آموزش یادگیری ماشین در سازمان - Machine Learning in the Enterprise - آخرین آپدیت

دانلود Machine Learning in the Enterprise - Italiano

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: این دوره با استفاده از یک مطالعه موردی (Case Study)، رویکردی عملی و واقعی به گردش کار یادگیری ماشین (ML) ارائه می‌دهد. یک تیم ML موظف است به نیازهای متعدد تجاری پاسخ دهد و با موارد مختلف استفاده از ML مقابله کند. در این مسیر، تیم باید ابزارهای لازم برای مدیریت و حاکمیت داده‌ها را درک کرده و بهترین روش را برای پیش‌پردازش داده‌ها انتخاب کند. به این تیم سه گزینه برای ایجاد مدل‌های ML برای دو مورد کاربردی ارائه می‌شود. این دوره توضیح می‌دهد که چرا تیم برای دستیابی به اهداف خود از AutoML، BigQuery ML یا آموزش سفارشی (Custom Training) استفاده خواهد کرد.

سرفصل ها و درس ها

مقدمه Introduzione

  • مقدمه دوره Introduzione al corso

درک گردش کار یادگیری ماشین در سازمان Comprensione del flusso di lavoro aziendale ML

  • مقدمه Introduzione

  • نمای کلی از گردش کار ML در سازمان Panoramica di un flusso di lavoro aziendale ML

داده‌ها در سازمان Dati in azienda

  • مقدمه Introduzione

  • فیچر استور (Feature Store) Feature Store

  • کاتالوگ داده‌ها (Data Catalog) Data Catalog

  • دیتاپلکس (Dataplex) Dataplex

  • آنالیتیکس هاب (Analytics Hub) Analytics Hub

  • گزینه‌های پیش‌پردازش داده‌ها Opzioni di pre-elaborazione dei dati

  • دیتای‌پریپ (Dataprep) Dataprep

  • مقدمه آزمایشگاه: اکتشاف و ایجاد خط لوله تحلیل تجارت الکترونیک با Dataprep Introduzione al lab: Esplorazione e creazione di una pipeline di analisi per l'e-commerce con Dataprep

  • کورsera: مقدمه‌ای بر گوگل کلاود و Qwiklabs Coursera: Introduzione a Google Cloud e Qwiklabs

علم یادگیری ماشین و آموزش سفارشی Scienza del machine learning e addestramento personalizzato

  • مقدمه Introduzione

  • هنر و علم یادگیری ماشین Arte e scienza del machine learning

  • تسریع در فرآیند آموزش Velocizzare l'addestramento

  • چه زمانی از آموزش سفارشی استفاده کنیم Quando utilizzare l'addestramento personalizzato

  • نیازمندی‌ها و وابستگی‌های آموزش (بخش اول) Requisiti e dipendenze di addestramento (parte 1)

  • نیازمندی‌ها و وابستگی‌های آموزش (بخش دوم) Requisiti e dipendenze di addestramento (parte 2)

  • آموزش مدل‌های ML سفارشی با Vertex AI Addestramento di modelli ML personalizzati con Vertex AI

بهینه‌سازی هایپرپارامترها با Vertex Vizier Ottimizzazione degli iperparametri mediante Vertex Vizier

  • مقدمه Introduzione

  • بهینه‌سازی هایپرپارامترها با Vertex AI Vizier Ottimizzazione degli iperparametri mediante Vertex AI Vizier

  • مقدمه آزمایشگاه: Vertex AI و بهینه‌سازی هایپرپارامترها Introduzione al lab: Vertex AI: Ottimizzazione degli iperparametri

پیش‌بینی و مانیتورینگ مدل‌ها با Vertex AI Previsione e monitoraggio dei modelli con Vertex AI

  • مقدمه Introduzione

  • پیش‌بینی با Vertex AI Previsioni con Vertex AI

  • مدیریت مدل‌ها با Vertex AI Gestione dei modelli con Vertex AI

  • مقدمه آزمایشگاه: مانیتورینگ مدل‌های Vertex AI Introduzione al lab: Monitoraggio dei modelli Vertex AI

خط لوله‌های Vertex AI Vertex AI Pipelines

  • مقدمه Introduzione

  • پیش‌بینی با استفاده از Vertex AI Pipelines Previsioni mediante Vertex AI Pipelines

  • مقدمه آزمایشگاه: Vertex AI Pipelines Introduzione al lab: Vertex AI Pipelines

بهترین روش‌های توسعه ML Best practice per lo sviluppo ML

  • مقدمه Introduzione

  • بهترین روش‌ها برای استقرار و توزیع مدل Best practice per il deployment e la distribuzione del modello

  • بهترین روش‌ها برای مانیتورینگ مدل Best practice per il monitoraggio del modello

  • بهترین روش‌ها برای Vertex AI Pipelines Best practice per Vertex AI Pipelines

  • بهترین روش‌ها برای سازماندهی آرتیفکت‌ها Best practice per l'organizzazione degli artefatti

جمع‌بندی دوره Riepilogo del corso

جمع‌بندی مجموعه Riepilogo della serie

  • جمع‌بندی مجموعه Riepilogo della serie

نمایش نظرات

آموزش یادگیری ماشین در سازمان - Machine Learning in the Enterprise
جزییات دوره
15h 57m
35
(آخرین آپدیت)
10
- 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