آموزش در 30 روز یک مهندس یادگیری ماشین AWS SageMaker شوید

سرفصل ها و درس ها

معرفی Introduction

• به دوره خوش آمدید! Welcome To the Course!

********** قسمت 1: AWS & ML STARTER PACK!*********** ********** PART 1: AWS & ML STARTER PACK!**********

• به قسمت 1 خوش آمدید: AWS و بسته شروع یادگیری ماشین! Welcome to Part 1: AWS and Machine Learning Starter Pack!

روز 1: بسته آغازین AWS Essentials - قسمت 1 (ثبت‌نام، ردیف رایگان، صورت‌حساب، و IAM) Day 1: AWS Essentials Starter Pack - Part 1 (SignUp, Free Tier, Billing, & IAM)

• پیام خوش آمد گویی روز Day Welcome Message

• لطفا مطالب امروز را دانلود کنید: Please Download Today's Materials:

• AWS و Cloud Computing چیست؟ چه کسی از آنها استفاده می کند؟ مزایای آنها چیست؟ What is AWS & Cloud Computing? Who Uses them? What are their benefits?

• اصول AWS AWS Fundamentals

• ثبت نام AWS و تور کنسول مدیریت AWS AWS Signup and AWS Management Console Tour

• مناطق در مقابل مناطق در دسترس Regions Vs. Availability Zones

• چه چیزی در ردیف رایگان AWS گنجانده شده است؟ What's Included in the AWS Free Tier?

• مناطق، مناطق در دسترس و ردیف رایگان AWS Regions, Availability Zones and AWS Free Tier

• داشبورد صورتحساب و تنظیم زنگ هشدار Billing Dashboard and Alarm Setup

• درخواست افزایش محدودیت خدمات Request Service Limit Increase

• مدیریت هویت و دسترسی (IAM) و احراز هویت چند عاملی (MFA) Identity and Access Management (IAM) & Multifactor Authentication (MFA)

• داشبورد صورت‌حساب، IAM و MFA Billing Dashboard, IAM and MFA

• پیام پایان روز Day End Message

روز 2: بسته شروع AWS Essentials - قسمت 2 (AI، ML، DL، DS، S3، و EC2) Day 2: AWS Essentials Starter Pack - Part 2 (AI, ML, DL, DS, S3, & EC2)

• پیام خوش آمد گویی روز Day Welcome Message

• لطفا مطالب امروز را دانلود کنید: Please Download Today's Materials:

• هوش مصنوعی (AI) در مقابل یادگیری ماشین (ML) در مقابل. یادگیری عمیق (DL) Artificial Intelligence (AI) Vs. Machine Learning (ML) Vs. Deep Learning (DL)

• اصول AI/ML AI/ML Fundamentals

• یادگیری ماشینی: تصویر بزرگ Machine Learning: The Big Picture

• عناصر کلیدی برای ساخت مدل های یادگیری ماشینی Key Ingredients to Build Machine Learning Models

• اجزای کلیدی AI/ML در AWS Key AI/ML Components in AWS

• اجزای AI/ML و ML Big Picture AI/ML Components and ML Big Picture

• سرویس ذخیره سازی ساده (S3) Deep Dive & Demo Simple Storage Service (S3) Deep Dive & Demo

• Elastic Compute Cloud (EC2) Deep Dive & Demo Elastic Compute Cloud (EC2) Deep Dive & Demo

• مبانی S3 و EC2 S3 and EC2 Fundamentals

• پیام پایان روز Day End Message

روز 3: بسته شروع AWS Essentials - قسمت 3 (Amazon SageMaker) Day 3: AWS Essentials Starter Pack - Part 3 (Amazon SageMaker)

• پیام خوش آمد گویی روز Day Welcome Message

• لطفا مطالب امروز را دانلود کنید: Please Download Today's Materials:

• معرفی SageMaker Intro to SageMaker

• نسخه ی نمایشی SageMaker 1 - بررسی و ایجاد نمونه نوت بوک SageMaker Demo 1 - Walkthrough & Create Notebook instance

• SageMaker Demo 2 - اولین کد خود را بنویسید SageMaker Demo 2 - Write your first code

• نسخه آزمایشی SageMaker 3 - AWS Marketplace (ردیاب شیء Yolo V3) SageMaker Demo 3 - AWS Marketplace (Yolo V3 Object Detector)

• SageMaker Demo 4 - SageMaker Studio 101 SageMaker Demo 4 - SageMaker Studio 101

• SageMaker Demo 5 - SageMaker Canvas 101 SageMaker Demo 5 - SageMaker Canvas 101

• SageMaker Demo 6 - آپلود داده ها در S3 SageMaker Demo 6 - Upload data to S3

• SageMaker Demo 7 - Train Machine Learning Model SageMaker Demo 7 - Train Machine Learning Model

• سوال نهایی پروژه Capstone Final Capstone Project Question

• راه حل نهایی پروژه Capstone Final Capstone Project Solution

• خاموش کردن بوم Shutdown Canvas

• پیام پایان روز Day End Message

********** قسمت 2: برچسب گذاری داده ها در AWS*********** ********** PART 2: DATA LABELING IN AWS**********

• به بخش 2 در برچسب گذاری داده ها در AWS خوش آمدید Welcome to Part 2 on Data Labeling in AWS

روز 4: برچسب گذاری داده ها با AWS SageMaker GroundTruth Day 4: Labeling Data With AWS SageMaker GroundTruth

• پیام خوش آمد گویی روز Day Welcome Message

• لطفا مطالب امروز را دانلود کنید: Please Download Today's Materials:

• بررسی اجمالی پروژه و AWS Groundtruth Project Overview and AWS Groundtruth

• طلای جدید قرن بیست و یکم! 21st Century New Gold!

• منابع و انواع داده ها Data Sources and Types

• چرا به مجموعه داده های برچسب دار نیاز داریم؟ Why Do We Need Labeled Datasets?

