاد کنید که برای نتایج یادگیری ماشینی موفق با استفاده از Autogluon حیاتی هستند. بهترین روش‌ها را برای انتخاب و پیکربندی مدل‌های یادگیری ماشین برای دستیابی به نتایج بهینه با حداقل تلاش کشف کنید. نحوه استفاده از Autogluon برای ایجاد مدل‌های با دقت بالا برای وظایف طبقه‌بندی تصویر، از جمله تشخیص شی، تقسیم‌بندی و طبقه‌بندی را بررسی کنید. نحوه استفاده از Autogluon برای انجام وظایف پردازش زبان طبیعی (NLP) مانند تجزیه و تحلیل احساسات را بدانید. نحوه آموزش و استقرار مدل‌های سری زمانی با استفاده از Autogluon برای پیش‌بینی دقیق رویدادها یا روندهای آینده را بیاموزید. تجربه عملی در استفاده از Autogluon برای تجزیه و تحلیل داده های جدولی و ساخت مدل های پیش بینی برای برنامه های کاربردی تجاری و پیش بینی مالی به دست آورید. پیش نیازها: مقداری تجربه پایتون مورد نیاز است. تجربه یادگیری ماشین قبلی مفید است، اما نیازی نیست.

به دوره آنلاین ما در Autogluon خوش آمدید!

آیا از صرف ساعت‌های بی‌شماری برای انجام کارهای تکراری و وقت‌گیر در مورد یادگیری ماشین خسته شده‌اید؟ آیا می خواهید وظایف یادگیری ماشین خود را خودکار کنید و با کمترین تلاش به عملکرد پیش بینی قوی در برنامه های خود برسید؟ به Autogluon نگاه نکنید.


دوره جامع آنلاین ما برای ارائه مهارت‌ها و دانش لازم برای استفاده از کتابخانه Autogluon Python برای خودکارسازی وظایف یادگیری ماشین طراحی شده است. فقط با چند خط کد، می‌توانید مدل‌های یادگیری ماشینی و یادگیری عمیق با دقت بالا را روی تصویر، متن، سری‌های زمانی و داده‌های جدولی آموزش دهید و به کار ببرید.


در طول دوره، نحوه نصب و راه اندازی کتابخانه Autogluon Python را در محیط محلی یا مبتنی بر ابر خود خواهید آموخت. همچنین مهارت‌هایی را در فرآیندهای آماده‌سازی و تمیز کردن داده‌ها توسعه خواهید داد که برای نتایج یادگیری ماشینی موفق با استفاده از Autogluon حیاتی هستند. علاوه بر این، بهترین روش‌ها را برای انتخاب و پیکربندی مدل‌های یادگیری ماشین برای دستیابی به نتایج بهینه با حداقل تلاش پوشش خواهیم داد.


دوره ما همچنین با استفاده از Autogluon برای ایجاد مدل‌های با دقت بالا برای کارهای طبقه‌بندی تصویر، از جمله تشخیص اشیا، تقسیم‌بندی و طبقه‌بندی، به بررسی عمیقی می‌پردازد. همچنین یاد خواهید گرفت که چگونه از Autogluon برای انجام وظایف پردازش زبان طبیعی (NLP) مانند تجزیه و تحلیل احساسات، ترجمه زبان و شناسایی موجودیت نام‌گذاری شده استفاده کنید.


اما این همه چیز نیست! همچنین نحوه آموزش و استقرار مدل‌های سری زمانی با استفاده از Autogluon را برای پیش‌بینی دقیق رویدادها یا روندهای آینده پوشش خواهیم داد. شما تجربه عملی در استفاده از Autogluon برای تجزیه و تحلیل داده های جدولی و ساخت مدل های پیش بینی برای برنامه های کاربردی تجاری و پیش بینی مالی کسب خواهید کرد.


