نکته:
آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیویی برای نمایش وجود ندارد.
توضیحات دوره:
تعداد بیشتری از ابزارها برای یادگیری ماشین در جاوا وجود دارد. این دوره به شما می آموزد که چگونه ابزار مناسب برای کار یادگیری ماشین خود را انتخاب کنید ، همچنین نحوه شروع کار با این ابزار و نحوه استفاده از آن را انتخاب کنید. انتخاب ابزار مناسب برای یک مشکل یادگیری ماشین در میان گزینه های بی شمار آسان نیست. در این دوره ، در کاوش محیط یادگیری ماشین ماشینی جاوا ، ارزیابی ، شناسایی و استفاده از ابزار مناسب برای کار را یاد خواهید گرفت. ابتدا چندین ویژگی از ابزارهای موجود برای یادگیری ماشین در جاوا را کشف خواهید کرد. در مرحله بعدی ، بسته به چندین سناریو ، جوانب مثبت و منفی هر ابزار را کشف خواهید کرد. در آخر ، شما یاد خواهید گرفت که چگونه با استفاده از هر یک از ابزارها ، مصرف داده ، آموزش یک مدل ، ارزیابی و تجسم عملکرد در محیط های مختلف و در مقیاس های مختلف ، کار را شروع کنید. وقتی این دوره را به پایان رسانید ، مهارت و دانش محیط یادگیری ماشین Java را که برای اجرای م .ثر خطوط لوله در صنعت لازم است ، خواهید داشت.
سرفصل ها و درس ها
بررسی اجمالی دوره
Course Overview
-
بررسی اجمالی دوره
Course Overview
درک اکوسیستم یادگیری ماشین جاوا
Understanding the Java Machine Learning Ecosystem
-
معرفی
Introduction
-
نسخه ی نمایشی: ویترین Weka
Demo: Weka Showcase
-
نسخه ی نمایشی: ویترین Deeplearning4j (DL4J)
Demo: Deeplearning4j (DL4J) Showcase
-
نسخه ی نمایشی: ویترین Spark MLlib
Demo: Spark MLlib Showcase
-
خلاصه
Summary
پیاده سازی گردش کار یادگیری ماشین با Weka
Implementing a Machine Learning Workflow with Weka
-
معرفی
Introduction
-
نسخه ی نمایشی: آماده سازی و بارگیری داده ها با برنامه نویسی Weka
Demo: Data Preparation and Loading with Programmatic Weka
-
نسخه ی نمایشی: پیش پردازش داده ها با برنامه نویسی Weka
Demo: Data Preprocessing with Programmatic Weka
-
نسخه ی نمایشی: اجرای K-means با برنامه نویسی Weka
Demo: Implementing K-means with Programmatic Weka
-
نسخه ی نمایشی: ارزیابی و تجسم با Weka برنامه نویسی
Demo: Evaluation and Visualization with Programmatic Weka
-
نسخه ی نمایشی: گردش کامل کار در یک حرکت با رابط کاربری گرافیکی Weka
Demo: The Full Workflow in One Go with Weka GUI
-
خلاصه
Summary
پیاده سازی گردش کار یادگیری ماشین با DL4J
Implementing a Machine Learning Workflow with DL4J
-
معرفی
Introduction
-
نسخه ی نمایشی: آماده سازی و بارگیری داده ها با DL4J (قسمت 1: راه اندازی)
Demo: Data Preparation and Loading with DL4J (Part 1: Setup)
-
نسخه ی نمایشی: آماده سازی و بارگیری داده ها با DL4J (قسمت 2: DL4J DataSetIterator)
Demo: Data Preparation and Loading with DL4J (Part 2: DL4J DataSetIterator)
-
نسخه ی نمایشی: پیش پردازش داده ها با DL4J
Demo: Data Preprocessing with DL4J
-
نسخه ی نمایشی: اجرای طبقه بندی احساسات توییتر با DL4J
Demo: Implementing a Twitter Sentiment Classifier with DL4J
-
نسخه ی نمایشی: عملکرد و ارزیابی و تجسم با DL4J
Demo: Performance and Evaluation and Visualization with DL4J
-
خلاصه
Summary
پیاده سازی گردش کار یادگیری ماشین با Spark MLlib
Implementing a Machine Learning Workflow with Spark MLlib
-
معرفی
Introduction
-
نسخه ی نمایشی: آماده سازی و بارگیری داده ها با Spark MLlib
Demo: Data Preparation and Loading with Spark MLlib
-
نسخه ی نمایشی: پیش پردازش داده ها با Spark MLlib
Demo: Data Preprocessing with Spark MLlib
-
نسخه ی نمایشی: پیاده سازی طبقه بندی تصویر با Spark MLlib
Demo: Implementing an Image Classifier with Spark MLlib
-
نسخه ی نمایشی: عملکرد و ارزیابی و تجسم با Spark MLlib
Demo: Performance and Evaluation and Visualization with Spark MLlib
-
خلاصه
Summary
نمایش نظرات