• چالش ها و کاربردهای برچسب گذاری داده ها Data Labeling Challenges and Applications

• Json Lines و Manifest Files 101 Json Lines and Manifest Files 101

• AWS SageMaker GroundTruth Demo Part 1 AWS SageMaker GroundTruth Demo Part 1

• AWS SageMaker GroundTruth Demo Part 2 AWS SageMaker GroundTruth Demo Part 2

• پروژه نهایی Capstone - سوال Final Capstone Project - Question

• پروژه نهایی Capstone - راه حل Final Capstone Project - Solution

• موضوع اضافی: GroundTruth Plus و Auto-Labeling Additional Topic: GroundTruth Plus and Auto-Labeling

• پیام پایان روز Day End Message

روز پنجم: برچسب‌گذاری متن، جعبه‌های محدود، و تقسیم‌بندی معنایی در GroundTruth Day 5: Labeling Text, Bounding Boxes, and Semantic Segmentation in GroundTruth

• پیام خوش آمد گویی روز Day Welcome Message

• لطفا مطالب امروز را دانلود کنید: Please Download Today's Materials:

• معرفی و بررسی اجمالی پروژه Introduction and Project Overview

• برچسب‌گذاری داده‌های متنی در SageMaker GroundTruth - بخش آزمایشی شماره 1 Labeling Text Data in SageMaker GroundTruth - Demo Part #1

• برچسب‌گذاری داده‌های متنی در SageMaker GroundTruth - بخش آزمایشی شماره 2 Labeling Text Data in SageMaker GroundTruth - Demo Part #2

• برچسب‌گذاری داده‌های متنی در SageMaker GroundTruth - بخش آزمایشی شماره 3 Labeling Text Data in SageMaker GroundTruth - Demo Part #3

• تقسیم بندی معنایی در نسخه آزمایشی Groundtruth شماره 1 Semantic Segmentation in Groundtruth Demo #1

• تقسیم بندی معنایی در نسخه آزمایشی Groundtruth شماره 2 Semantic Segmentation in Groundtruth Demo #2

• قیمت گذاری SageMaker GroundTruth SageMaker GroundTruth Pricing

• فرصت تمرین - قیمت گذاری GroundTruth Practice Opportunity - GroundTruth Pricing

• پروژه نهایی Capstone - سوال Final Capstone Project - Question

• پروژه نهایی Capstone - راه حل Final Capstone Project - Solution

• پیام پایان روز Day End Message

********** قسمت 3: تجزیه و تحلیل داده های اکتشافی*********** ********** PART 3: EXPLORATORY DATA ANALYSIS**********

• به بخش 3 در تجزیه و تحلیل داده های اکتشافی (EDA) خوش آمدید: Welcome to Part 3 on Exploratory Data Analysis (EDA):

روز 6: تجزیه و تحلیل داده های اکتشافی (EDA) قسمت شماره 1 - دوره تصادف در پانداها Day 6: Exploratory Data Analysis (EDA) Part #1 - Crash Course on Pandas

• پیام خوش آمد گویی روز Day Welcome Message

• لطفا مطالب امروز را دانلود کنید Please Download Today's Materials

• تجزیه و تحلیل داده های اکتشافی (EDA) 101 Exploratory Data Analysis (EDA) 101

• نمای کلی پروژه - EDA با پانداها Project Overview - EDA with Pandas

• Jupyter Notebooks و SageMaker Studio Setup Jupyter Notebooks and SageMaker Studio Setup

• وظیفه کدگذاری 1 - Pandas DataFrame را تعریف کنید Coding Task 1 - Define Pandas DataFrame

• فرصت تمرین 1 Practice Opportunity 1

• کدگذاری وظیفه 2 - بارگذاری CSV و تجزیه و تحلیل آماری Coding Task 2 - Load CSV and Statistical Analysis

• فرصت تمرین 2 Practice Opportunity 2

• کدنویسی وظیفه 3 - تنظیم/تنظیم مجدد فهرست در پانداها Coding Task 3 - Set/Reset Index in Pandas

• فرصت تمرین 3 Practice Opportunity 3

• سوال نهایی پروژه Capstone Final Capstone Project Question

• راه حل نهایی پروژه Capstone Final Capstone Project Solution

• پیام پایان روز Day End Message

روز هفتم: تجزیه و تحلیل داده های اکتشافی (EDA) - قسمت شماره 2 - دوره تصادف در مورد پانداها Day 7: Exploratory Data Analysis (EDA) - Part #2 - Crash Course on Pandas

• پیام خوش آمد گویی روز Day Welcome Message

• لطفا مطالب امروز را دانلود کنید: Please Download Today's Materials:

• بررسی اجمالی پروژه و نتایج کلیدی یادگیری Project Overview and Key Learning Outcomes

• وظیفه کدگذاری 1 - وارد کردن مجموعه داده ها Coding Task 1 - Import Datasets

• فرصت تمرین 1 Practice Opportunity 1

• وظیفه کدگذاری 2 - به عناصر در Pandas DataFrame دسترسی پیدا کنید Coding Task 2 - Access Elements in Pandas DataFrame

• فرصت تمرین 2 Practice Opportunity 2

• کدنویسی وظیفه 3 - حذف و اضافه کردن ستون Coding Task 3 - Delete and Add Columns

• فرصت تمرین 3 Practice Opportunity 3

• کدنویسی کار 4 - نمایه سازی مبتنی بر برچسب با .Loc() Coding Task 4 - Label-based Indexing with .Loc()

• فرصت تمرین 4 Practice Opportunity 4

• وظیفه کدنویسی 5 - نمایه سازی مبتنی بر عدد صحیح با .iLoc() Coding Task 5 - Integer-based Indexing with .iLoc()

• فرصت تمرین 5 Practice Opportunity 5

• وظیفه کدگذاری 6 - عملیات پخش Coding Task 6 - Broadcasting Operation

• فرصت تمرین 6 Practice Opportunity 6

• کدنویسی وظیفه 7 - مرتب سازی Pandas DataFrame Coding Task 7 - Sorting Pandas DataFrames

• فرصت تمرین 7 Practice Opportunity 7

• پیام پایان روز Day End Message

روز 8: تجزیه و تحلیل داده های اکتشافی (EDA) - قسمت شماره 3 - دوره تصادف در پانداها Day 8: Exploratory Data Analysis (EDA) - Part #3 - Crash Course on Pandas

• پیام خوش آمد گویی روز Day Welcome Message

• لطفا مطالب امروز را دانلود کنید: Please Download Today's Materials:

• بررسی اجمالی پروژه و نتایج کلیدی یادگیری Project Overview and Key Learning Outcomes

• بررسی اجمالی پروژه و نتایج کلیدی یادگیری Project Overview and Key Learning Outcomes

• وظیفه کدگذاری 1 - وارد کردن و کاوش مجموعه داده Coding Task 1 - Import and Explore Dataset

• فرصت تمرین 1 Practice Opportunity 1

• کدگذاری وظیفه 2 - مقابله با مجموعه داده های از دست رفته Coding Task 2 - Deal with Missing Dataset

• فرصت تمرین 2 Practice Opportunity 2

• وظیفه کدگذاری 3 - نوع داده های Pandas DataFrame را تغییر دهید Coding Task 3 - Change Pandas DataFrame datatypes