در پایان این دوره، مهارت‌هایی در تکنیک‌های تفسیر و ارزیابی مدل برای ارزیابی دقت و قابلیت اطمینان مدل‌های یادگیری ماشین ایجاد شده با استفاده از Autogluon خواهید داشت. شما می‌توانید دانش به‌دست‌آمده از این دوره را در سناریوهای دنیای واقعی، مانند ایجاد مدل‌های پیش‌بینی‌کننده برای ریزش مشتری، تشخیص تقلب، یا توصیه‌های شخصی‌سازی شده به کار ببرید.


دوره ما برای دانشمندان داده، مهندسین یادگیری ماشین و توسعه دهندگان نرم افزار طراحی شده است که به دنبال خودکارسازی وظایف یادگیری ماشینی خود و دستیابی به عملکرد پیش بینی قوی در برنامه های خود هستند. تجربه قبلی با مفاهیم برنامه نویسی پایتون و یادگیری ماشین توصیه می شود اما لازم نیست.


امروز در دوره آنلاین جامع ما ثبت نام کنید و یاد بگیرید که چگونه از Autogluon برای خودکارسازی وظایف یادگیری ماشینی خود استفاده کنید و با کمترین تلاش به عملکرد پیشگویانه قوی در برنامه های خود برسید.


سرفصل ها و درس ها

نمای کلی و مقدمه دوره Course Overview and Introduction

  • دانلود و فایل های دوره Course Downloads and Files

  • دوره خوش آمدید Course Welcome

  • مروری بر برنامه درسی دوره Course Curriculum Overview

  • نمای کلی AutoGluon AutoGluon Overview

داده های جدولی - طبقه بندی و رگرسیون Tabular Data - Classification and Regression

  • مقدمه ای بر بخش داده های جدولی Introduction to Tabular Data Section

  • اختیاری: مروری بر یادگیری تحت نظارت OPTIONAL: Supervised Learning Overview

  • طبقه بندی AutoGluon بخش اول: داده ها و تقسیم AutoGluon Classification Part One: Data and Split

  • طبقه بندی AutoGluon قسمت دوم: آموزش مدل AutoGluon Classification Part Two: Training the Model

  • اختیاری: تقسیم تست قطار و اعتبارسنجی متقابل OPTIONAL: Train Test Splits and Cross-Validation

  • طبقه بندی AutoGluon قسمت سوم: اعتبارسنجی AutoGluon Classification Part Three: Validation

  • اختیاری: درک معیارهای طبقه بندی OPTIONAL: Understanding Classification Metrics

  • طبقه‌بندی AutoGluon قسمت چهارم: تفسیرپذیری AutoGluon Classification Part Four: Interpretability

  • رگرسیون AutoGluon: داده، تقسیم، آموزش و اعتبارسنجی AutoGluon Regression: Data, Split, Training, and Validation

  • اختیاری: معیارهای رگرسیون OPTIONAL: Regression Metrics

  • پارامترهای AutoGluon Fit: محدودیت های استنتاج و فراپارامترهای دستی AutoGluon Fit Parameters: Inference Constraints and Manual Hyperparameters

  • AutoGluon پیشرفته: از پیش تنظیم و استقرار Advanced AutoGluon: Presets and Deployment

  • AutoGluon پیشرفته: خط لوله مهندسی ویژگی های سفارشی Advanced AutoGluon: Custom Feature Engineering Pipeline

مجموعه داده های چند وجهی Multi-Modal Datasets

  • مقدمه ای بر مسائل داده های چند وجهی Introduction to Multi-Modal Data Problems

  • اختیاری: مدل پیش بینی رتبه بندی کتاب آموزش دیده را از اینجا دانلود کنید Optional: Download Trained Book Rating Prediction Model Here

  • زبان طبیعی - مسئله چند کلاسه - قسمت اول Natural Language - MultiClass Problem - Part One

  • زبان طبیعی - مسئله چند کلاسه - قسمت دوم Natural Language - MultiClass Problem - Part Two

  • اختیاری: دانلود مدل تحلیل احساسات آموزش دیده Optional: Download Trained Sentiment Analysis Model

