آموزش راه اندازی به یادگیری ماشین

Launching into 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: با شروع از تاریخچه یادگیری ماشین، در مورد اینکه چرا شبکه‌های عصبی امروزه در انواع مشکلات عملکرد خوبی دارند، بحث می‌کنیم. سپس در مورد چگونگی راه اندازی یک مشکل یادگیری نظارت شده و یافتن راه حل مناسب با استفاده از شیب نزول بحث می کنیم. این شامل ایجاد مجموعه داده هایی است که امکان تعمیم را فراهم می کند. ما در مورد روش های انجام این کار به روشی تکرارپذیر صحبت می کنیم تا از آزمایش پشتیبانی شود.

      سرفصل ها و درس ها

      معرفی Introduction

      • راه اندازی به PDF یادگیری ماشینی Launching into Machine Learning PDF

      • معرفی Introduction

      • شروع کار با Google Cloud Platform و Qwiklabs Getting Started with Google Cloud Platform and Qwiklabs

      ML عملی Practical ML

      • مقدمه ای بر ML عملی Introduction to Practical ML

      • یادگیری تحت نظارت Supervised Learning

      • رگرسیون و طبقه بندی Regression and Classification

      • تاریخچه کوتاه ML: رگرسیون خطی Short history of ML: Linear Regression

      • تاریخچه کوتاه ML: Perceptron Short history of ML: Perceptron

      • تاریخچه کوتاه ML: شبکه های عصبی Short history of ML: Neural Networks

      • تاریخچه کوتاه ML: Decision Trees Short history of ML: Decision Trees

      • تاریخچه کوتاه ML: روش های هسته Short history of ML: Kernel Methods

      • تاریخچه کوتاه ML: جنگل های تصادفی Short history of ML: Random Forests

      • تاریخچه کوتاه ML: شبکه های عصبی مدرن Short history of ML: Modern Neural Networks

      بهينه سازي Optimization

      • مقدمه ای بر بهینه سازی Introduction to Optimization

      • تعریف مدل های ML Defining ML Models

      • معرفی مجموعه داده های دوره Introducing the Course Dataset

      • معرفی توابع ضرر Introducing Loss Functions

      • گرادیان نزول Gradient Descent

      • عیب یابی منحنی ضرر Troubleshooting a Loss Curve

      • مشکلات مدل ML ML Model Pitfalls

      • فعالیت: معرفی زمین بازی تنسورفلو Activity: Introducing the TensorFlow Playground

      • فعالیت: TensorFlow Playground - پیشرفته Activity: TensorFlow Playground - Advanced

      • فعالیت: تمرین با شبکه های عصبی Activity: Practicing with Neural Networks

      • فعالیت: عیب یابی منحنی ضرر Activity: Loss Curve Troubleshooting

      • معیارهای عملکرد Performance Metrics

      • ماتریس سردرگمی Confusion Matrix

      تعمیم و نمونه گیری Generalization and Sampling

      • مقدمه ای بر تعمیم و نمونه گیری Introduction to Generalization and Sampling

      • تعمیم و مدل های ML Generalization and ML Models

      • چه زمانی باید آموزش مدل را متوقف کرد When to Stop Model Training

      • ایجاد نمونه های قابل تکرار در BigQuery Creating Repeatable Samples in BigQuery

      • نسخه ی نمایشی: ایجاد نمونه های قابل تکرار در BigQuery Demo: Creating Repeatable Samples in BigQuery

      • معرفی آزمایشگاه: ایجاد تقسیم‌های قابل تکرار در مجموعه داده Lab Intro: Creating Repeatable Dataset Splits

      • آزمایشگاه: ایجاد تقسیم‌های قابل تکرار در BigQuery Lab: Creating repeatable splits in BigQuery

      • راه حل آزمایشگاهی - ایجاد تقسیمات قابل تکرار مجموعه داده Lab Solution - Creating Repeatable Dataset Splits

      • معرفی آزمایشگاه: کاوش و ایجاد مجموعه داده های ML Lab Intro: Exploring and Creating ML Datasets

      • آزمایشگاه: کاوش و ایجاد مجموعه داده های ML Lab: Exploring and Creating ML Datasets

      • راه حل آزمایشگاهی - کاوش و ایجاد مجموعه داده های ML Lab Solution - Exploring and Creating ML Datasets

      خلاصه Summary

      • خلاصه Summary

      نمایش نظرات

      نظری ارسال نشده است.

      آموزش راه اندازی به یادگیری ماشین
      جزییات دوره
      3h 18m
      38
      Pluralsight (پلورال سایت) Pluralsight (پلورال سایت)
      (آخرین آپدیت)
      6
      از 5
      ندارد
      دارد
      دارد
      Google Cloud
      جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

      Google Chrome Browser

      Internet Download Manager

      Pot Player

      Winrar

      Google Cloud Google Cloud

      ایجاد تحول دیجیتال با آموزش درخواستی

      Google Cloud آموزش و گواهینامه های درخواستی را در فناوری های ابری در حال ظهور ارائه می دهد.

      Google Cloud با صدها آزمایشگاه، دوره و نشان مهارت، متخصصان را قادر می‌سازد تا مهارت‌های ابری حیاتی را با سرعت خودشان ایجاد کنند. آزمایشگاه‌های عملی این شرکت اعتبارنامه‌های موقتی را به منابع واقعی ابر ارائه می‌دهند، بنابراین افراد می‌توانند Google Cloud را با استفاده از چیز واقعی یاد بگیرند. فراگیران همچنین می توانند با کسب گواهینامه های Google Cloud و/یا نشان های مهارتی که می توانند با شبکه خود به اشتراک بگذارند، تخصص خود را تأیید کنند.

      در وب‌سایت رسمی Google Cloud بیشتر بیاموزید.