• فرصت تمرین 3 Practice Opportunity 3

• وظیفه کدگذاری 4 - پانداها و توابع Coding Task 4 - Pandas and Functions

• فرصت تمرین 4 Practice Opportunity 4

• وظیفه کدگذاری 5 - عملیات پانداها و فیلتر کردن Coding Task 5 - Pandas Operations and Filtering

• فرصت تمرین 5 Practice Opportunity 5

• کدنویسی وظیفه 6 - EDA را در هر دو کلاس انجام دهید Coding Task 6 - Perform EDA on Both Classes

• فرصت تمرین 6 Practice Opportunity 6

• کدنویسی وظیفه 7 - همبستگی ها و هیستوگرام ها Coding Task 7 - Correlations and Histograms

• فرصت تمرین 7 Practice Opportunity 7

• پروژه های نهایی Capstone - سوالات Final Capstone Projects - Questions

• پروژه های نهایی Capstone - راه حل ها Final Capstone Projects - Solutions

• پیام پایان روز Day End Message

روز نهم: تجزیه و تحلیل داده های اکتشافی (EDA) - قسمت شماره 4 - تجسم داده ها Day 9: Exploratory Data Analysis (EDA) - Part #4 - Data Visualization

• پیام خوش آمد گویی روز Day Welcome Message

• لطفا مطالب امروز را دانلود کنید Please Download Today's Materials

• بررسی اجمالی پروژه Project Overview

• تجسم داده 101 Data Visualization 101

• بررسی اجمالی Matplotlib Matplotlib Overview

• بررسی اجمالی Seaborn Seaborn Overview

• وظیفه کدگذاری 1 - طرح خط رسم در Matplotlib Coding Task 1 - Plot line plot in Matplotlib

• فرصت تمرین 1 Practice Opportunity 1

• وظیفه کدگذاری 2 - طرح های چند خطی را در Matplotlib ترسیم کنید Coding Task 2 - Plot Multiple Line Plots in Matplotlib

• فرصت تمرین 2 Practice Opportunity 2

• کدنویسی وظیفه 3 - طرح های فرعی در Matplotlib Coding Task 3 - Plot Subplots in Matplotlib

• فرصت تمرین 3 Practice Opportunity 3

• وظیفه کدگذاری 4 - نمودارهای پراکنده را در Matplotlib ترسیم کنید Coding Task 4 - Plot Scatterplots in Matplotlib

• فرصت تمرین 4 Practice Opportunity 4

• کدنویسی کار 5 - نمودارهای پای را در Matplotlib ترسیم کنید Coding Task 5 - Plot Pie Charts in Matplotlib

• فرصت تمرین 5 Practice Opportunity 5

• وظیفه کدگذاری 6 - نمودارهای هیستوگرام را در Matplotlib رسم کنید Coding Task 6 - Plot Histograms in Matplotlib

• فرصت تمرین 6 Practice Opportunity 6

• فرصت تمرین 6 Practice Opportunity 6

• کدنویسی وظیفه 7 - طرح شمارش و پلات پراکنده در Seaborn Coding Task 7 - Plot Countplot and Scatterplot in Seaborn

• فرصت تمرین 7 Practice Opportunity 7

• فرصت تمرین 7 Practice Opportunity 7

• وظیفه کدگذاری 8 - نقشه های حرارتی همبستگی نمودار، دیسپلوت و پلات زوجی Coding Task 8 - Plot Correlation Heatmaps, Displot and Pairplot

• فرصت تمرین 8 Practice Opportunity 8

• سوالات پروژه Capstone آخر روز Final End of Day Capstone Project Questions

• راه حل های نهایی پروژه Capstone پایان روز Final End of Day Capstone Project Solutions

• پیام پایان روز Day End Message

روز دهم: Amazon SageMaker Data Rangler Day 10: Amazon SageMaker Data Wrangler

• پیام خوش آمد گویی روز Day Welcome Message

• لطفا مطالب امروز را دانلود کنید Please Download Today's Materials

• بررسی اجمالی پروژه Project Overview

• Data Wrangler 101 Data Wrangler 101

• مهندسی ویژگی 101 Feature Engineering 101

• One-Hot Encoding 101 One-Hot Encoding 101

• عادی سازی در مقابل استانداردسازی (مقیاس بندی ویژگی ها در یادگیری ماشینی) Normalization vs. Standardization (Feature Scaling in Machine Learning)

• Data Wrangler Demo 1 - وارد کردن داده ها از S3 Data Wrangler Demo 1 - Import Data From S3

• Data Wrangler Demo 2 - تغییر نوع داده ها و ایجاد جدول خلاصه Data Wrangler Demo 2 - Change Datatypes & Generate Summary Table

• Data Wrangler Demo 3 - Visualization Data Data Wrangler Demo 3 - Data Visualization

• Data Wrangler Demo 4 - Bias Report، Remove Duplicates & Feature Importance Data Wrangler Demo 4 - Bias Report, Remove Duplicates & Feature Importance

• Data Wrangler Demo 5 - Data Impute، Handle Missing و 1-Hot Encoding Data Wrangler Demo 5 - Data Impute, Handle Missing and 1-Hot Encoding

• Data Wrangler Demo 6 - مقیاس گذاری سفارشی و ویژگی را انجام دهید Data Wrangler Demo 6 - Perform Custom and Feature Scaling

• Data Wrangler Demo 7 - Export Dataflow Data Wrangler Demo 7 - Export Dataflow

• Data Wrangler Demo 8 - Shutdown Resources Data Wrangler Demo 8 - Shutdown Resources

• پروژه نهایی Capstone - سوالات Final Capstone Project - Questions

• پروژه نهایی Capstone - راه حل ها Final Capstone Project - Solutions

• پیام پایان روز Day End Message

********** قسمت 4: رگرسیون یادگیری ماشینی*********** ********** PART 4: MACHINE LEARNING REGRESSION**********

• به بخش 4 در مورد رگرسیون یادگیری ماشین خوش آمدید: Welcome to Part 4 on Machine Learning Regression:

روز یازدهم: رگرسیون خطی ساده در Scikit-Learn Day 11: Simple Linear Regression in Scikit-Learn

• پیام خوش آمد گویی روز Day Welcome Message

• لطفا مطالب امروز را دانلود کنید Please Download Today's Materials

• بررسی اجمالی پروژه Project Overview

• رگرسیون خطی ساده 101 Simple Linear Regression 101

• حداقل مجموع مربع ها Least Sum of Squares

• بررسی اجمالی کتابخانه Scikit-Learn Scikit-Learn Library Overview

• وظیفه کدگذاری شماره 1 - وارد کردن کتابخانه ها و مجموعه داده ها Coding Task #1 - Import Libraries and Datasets

