تغذیه کارآمد داده ها و برچسب گذاری برای آموزش مدل

Efficient Data Feeding and Labeling for Model Training

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
توضیحات دوره: مدل‌های داده‌های یادگیری ماشینی فقط به اندازه داده‌های آموزشی آن‌ها موثر هستند. در این دوره آموزشی، تغذیه و برچسب‌گذاری کارآمد داده برای آموزش مدل، این توانایی را به دست خواهید آورد که آماده سازی داده‌های آموزشی خود را نهایی کنید و مناسب‌ترین روش را برای وارد کردن آن به آموزش مدل داده خود انتخاب کنید. ابتدا، معنای تغذیه داده ها و تکنیک های رایج را بررسی خواهید کرد. سپس، برچسب‌گذاری داده‌ها را برای یادگیری تحت نظارت و به دنبال آن داده‌های بدون برچسب برای یادگیری نیمه‌نظارت‌شده را خواهید دید. در نهایت، نحوه استفاده از ابزارهای برچسب‌گذاری داده را خواهید آموخت. پس از اتمام این دوره، مهارت ها و دانش مربوط به برچسب گذاری داده ها و تغذیه مورد نیاز برای آموزش مدل های داده یادگیری ماشین را خواهید داشت.

سرفصل ها و درس ها

بررسی اجمالی دوره Course Overview

  • بررسی اجمالی دوره Course Overview

تغذیه داده ها Data Feeding

  • یادگیری دسته ای Batch Learning

  • نسخه ی نمایشی: یادگیری دسته ای Demo: Batch Learning

  • آموزش آنلاین Online Learning

  • نسخه ی نمایشی: آموزش آنلاین و خلاصه Demo: Online Learning and Summary

برچسب گذاری داده ها Data Labeling

  • نمای کلی و برچسب گذاری داده ها Overview and Data Labeling

  • یادگیری تحت نظارت و بدون نظارت Supervised and Unsupervised Learning

  • معماری‌های یادگیری ماشینی (ML) برای یادگیری تحت نظارت و بدون نظارت Machine Learning (ML) Architectures for Supervised and Unsupervised Learning

  • نسخه ی نمایشی: مجموعه داده های TensorFlow (TFDS) و برچسب های داده در یادگیری نظارت شده Demo: TensorFlow Data Sets (TFDS) and Data Labels in Supervised Learning

  • نسخه ی نمایشی: مدیریت داده های بدون برچسب در یادگیری بدون نظارت Demo: Managing Unlabeled Data in Unsupervised Learning

  • افزایش داده ها، حاشیه نویسی داده ها و کنترل کیفیت Data Augmentation, Data Annotation, and Quality Control

  • ابزارهای برچسب گذاری داده ها Data Labeling Tools

  • خلاصه Summary

نمایش نظرات

نظری ارسال نشده است.

تغذیه کارآمد داده ها و برچسب گذاری برای آموزش مدل
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
31m
13
Pluralsight (پلورال سایت) pluralsight-small
05 اسفند 1402 (آخرین آپدیت رو دریافت می‌کنید، حتی اگر این تاریخ بروز نباشد.)
از 5
دارد
دارد
دارد
Dan Hermes

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Dan Hermes Dan Hermes

دن هرمس، نویسنده پرفروش فناوری بین‌المللی، الهام‌بخش فن‌شناسان برای ایجاد پروژه‌ها و کسب‌وکارهای موفق هوش مصنوعی برای توسعه استراتژی‌های برنده هوش مصنوعی و موبایل است. مدیر منطقه ای مایکروسافت (RD)، دان در مورد ده ها برنامه تجاری موفق در مراقبت های بهداشتی، خرده فروشی، دولت، آموزش، مالی، حمل و نقل، بیوتکنولوژی و غیره مشاوره داده است. پروژه‌های مبتنی بر هوش مصنوعی شامل مشارکت Microsoft/Future Farmers of America (FFOA)، شناسایی بصری و پیشنهادات مولد برای Avanade/Accenture، و مستندات Azure Cognitive API برای طرفداران فناوری مایکروسافت است. Dan برنامه درسی درسی را برای مایکروسافت و edX توسعه می دهد. تعاملات گفتاری شامل IBM Think و Microsoft Ignite و همچنین کنفرانس‌ها، دانشگاه‌ها و گروه‌های کاربری دیگر است.

Pluralsight (پلورال سایت)

Pluralsight یکی از پرطرفدارترین پلتفرم‌های آموزش آنلاین است که به میلیون‌ها کاربر در سراسر جهان کمک می‌کند تا مهارت‌های خود را توسعه دهند و به روز رسانی کنند. این پلتفرم دوره‌های آموزشی در زمینه‌های فناوری اطلاعات، توسعه نرم‌افزار، طراحی وب، مدیریت پروژه، و موضوعات مختلف دیگر را ارائه می‌دهد.

یکی از ویژگی‌های برجسته Pluralsight، محتوای بروز و با کیفیت آموزشی آن است. این پلتفرم با همکاری با توسعه‌دهندگان و کارشناسان معتبر، دوره‌هایی را ارائه می‌دهد که با توجه به تغییرات روزافزون در صنعت فناوری، کاربران را در جریان آخرین مفاهیم و تکنولوژی‌ها نگه می‌دارد. این امر به کاربران این اطمینان را می‌دهد که دوره‌هایی که در Pluralsight می‌پذیرند، با جدیدترین دانش‌ها و تجارب به روز شده‌اند.