آموزش ایجاد و استقرار راه حل های استودیوی یادگیری ماشینی Microsoft Azure

Creating & Deploying Microsoft Azure Machine Learning Studio Solutions

در حال بارگزاری نمونه ویدیو، لطفا صبر کنید...
Video Player is loading.
Current Time 0:00
Duration 0:00
Loaded: 0%
Stream Type LIVE
Remaining Time 0:00
 
1x
    • Chapters
    • descriptions off, selected
    • subtitles off, selected
      نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
      نمونه ویدیوها:
      • در حال بارگزاری، لطفا صبر کنید...
      توضیحات دوره: با رشد سریع فناوری، همگام بودن با داده ها بسیار مهم است. در این دوره آموزشی، Creating & Deploying Microsoft Azure Machine Learning Studio Solutions، دانش بنیادی یادگیری ماشین را خواهید آموخت. ابتدا فرآیند علم داده تیمی را یاد خواهید گرفت. در مرحله بعد، وارد کردن، پاکسازی و تبدیل داده ها را کشف خواهید کرد. در نهایت، نحوه استقرار و مصرف سرویس های وب پیش بینی را بررسی خواهید کرد. در پایان این دوره، نحوه ایجاد آزمایشات علم داده با استفاده از انواع الگوریتم های یادگیری ماشین در یک رابط کاربری بصری را خواهید آموخت.

      سرفصل ها و درس ها

      بررسی اجمالی دوره Course Overview

      • بررسی اجمالی دوره Course Overview

      • بررسی اجمالی دوره Course Overview

      شروع کار با استودیوی یادگیری ماشینی Azure Getting Started with the Azure Machine Learning Studio

      • شروع شدن Getting Started

      • شروع شدن Getting Started

      • طرح کلی دوره Course Outline

      • طرح کلی دوره Course Outline

      • استودیوی یادگیری ماشین لاجورد در زمینه The Azure Machine Learning Studio in Context

      • استودیوی یادگیری ماشین لاجورد در زمینه The Azure Machine Learning Studio in Context

      • نسخه ی نمایشی Demo

      • نسخه ی نمایشی Demo

      • گشت و گذار در رابط کاربری A Tour of the User Interface

      • گشت و گذار در رابط کاربری A Tour of the User Interface

      آماده سازی داده ها و منابع داده Preparing Data and Data Sources

      • واردات از منابع داده Importing from Data Sources

      • واردات از منابع داده Importing from Data Sources

      • پیوستن به مجموعه داده ها Joining Datasets

      • پیوستن به مجموعه داده ها Joining Datasets

      • کاوش مجموعه داده ها Exploring Datasets

      • کاوش مجموعه داده ها Exploring Datasets

      • درک داده ها Understanding the Data

      • درک داده ها Understanding the Data

      • صادرات مجموعه داده ها Exporting Datasets

      • صادرات مجموعه داده ها Exporting Datasets

      مهندسی ویژگی - تمیز کردن، عادی سازی، و تبدیل داده های خام Feature Engineering - Cleaning, Normalizing, and Transforming Raw Data

      • مهندسی ویژگی و انتخاب Feature Engineering and Selection

      • مهندسی ویژگی و انتخاب Feature Engineering and Selection

      • پاک کردن داده های از دست رفته Clean Missing Data

      • پاک کردن داده های از دست رفته Clean Missing Data

      • موارد پرت Outliers

      • موارد پرت Outliers

      • تبدیل داده ها Transforming Data

      • تبدیل داده ها Transforming Data

      • انتخاب ویژگی Feature Selection

      • انتخاب ویژگی Feature Selection

      آموزش، ارزیابی و اصلاح مدل های یادگیری ماشینی Training, Evaluating, and Refining Machine Learning Models

      • الگوریتم های یادگیری ماشین Machine Learning Algorithms

      • الگوریتم های یادگیری ماشین Machine Learning Algorithms

      • آموزش و ارزیابی مدل رگرسیون لجستیک دو کلاسه Training and Evaluating a Two-class Logistic Regression Model

      • آموزش و ارزیابی مدل رگرسیون لجستیک دو کلاسه Training and Evaluating a Two-class Logistic Regression Model

      • مقایسه الگوریتم های طبقه بندی دو کلاسه Comparing Two-class Classification Algorithms

      • مقایسه الگوریتم های طبقه بندی دو کلاسه Comparing Two-class Classification Algorithms

      • رگرسیون خطی Linear Regression

      • رگرسیون خطی Linear Regression

      • اعتبار سنجی متقابل Cross-validation

      • اعتبار سنجی متقابل Cross-validation

      • تنظیم فراپارامترهای مدل Tuning Model Hyperparameters

      • تنظیم فراپارامترهای مدل Tuning Model Hyperparameters

      استقرار مدل های یادگیری ماشینی Deploying Machine Learning Models

      • استقرار یک مدل Deploying a Model

      • استقرار یک مدل Deploying a Model

      • مصرف خدمات وب یادگیری ماشینی Consuming Machine Learning Web Services

      • مصرف خدمات وب یادگیری ماشینی Consuming Machine Learning Web Services

      بسته بندی Wrapping Up

      • در مورد نتایج ما چطور؟ What About Our Results?

      • در مورد نتایج ما چطور؟ What About Our Results?

      • مراحل بعدی Next Steps

      • مراحل بعدی Next Steps

      نمایش نظرات

      آموزش ایجاد و استقرار راه حل های استودیوی یادگیری ماشینی Microsoft Azure
      جزییات دوره
      2h 19m
      52
      Pluralsight (پلورال سایت) Pluralsight (پلورال سایت)
      (آخرین آپدیت)
      22
      4.8 از 5
      دارد
      دارد
      دارد
      جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

      Google Chrome Browser

      Internet Download Manager

      Pot Player

      Winrar

      Shawn Hainsworth Shawn Hainsworth

      شاون بیش از بیست و پنج سال تجربه به عنوان یک معمار و توسعه دهنده دارد. شاون از سال 2011 روی هوش تجاری و یادگیری ماشین تمرکز کرده است. او در Java ، C # ، R ، Python ، Hadoop ، Mongo ، Kafka و Storm تجربه دارد. وی به عنوان "The Legal BI Guy" در کنفرانس ها و وبلاگ های فناوری مجری است.