• تمرین فرصت شماره 1 Practice Opportunity #1

• وظیفه کدنویسی شماره 2 - داده ها را کاوش کنید Coding Task #2 - Explore the Data

• تمرین فرصت شماره 2 Practice Opportunity #2

• وظیفه کدنویسی شماره 3 - تجسم داده ها را انجام دهید Coding Task #3 - Perform Data Visualization

• تمرین فرصت شماره 3 Practice Opportunity #3

• وظیفه کدگذاری شماره 4 - داده ها را قبل از آموزش مدل آماده کنید Coding Task #4 - Prepare the Data Before Model Training

• تمرین فرصت شماره 4 Practice Opportunity #4

• آموزش یک مدل رگرسیون خطی ساده در SK-Learn Train a Simple Linear Regression Model in SK-Learn

• تمرین فرصت شماره 5 Practice Opportunity #5

• ارزیابی عملکرد مدل آموزش دیده Evaluate Trained Model Performance

• تمرین فرصت شماره 6 Practice Opportunity #6

• پروژه نهایی Capstone - سوالات Final Capstone Project - Questions

• پروژه نهایی Capstone - راه حل Final Capstone Project - Solution

• پیام پایان روز Day End Message

روز دوازدهم: رگرسیون با استفاده از AWS SageMaker Linear Learner Day 12: Regression Using AWS SageMaker Linear Learner

• پیام خوش آمد گویی روز Day Welcome Message

• لطفا مطالب امروز را دانلود کنید Please Download Today's Materials

• مروری بر الگوریتم های داخلی AWS SageMaker Overview of AWS SageMaker Built-in Algorithms

• مروری بر الگوریتم یادگیرنده خطی AWS SageMaker AWS SageMaker Linear Learner Algorithm Overview

• وظیفه کدگذاری شماره 1 - بررسی اجمالی مشکل Coding Task #1 - Problem Overview

• تمرین فرصت شماره 1 Practice Opportunity #1

• وظیفه کدنویسی شماره 2 - وارد کردن کتابخانه ها و مجموعه داده ها Coding Task #2 - Import Libraries and Datasets

• تمرین فرصت شماره 2 Practice Opportunity #2

• کدنویسی کار شماره 3 - آموزش یک مدل یادگیرنده خطی در SageMaker Coding Task #3 - Train a Linear Learner Model in SageMaker

• تمرین فرصت شماره 3 Practice Opportunity #3

• کدنویسی وظیفه شماره 4 - استقرار نقطه پایانی Coding Task #4 - Deploy Endpoint

• تمرین فرصت شماره 4 Practice Opportunity #4

• سوالات نهایی پروژه Capstone Final Capstone Project Questions

• راه حل نهایی پروژه Capstone Final Capstone Project Solution

• پیام پایان روز Day End Message

روز سیزدهم: رگرسیون خطی چندگانه در Scikit-Learn Day 13: Multiple Linear Regression in Scikit-Learn

• پیام خوش آمد گویی روز Day Welcome Message

• لطفا مطالب امروز را دانلود کنید Please Download Today's Materials

• بررسی اجمالی پروژه Project Overview

• داستان های موفقیت: پیش بینی قیمت با هوش مصنوعی/ML Success Stories: Price Prediction with AI/ML

• هوش مصنوعی برای پیش بینی قیمت: داستان های موفقیت AI for Price Prediction: Success Stories

• رگرسیون خطی چندگانه 101 Multiple Linear Regression 101

• معیارهای رگرسیون - بخش شماره 1 Regression Metrics - Part #1

• معیارهای رگرسیون - بخش شماره 2 Regression Metrics - Part #2

• راه اندازی دامنه SageMaker Studio SageMaker Studio Domain Setup

• وظیفه کدگذاری شماره 1 - وارد کردن کتابخانه های کلیدی/مجموعه داده ها Coding Task #1 - Import Key Libraries/Datasets

• تمرین فرصت شماره 1 Practice Opportunity #1

• وظیفه کدنویسی شماره 2 - EDA و تجسم داده ها Coding Task #2 - EDA and Data Visualization

• تمرین فرصت شماره 2 Practice Opportunity #2

• تمرین فرصت شماره 2 Practice Opportunity #2

• وظیفه کدنویسی شماره 3 - EDA و تجسم داده 2 Coding Task #3 - EDA and Data Visualization 2

• تمرین فرصت شماره 3 Practice Opportunity #3

• تمرین فرصت شماره 3 Practice Opportunity #3

• وظیفه کدگذاری شماره 4 - داده ها را برای آموزش مدل آماده کنید Coding Task #4 - Prepare the Data For Model Training

• تمرین فرصت شماره 4 Practice Opportunity #4

• تمرین فرصت شماره 4 Practice Opportunity #4

• کدنویسی کار شماره 5 - آموزش مدل ML در Scikit-Learn Coding Task #5 - Train ML Model in Scikit-Learn

• تمرین فرصت شماره 5 Practice Opportunity #5

• تمرین فرصت شماره 5 Practice Opportunity #5

• سوالات پروژه Capstone Capstone Project Questions

• راه حل های پروژه Capstone Capstone Project Solutions

• پیام پایان روز Day End Message

روز چهاردهم: رگرسیون خطی چندگانه با AWS SageMaker Linear Learner Day 14: Multiple Linear Regression with AWS SageMaker Linear Learner

• پیام خوش آمد گویی روز Day Welcome Message

• لطفا مطالب امروز را دانلود کنید Please Download Today's Materials

• کارت پروژه [در صورت آشنایی رد شوید] Project Card [Skip If Familiar]

• وظیفه کدنویسی شماره 1 - مرور کلی پروژه نوت بوک Coding Task #1 - Notebook Walkthrough Project Overview

• کدنویسی وظیفه شماره 2 - EDA و تجسم را انجام دهید Coding Task #2 - Perform EDA and Visualization

• وظیفه کدنویسی شماره 3 - آموزش یک مدل یادگیرنده خطی در SageMaker (رگرسیون چندگانه) Coding Task #3 - Train a Linear Learner Model in SageMaker (Multiple Regression)

• تمرین فرصت شماره 1 Practice Opportunity #1

• تمرین فرصت شماره 1 Practice Opportunity #1

• وظیفه کدنویسی شماره 4 - یک نقطه پایانی را مستقر کنید Coding Task #4 - Deploy an Endpoint