  • MultiModalPredictor در کلاس باینری با متن زبان طبیعی MultiModalPredictor on Binary Class with Natural Language Text

  • اختیاری: دانلود تصویر چندوجهی آموزش دیده، زبان طبیعی، و مدل جدولی Optional: Download Trained MultiModal Image, Natural Language, and Tabular Model

  • MultiModalPredictor با تصویر، متن طبیعی و داده های جدولی MultiModalPredictor with Image, Natural Text, and Tabular Data

پیش بینی سری های زمانی Time Series Forecasting

  • مقدمه ای بر سری زمانی Introduction to Time Series

  • مروری بر سری زمانی در AutoGluon Overview of Time Series in AutoGluon

  • پیش‌بینی سری زمانی تک متغیر در AutoGluon - قسمت اول Single Variate Time Series Forecasting in AutoGluon - Part One

  • پیش بینی سری زمانی تک متغیر در AutoGluon - قسمت دوم Single Variate Time Series Forecasting in AutoGluon - Part Two

  • پیش بینی سری زمانی تک متغیر در AutoGluon - قسمت سوم Single Variate Time Series Forecasting in AutoGluon - Part Three

  • پیش‌بینی سری زمانی متغیرهای شناخته شده در AutoGluon - قسمت اول Known Covariate Time Series Forecasting in AutoGluon - Part One

  • پیش بینی سری زمانی متغیرهای شناخته شده در AutoGluon - قسمت دوم Known Covariate Time Series Forecasting in AutoGluon - Part Two

  • پیش‌بینی سری‌های زمانی متغیرهای گذشته Past Covariate Time Series Forecasting

طبقه بندی تصویر و تشخیص اشیا Image Classification and Object Detection

  • مقدمه ای بر تصاویر Introduction to Images

  • راه اندازی آنلاین نوت بوک Google Colab Google Colab Notebook Online Set-Up

  • طبقه بندی تصویر Image Classification

  • OpenAI CLIP با AutoGluon OpenAI CLIP with AutoGluon

نمایش نظرات

نظری ارسال نشده است.

آموزش یادگیری ماشین خودکار با کتابخانه AutoGluon در پایتون
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
5.5 hours
37
Udemy (یودمی) udemy-small
22 فروردین 1402 (آخرین آپدیت رو دریافت می‌کنید، حتی اگر این تاریخ بروز نباشد.)
1,042
4.9 از 5
دارد
دارد
دارد
Jose Portilla

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Jose Portilla Jose Portilla

رئیس بخش علوم داده در آموزش پیریان

Udemy (یودمی)

یودمی یکی از بزرگ‌ترین پلتفرم‌های آموزشی آنلاین است که به میلیون‌ها کاربر در سراسر جهان امکان دسترسی به دوره‌های متنوع و کاربردی را فراهم می‌کند. این پلتفرم امکان آموزش در زمینه‌های مختلف از فناوری اطلاعات و برنامه‌نویسی گرفته تا زبان‌های خارجی، مدیریت، و هنر را به کاربران ارائه می‌دهد. با استفاده از یودمی، کاربران می‌توانند به صورت انعطاف‌پذیر و بهینه، مهارت‌های جدیدی را یاد بگیرند و خود را برای بازار کار آماده کنند.

یکی از ویژگی‌های برجسته یودمی، کیفیت بالای دوره‌ها و حضور استادان مجرب و با تجربه در هر حوزه است. این امر به کاربران اعتماد می‌دهد که در حال دریافت آموزش از منابع قابل اعتماد و معتبر هستند و می‌توانند به بهترین شکل ممکن از آموزش‌ها بهره ببرند. به طور خلاصه، یودمی به عنوان یکی از معتبرترین و موثرترین پلتفرم‌های آموزشی آنلاین، به افراد امکان می‌دهد تا به راحتی و با کیفیت، مهارت‌های مورد نیاز خود را ارتقا دهند و به دنبال رشد و پیشرفت شغلی خود باشند.