آموزش شروع کار با یادگیری ماشینی Azure

Getting Started with Azure Machine Learning

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: یادگیری ماشینی به پیش بینی آب و هوا، مسیریابی شما در اطراف ترافیک و نمایش تبلیغات شخصی در صفحات وب شما کمک می کند. در این دوره، یاد خواهید گرفت که چگونه از یادگیری ماشینی Azure برای ایجاد، استقرار و حفظ راه حل های پیش بینی استفاده کنید. هر روز نمونه های بیشتری از یادگیری ماشین در زندگی خود مشاهده می کنید. در این دوره آموزشی، شروع با یادگیری ماشینی Azure، یاد می گیرید که چگونه با استفاده از یادگیری ماشینی Azure راه حل های پیش بینی را توسعه داده و به کار ببرید. ابتدا خواهید دید که چگونه با کمی کشیدن و رها کردن، می توانید راه حل هایی را از ابتدا ایجاد کنید. در مرحله بعد، اگر از قبل راه‌حلی را در R یا Python پیاده‌سازی کرده‌اید، یاد می‌گیرید که چگونه آنها را با یادگیری ماشینی Azure بزرگ کنید. در نهایت، دوره را با یادگیری نحوه حفظ راه حل یادگیری ماشینی Azure خود به پایان می رسانید. پس از اتمام این دوره، شما از یک تازه کار یادگیری ماشینی به یک سرویس راه حل پیش بینی آماده خواهید شد تا در برنامه های شما ادغام شود تا آنها را هوشمندتر و مفیدتر کند.

      سرفصل ها و درس ها

      بررسی اجمالی دوره Course Overview

      • بررسی اجمالی دوره Course Overview

      معرفی Introduction

      • خوش آمدی Welcome

      • یادگیری ماشینی در عمل Machine Learning in Action

      • انواع یادگیری ماشینی Types of Machine Learning

      • گردش کار یادگیری ماشین Machine Learning Workflow

      • Azure و یادگیری ماشینی Azure and Machine Learning

      • بررسی اجمالی دوره Course Overview

      آشنایی با یادگیری ماشینی Azure Getting to Know Azure Machine Learning

      • دسترسی به یادگیری ماشینی Azure Getting Access to Azure Machine Learning

      • آشنایی با استودیوی یادگیری ماشینی Azure Getting to Know Azure Machine Learning Studio

      • ایجاد اولین آزمایش Creating Your First Experiment

      • دریافت و کاوش داده ها Getting and Exploring Data

      • انتخاب الگوریتم و آموزش مدل Selecting the Algorithm and Training the Model

      • ارزیابی مدل آموزش دیده Evaluating the Trained Model

      غواصی عمیق تر در یادگیری ماشینی Azure Diving Deeper into Azure Machine Learning

      • معرفی Introduction

      • افزودن داده به یادگیری ماشینی Azure Adding Data to Azure Machine Learning

      • دریافت و کاوش داده ها Getting and Exploring Data

      • پیش پردازش داده های بیشتر More Data Pre-processing

      • گنجاندن کد Incorporating Code

      • انتخاب و آموزش یک الگوریتم Selecting and Training an Algorithm

      ارزیابی مدل آموزش دیده شما Evaluating Your Trained Model

      • درک ارزشیابی Understanding Evaluation

      • مقایسه نتایج مدل Comparing Model Results

      • خلاصه ای از مدل های ساختمانی و ارزیابی Summary of Building and Evaluating Models

      استقرار راه حل Azure ML شما Deploying Your Azure ML Solution

      • معرفی Introduction

      • ایجاد یک آزمایش پیش بینی Creating a Predictive Experiment

      • ایجاد و استقرار وب سرویس شما Creating and Deploying Your Web Service

      • استفاده از وب سرویس شما Using Your Web Service

      • استفاده از Request/Response برای دسترسی به وب سرویس شما Using Request/Response to Access Your Web Service

      • استفاده از اجرای دسته ای برای دسترسی به وب سرویس شما Using Batch Execution to Access Your Web Service

      • خلاصه Summary

      راه حل Azure ML خود را حفظ کنید Maintaining Your Azure ML Solution

      • مقدمه ای بر تعمیر و نگهداری راه حل Introduction to Solution Maintenance

      • ایجاد یک آزمایش بازآموزی و وب سرویس Creating a Retraining Experiment and Web Service

      • ایجاد و ارزیابی یک مدل بازآموزی شده Creating and Evaluating a Retrained Model

      • افزودن یک نقطه پایانی قابل تغییر Adding a Changable End Point

      • به روز رسانی وب سرویس برای استفاده از مدل بازآموزی شده Updating the Web Service to Use the Retrained Model

      • خلاصه Summary

      نتیجه Conclusion

      • خلاصه و مراحل بعدی Summary and Next Steps

      نمایش نظرات

      آموزش شروع کار با یادگیری ماشینی Azure
      جزییات دوره
      2h 14m
      36
      Pluralsight (پلورال سایت) Pluralsight (پلورال سایت)
      (آخرین آپدیت)
      174
      از 5
      دارد
      دارد
      دارد
      Jerry Kurata
      جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

      Google Chrome Browser

      Internet Download Manager

      Pot Player

      Winrar

      Jerry Kurata Jerry Kurata

      جری دارای مدرک کارشناسی علوم زمین شناسی و فیزیک است. برنامه های وی برای کار در صنعت اکتشاف نفت ، هنگامی که فهمید ترجیح می دهد به جای خواندن نمونه های گِل و هسته در دریای شمال ، برای کار در شبیه سازی و پردازش داده ها با رایانه کار کند ، مورد پیگرد قرار گرفت. عشق او به رایانه و فن آوری باعث شد که وی در حالی که مدرک کارشناسی ارشد خود را در رشته علوم کامپیوتر می گیرد ، ساعتهای بیشتری را صرف کار با کامپیوتر کند. زمینه های فعلی علاقه وی شامل یادگیری ماشین ، بیگ دیتا ، سیستم های رایانه ای کوچک و پوشیدنی ، رباتیک و راه حل های ساختن است که به افراد کمک می کند. هنگامی که با کامپیوتر کار نمی کند ، جری از گذراندن وقت با خانواده اش ، مسافرت و عکس گرفتن از زیبایی های دنیای ما لذت می برد.