• پروژه نهایی Capstone - سوالات Final Capstone Project - Questions

• پروژه نهایی Capstone - سوالات Final Capstone Project - Questions

• پروژه نهایی Capstone - راه حل ها Final Capstone Project - Solutions

• پیام پایان روز Day End Message

روز 15: راه‌اندازی کار آموزش ML از کنسول مدیریت AWS (رگرسیون) Day 15: Launch ML Training Job from AWS Management Console (Regression)

• پیام خوش آمد گویی روز Day Welcome Message

• لطفا مطالب امروز را دانلود کنید Please Download Today's Materials

• نمای کلی پروژه و کارت پروژه Project Overview and Project Card

• ظهور یادگیری ماشینی در آموزش عالی The Rise of Machine Learning in Higher Education

• ظهور یادگیری ماشینی در آموزش عالی The Rise of Machine Learning in Higher Education

• رگرسیون خطی ساده و چندگانه [Recap] Simple and Multiple Linear Regression [Recap]

• فرصت تمرین 1 Practice Opportunity 1

• نسخه ی نمایشی: یک کار آموزشی را در کنسول AWS SageMaker راه اندازی کنید Demo: Launch a Training Job in AWS SageMaker Console

• نسخه ی نمایشی: تجزیه و تحلیل خروجی ها و معیارهای شغلی آموزشی Demo: Analyze Training Job Outputs and Metrics

• نسخه ی نمایشی: یک نقطه پایانی را مستقر کنید Demo: Deploy an Endpoint

• سوال نهایی پروژه Capstone آخر روز Final End-of-Day Capstone Project Question

• راه حل نهایی پروژه Capstone پایان روز Final End-of-Day Capstone Project Solution

• پیام پایان روز Day End Message

روز شانزدهم: XG-Boost Regression در Scikit-Learn Day 16: XG-Boost Regression in Scikit-Learn

• پیام خوش آمد گویی روز Day Welcome Message

• لطفا مطالب امروز را دانلود کنید: Please Download Today's Materials:

• نمای کلی پروژه و کارت Project Overview and Card

• مقدمه ای بر الگوریتم XG-Boost Introduction to XG-Boost Algorithm

• تقویت چیست؟ What is Boosting?

• آموزش گروهی Ensemble Learning

• الگوریتم XG-Boost Deep Dive (به همراه مثال) XG-Boost Algorithm Deep Dive (with examples)

• وظیفه کدگذاری 1 - بررسی اجمالی پروژه و وارد کردن داده ها Coding Task 1 - Project Overview and Import data

• فرصت تمرین 1 Practice Opportunity 1

• کدنویسی Task 2 - EDA و Visualization را انجام دهید Coding Task 2 - Perform EDA and Visualization

• فرصت تمرین 2 Practice Opportunity 2

• کدگذاری وظیفه 3 - داده ها را برای آموزش مدل آماده کنید Coding Task 3 - Prepare the Data for Model Training

• فرصت تمرین 3 Practice Opportunity 3

• وظیفه کدگذاری 4 - الگوریتم XG-Boost را آموزش و آزمایش کنید Coding Task 4 - Train and Test XG-Boost Algorithm

• فرصت تمرین 4 Practice Opportunity 4

• سوال نهایی پروژه Capstone Final Capstone Project Question

• راه حل نهایی پروژه Capstone Final Capstone Project Solution

• پیام پایان روز Day End Message

روز هفدهم: الگوریتم SageMaker XG-Boost داخلی Day 17: Built-in SageMaker XG-Boost Algorithm

• پیام خوش آمد گویی روز Day Welcome Message

• لطفا مطالب امروز را دانلود کنید: Please Download Today's Materials:

• بررسی اجمالی پروژه Project Overview

• الگوریتم XG-Boost داخلی SageMaker SageMaker Built-in XG-Boost Algorithm

• کدگذاری وظیفه 1 - وارد کردن داده ها/کتابخانه ها و انجام EDA Coding Task 1 - Import data/libraries and Perform EDA

• کدنویسی Task 2 - Train SageMaker Built-in XG-Boost Algorithm - Part 1 Coding Task 2 - Train SageMaker Built-in XG-Boost Algorithm - Part 1

• کدنویسی Task 3 - آموزش الگوریتم XG-Boost داخلی SageMaker - قسمت 2 Coding Task 3 - Train SageMaker Built-in XG-Boost Algorithm - Part 2

• وظیفه کدنویسی 4 - الگوریتم XG-Boost داخلی SageMaker آموزش دیده را به کار ببندید Coding Task 4 - Deploy Trained SageMaker Built-in XG-Boost Algorithm

• فرصت تمرین 1 Practice Opportunity 1

• سوال نهایی پروژه Capstone Final Capstone Project Question

• راه حل نهایی پروژه Capstone - قسمت 1 Final Capstone Project Solution - Part 1

• راه حل نهایی پروژه Capstone - قسمت 2 Final Capstone Project Solution - Part 2

• پیام پایان روز Day End Message

روز 18: AWS SageMaker JumpStart Day 18: AWS SageMaker JumpStart

• پیام خوش آمد گویی روز Day Welcome Message

• لطفا مطالب امروز را دانلود کنید Please Download Today's Materials

• معرفی پروژه و نتایج کلیدی یادگیری Project Introduction and Key Learning Outcomes

• نمای کلی AWS SageMaker JumpStart AWS SageMaker JumpStart Overview

• تقسیم داده برای SageMaker JumpStart Data Split for SageMaker JumpStart

• JumpStart Demo Part 1 - Data Upload JumpStart Demo Part 1 - Data Upload

• JumpStart Demo Part 2 - Train the Model JumpStart Demo Part 2 - Train the Model

• JumpStart Demo Part 3 - استقرار یک نقطه پایانی JumpStart Demo Part 3 - Deploy an Endpoint

• JumpStart Demo Part 4 - Endpoint را فراخوانی کنید JumpStart Demo Part 4 - Invoke Endpoint

• سوال نهایی پروژه Capstone Final Capstone Project Question

• راه حل نهایی پروژه Capstone قسمت 1 Final Capstone Project Solution Part 1

• راه حل نهایی پروژه Capstone قسمت 2 Final Capstone Project Solution Part 2

• پیام پایان روز Day End Message

********** قسمت 5: بهینه سازی هایپرپارامترها*********** ********** PART 5: HYPERPARAMETERS OPTIMIZATION**********

• به بخش 5 در مورد بهینه سازی Hyperparameters خوش آمدید: Welcome to Part 5 on Hyperparameters Optimization:

روز 19: بهینه سازی فراپارامترها (جستجوی شبکه ای، بیزی و تصادفی) Day 19: Hyperparameters Optimization (GridSearch, Bayesian & Random)

• پیام خوش آمد گویی روز Day Welcome Message

• لطفا مطالب امروز را دانلود کنید Please Download Today's Materials

• نمای کلی پروژه و کارت Project Overview and Card

• نمای کلی پروژه و کارت Project Overview and Card

• فراپارامترهای 101 Hyperparameters 101

• استراتژی های بهینه سازی فراپارامترها Hyperparameters Optimization Strategies

• مبادله واریانس تعصب Bias Variance Tradeoff

• منظم سازی L2 (رگرسیون ریج) L2 Regularization (Ridge Regression)

• منظم سازی L1 (رگرسیون کمند) L1 Regularization (Lasso Regression)

• وظیفه کدگذاری 1 - وارد کردن کتابخانه ها و مجموعه داده ها Coding Task 1 - Import Libraries and Datasets

• فرصت تمرین 1 Practice Opportunity 1

• وظیفه کدگذاری 2 - پاکسازی داده ها را انجام دهید Coding Task 2 - Perform Data Cleaning

• کدگذاری وظیفه 3 - انجام تجسم داده ها Coding Task 3 - Perform Data Visualization

• فرصت تمرین 2 Practice Opportunity 2

• وظیفه کدگذاری 4 - داده ها را به آموزش/آزمایش تقسیم کنید Coding Task 4 - Split the Data into Training/Testing

• کدنویسی کار 5 - یک الگوریتم XG-Boost را در SKLearn آموزش دهید Coding Task 5 - Train an XG-Boost Algorithm in SKLearn

• فرصت تمرین 3 Practice Opportunity 3

• وظیفه کدگذاری 6 - بهینه سازی فراپارامترها با استفاده از GridSearchCV Coding Task 6 - Hyperparameters Optimization Using GridSearchCV

• فرصت تمرین 4 Practice Opportunity 4

• کدنویسی وظیفه 7 - فراپارامترها با استفاده از جستجوی تصادفی Coding Task 7 - Hyperparameters Using Random Search

• کدنویسی وظیفه 8 - بهینه سازی فراپارامترها با استفاده از بهینه سازهای بیزی Coding Task 8 - Hyperparameters Optimization Using Bayesian Optimizers

• سوال نهایی پروژه Capstone Final Capstone Project Question

• راه حل نهایی پروژه Capstone Final Capstone Project Solution

• پیام پایان روز Day End Message

روز 20: بهینه سازی هایپرپارامترها در SageMaker Day 20: Hyperparameters Optimization in SageMaker

• پیام خوش آمد گویی روز Day Welcome Message

• لطفا مطالب امروز را دانلود کنید: Please Download Today's Materials:

• بررسی اجمالی پروژه Project Overview

• وظیفه کدگذاری 1 - وارد کردن و پاک کردن مجموعه داده ها Coding Task 1 - Import and Clean Datasets

• کدگذاری وظیفه 2 - تجسم داده ها Coding Task 2 - Visualize Data

• کدنویسی Task 3 - آموزش XG-Boost Algo (بدون بهینه سازی Hyperparameters) Coding Task 3 - Train an XG-Boost Algo (without Hyperparameters Optimization)

• کدنویسی کار 4 - استقرار/آزمایش XG-Boost Algo (بدون بهینه سازی Hyperparameters) Coding Task 4 - Deploy/Test XG-Boost Algo (without Hyperparameters Optimization)

• کدنویسی کار 5 - بهینه سازی HyperParameters را در SageMaker انجام دهید Coding Task 5 - Perform HyperParameters Optimization in SageMaker

• بهترین مدل را اجرا کنید و عملکرد آن را ارزیابی کنید Deploy Best Model and Assess its Performance

• سوال نهایی پروژه Capstone Final Capstone Project Question

• راه حل نهایی پروژه Capstone قسمت 1 Final Capstone Project Solution Part 1

• راه حل نهایی پروژه Capstone قسمت 2 Final Capstone Project Solution Part 2

• راه حل نهایی پروژه Capstone قسمت 3 Final Capstone Project Solution Part 3

• راه حل نهایی پروژه Capstone قسمت 4 Final Capstone Project Solution Part 4

• پیام پایان روز Day End Message

**********قسمت 6: طبقه بندی یادگیری ماشینی******** **********PART 6: MACHINE LEARNING CLASSIFICATION*********

• به بخش 6 طبقه بندی یادگیری ماشین خوش آمدید Welcome to Part 6 on Machine Learning Classification

روز 21: طبقه بندی کننده ها - SVM، KNN، رگرسیون لجستیک، بیز ساده، جنگل تصادفی Day 21: Classifiers - SVM, KNN, Logistic Regression, Naive Bayes, Random Forest

• پیام خوش آمد گویی روز Day Welcome Message

• لطفا مطالب امروز را دانلود کنید Please Download Today's Materials

• بررسی اجمالی پروژه Project Overview

• وظیفه کدگذاری 1 - وارد کردن کتابخانه ها و مجموعه داده ها Coding Task 1 - Import Libraries and Datasets

• فرصت تمرین 1 Practice Opportunity 1

• وظیفه کدنویسی 2 - تجسم داده ها را انجام دهید Coding Task 2 - Perform Data Visualization

• فرصت تمرین 2 Practice Opportunity 2

• وظیفه کدگذاری 3 - اهمیت ویژگی طرح Coding Task 3 - Plot Feature Importance

• وظیفه کدگذاری 4 - رگرسیون لجستیک Coding Task 4 - Logistic Regression

• شاخص‌های کلیدی عملکرد (KPI) و معیارهای مدل‌های طبقه‌بندی کننده Classifier Models Key Performance Indicators (KPIs) & Metrics

• فرصت تمرین 3 Practice Opportunity 3

• وظیفه کدنویسی 5 - ماشین‌های بردار پشتیبانی (SVM) Coding Task 5 - Support Vector Machines (SVM)

• وظیفه کدگذاری 6 - مدل طبقه بندی جنگل تصادفی Coding Task 6 - Random Forest Classifier Model

• وظیفه کدگذاری 7 - K نزدیکترین همسایگان (KNN) Coding Task 7 - K Nearest Neighbors (KNN)

• فرصت تمرین 4 Practice Opportunity 4

• وظیفه کدگذاری 8 - مدل های طبقه بندی کننده ساده بیز Coding Task 8 - Naïve Bayes Classifier Models

• فرصت تمرین 5 Practice Opportunity 5

• فرصت تمرین 5 Practice Opportunity 5

• کدنویسی کار 9 - مقایسه مدل های طبقه بندی کننده Coding Task 9 - Compare Classifier Models

• کدنویسی کار 10 - نکات پایانی Coding Task 10 - Concluding Remarks

• پیام پایان روز Day End Message

روز 22: طبقه بندی XG-Boost در AWS SageMaker Day 22: XG-Boost Classification in AWS SageMaker

• پیام خوش آمد گویی روز Day Welcome Message

• لطفا مطالب امروز را دانلود کنید Please download today's Materials

• بررسی اجمالی پروژه Project Overview

• XG-Boost 101 [بررسی] XG-Boost 101 [Review]

• KPI های مدل های طبقه بندی کننده Classifier Models KPIs

• وظیفه کدگذاری 1 - بیان مشکل و بارگذاری داده ها را درک کنید Coding Task 1 - Understand the Problem Statement and Load Data

• فرصت تمرین 1 Practice Opportunity 1

• وظیفه کدنویسی 2 - تجسم داده ها را انجام دهید Coding Task 2 - Perform Data Visualization

• فرصت تمرین 2 Practice Opportunity 2

• کدگذاری وظیفه 3 - داده ها را برای آموزش مدل آماده کنید Coding Task 3 - Prepare the data for Model Training

• کدنویسی وظیفه 4 - آموزش و ارزیابی XG-Boost Coding Task 4 - Train and Evaluate XG-Boost

• فرصت تمرین 3 Practice Opportunity 3

• وظیفه کدگذاری 5 - آموزش XG-Boost SageMaker Coding Task 5 - Train XG-Boost SageMaker

• کدنویسی وظیفه 6 - استقرار و آزمایش مدل XG-Boost Coding Task 6 - Deploy and Test XG-Boost Model

• فرصت تمرین 4 Practice Opportunity 4

• سوال نهایی پروژه Capstone Final Capstone Project Question

• راه حل نهایی پروژه Capstone قسمت 1 Final Capstone Project Solution Part 1

• راه حل نهایی پروژه Capstone قسمت 2 Final Capstone Project Solution Part 2

• پیام پایان روز Day End Message

روز 23: K Nearest Neighbors (KNN) در SageMaker Day 23: K Nearest Neighbors (KNN) in SageMaker

• پیام خوش آمد گویی روز Day Welcome Message

• لطفا مطالب امروز را دانلود کنید: Please download today's materials:

• بررسی اجمالی پروژه Project Overview

• K الگوریتم نزدیکترین همسایگان 101 K Nearest Neighbors Algorithm 101

• K نزدیکترین همسایه ها در SageMaker K Nearest Neighbors in SageMaker

• وظیفه کدگذاری 1 - وارد کردن کتابخانه ها و مجموعه داده ها Coding Task 1 - Import Libraries and Datasets

• وظیفه کدگذاری 1 - وارد کردن کتابخانه ها و مجموعه داده ها Coding Task 1 - Import Libraries and Datasets

• فرصت تمرین 1 Practice Opportunity 1

• وظیفه کدنویسی 2 - تجسم داده ها را انجام دهید Coding Task 2 - Perform Data Visualization

• وظیفه کدنویسی 2 - تجسم داده ها را انجام دهید Coding Task 2 - Perform Data Visualization

• فرصت تمرین 2 Practice Opportunity 2

• وظیفه کدگذاری 3 - داده ها را تقسیم کنید Coding Task 3 - Split the data

• کدگذاری وظیفه 4 - آموزش مدل KNN در SKLearn Coding Task 4 - Train KNN Model in SKLearn

• وظیفه کدگذاری 5 - عملکرد مدل آموزش دیده را ارزیابی کنید Coding Task 5 - Evaluate Trained Model Performance

• وظیفه کدگذاری 6 - الگوریتم KNN داخلی SageMaker را آموزش دهید Coding Task 6 - Train SageMaker Built-in KNN Algorithm

• وظیفه کدگذاری 7 - عملکرد مدل آموزش دیده را ارزیابی کنید Coding Task 7 - Evaluate trained model performance

• سوال نهایی پروژه Capstone Final Capstone Project Question

• راه حل نهایی پروژه Capstone Final Capstone Project Solution

• پیام پایان روز Day End Message

روز 24: طبقه بندی با استفاده از AWS SageMaker Linear Learner Day 24: Classification Using AWS SageMaker Linear Learner

• پیام خوش آمد گویی روز Day Welcome Message

• پیام پایان روز Day End Message

**********بخش 7: AUTOML & NO-CODE ML ********** **********PART 7: AUTOML & NO-CODE ML **********

• به قسمت 7 در AutoML و توسعه No-Code ML خوش آمدید Welcome to Part 7 on AutoML and No-Code ML Development

روز 25: بدون کد ML - AutoGluon برای مشکلات نوع رگرسیون Day 25: No-Code ML - AutoGluon for Regression Type Problems

• پیام خوش آمد گویی روز Day Welcome Message

• لطفا مطالب امروز را دانلود کنید: Please Download Today's Materials:

• نمای کلی پروژه و AutoGluon برای داده های جدولی Project Overview & AutoGluon for Tabular Data

• کاربردهای هوش مصنوعی در تجارت AI Applications in Business

• کاربردهای هوش مصنوعی در تجارت AI Applications in Business

• کاربردهای هوش مصنوعی در تجارت AI Applications in Business

• فرصت تمرین Practice Opportunity

• خلاصه رگرسیون Regression Recap

• AutoGluon 101 AutoGluon 101

• تنظیمات از پیش تنظیم شده و پارامترهای تناسب AutoGluon AutoGluon Presets and Fit Parameters

• وظیفه کدگذاری 1 - وارد کردن AutoGluon و واردات داده Coding Task 1 - Import AutoGluon and data Import

• فرصت تمرین 1 Practice Opportunity 1

• کدگذاری وظیفه 2 - انجام تجزیه و تحلیل داده های اکتشافی (EDA) Coding Task 2 - Perform Exploratory Data Analysis (EDA)

• فرصت تمرین 2 Practice Opportunity 2

• کدنویسی وظیفه 3 - تجسم مجموعه داده Coding Task 3 - Visualize Dataset

• فرصت تمرین 3 Practice Opportunity 3

• وظیفه کدگذاری 4 - مدل های قطار با AutoGluon Coding Task 4 - Train Models with AutoGluon

• وظیفه کدگذاری 5 - مدل های آموزش دیده را ارزیابی کنید Coding Task 5 - Evaluate Trained Models

• فرصت تمرین 4 Practice Opportunity 4

• سوال نهایی پروژه Capstone Final Capstone Project Question

• راه حل نهایی پروژه Capstone قسمت 1 Final Capstone Project Solution Part 1

• راه حل نهایی پروژه Capstone قسمت 2 Final Capstone Project Solution Part 2

• راه حل نهایی پروژه Capstone قسمت 3 Final Capstone Project Solution Part 3

• پیام پایان روز Day End Message

روز 26: بدون کد ML - AutoGluon برای مشکلات نوع طبقه بندی Day 26: No-Code ML - AutoGluon for Classification Type Problems

• پیام خوش آمد گویی روز Day Welcome Message

• لطفا مطالب امروز را دانلود کنید Please Download Today's Materials

• بررسی اجمالی پروژه Project Overview

• KPIهای مدل‌های طبقه‌بندی [مرور/در صورت آشنایی رد شوید] Classification Models KPIs [Review/Skip if Familiar]

• AutoGluon برای وظایف طبقه بندی AutoGluon for Classification Tasks

• وظیفه کدگذاری 1 - وارد کردن مجموعه داده ها و AutoGloun Coding Task 1 - Import Datasets and AutoGloun

• فرصت تمرین 1 Practice Opportunity 1

• فرصت تمرین 1 Practice Opportunity 1

• کدگذاری وظیفه 2 - انجام تجزیه و تحلیل داده های اکتشافی Coding Task 2 - Perform Exploratory Data Analysis

• فرصت تمرین 2 Practice Opportunity 2

• فرصت تمرین 2 Practice Opportunity 2

• وظیفه کدگذاری 3 - مدل طبقه بندی قطار با استفاده از AutoGluon Coding Task 3 - Train Classification Model using AutoGluon

• وظیفه کدگذاری 4 - مدل طبقه بندی را با استفاده از AutoGluon ارزیابی کنید Coding Task 4 - Evaluate Classification Model using AutoGluon

• فرصت تمرین 3 Practice Opportunity 3

• فرصت تمرین 3 Practice Opportunity 3

• سوال نهایی پروژه Capstone Final Capstone Project Question

• راه حل نهایی پروژه Capstone قسمت 1 Final Capstone Project Solution Part 1

• راه حل نهایی پروژه Capstone قسمت 2 Final Capstone Project Solution Part 2

• راه حل نهایی پروژه Capstone قسمت 3 Final Capstone Project Solution Part 3

• راه حل نهایی پروژه Capstone قسمت 3 Final Capstone Project Solution Part 3

• پیام پایان روز Day End Message

روز 27: No-Code ML - Amazon SageMaker Autopilot Day 27: No-Code ML - Amazon SageMaker Autopilot

• پیام خوش آمد گویی روز Day Welcome Message

• لطفا مطالب امروز را دانلود کنید Please Download Today's Materials

• بررسی اجمالی پروژه Project Overview

• Amazon SageMaker Autopilot Amazon SageMaker Autopilot

• SageMaker Autopilot Demo 1 - آپلود داده ها و مدل قطار SageMaker Autopilot Demo 1 - Upload Data and Train Model

• SageMaker Autopilot Demo 2 - مدل های آموزش دیده را تحلیل کنید SageMaker Autopilot Demo 2 - Analyze Trained Models

• SageMaker Autopilot Demo 3 - نوت بوک های کاندید و استقرار مدل SageMaker Autopilot Demo 3 - Candidate Notebooks & Model Deployment

• پاکسازی منابع [مهم] Resources Cleanup [Important]

• سوال نهایی پروژه Capstone Final Capstone Project Question

• راه حل نهایی پروژه Capstone 1 Final Capstone Project Solution 1

• راه حل نهایی پروژه Capstone 2 Final Capstone Project Solution 2

• پیام پایان روز Day End Message

روز 28: بدون کد ML - بوم AWS SageMaker برای طبقه بندی و وظایف رگرسیون Day 28: No-Code ML - AWS SageMaker Canvas for Classification & Regression Tasks

• پیام خوش آمد گویی روز Day Welcome Message

• لطفا مطالب امروز را دانلود کنید Please Download Today's Materials

• بررسی اجمالی پروژه Project Overview

• بررسی اجمالی پروژه Project Overview

• AWS SageMaker Canvas 101 AWS SageMaker Canvas 101

• داستان های موفقیت در منابع انسانی Success Stories in Human Resources

• کاربردهای هوش مصنوعی در منابع انسانی AI Applications in Human Resources

• نسخه ی نمایشی پروژه قسمت 1 - داده ها را در S3 آپلود کنید و Canvas را راه اندازی کنید Project Demo Part 1 - Upload data to S3 and Launch Canvas

• نسخه ی نمایشی پروژه قسمت 2 - آموزش مدل Project Demo Part 2 - Train the Model

• نسخه آزمایشی پروژه قسمت 3 - ارزیابی و تحلیل مدل Project Demo Part 3 - Model Evaluation and Analysis

• نسخه ی نمایشی پروژه قسمت 4 - پیش بینی تولید کنید Project Demo Part 4 - Generate Predictions

• سوال نهایی پروژه Capstone آخر روز Final End-of-Day Capstone Project Question

• راه حل نهایی پروژه Capstone پایان روز Final End-of-Day Capstone Project Solution

• راه حل نهایی پروژه Capstone پایان روز Final End-of-Day Capstone Project Solution

• خاموش کردن بوم SageMaker [مهم] Shutting Down SageMaker Canvas [Important]

• ضمیمه: بررسی KPIهای مدل های طبقه بندی Appendix: Review Classification Models KPIs

• پیام پایان روز Day End Message

**********بخش 8: جریان کار یادگیری ماشینی************ **********PART 8: MACHINE LEARNING WORKFLOWS**********

• به قسمت 8 در مورد گردش کار یادگیری ماشین خوش آمدید Welcome to Part 8 on Machine Learning Workflows

روز 29: عملکرد لامبدا با استفاده از کنسول AWS Day 29: Lambda Functions Using AWS Console

• پیام خوش آمد گویی روز Day Welcome Message

• لطفا مطالب امروز را دانلود کنید: Please Download Today's Materials:

• لطفا مطالب امروز را دانلود کنید: Please Download Today's Materials:

• مقدمه ای بر AWS Lambda و نتایج یادگیری کلیدی Introduction to AWS Lambda and Key Learning Outcomes

• گردش کار یادگیری ماشین 101 Machine Learning Workflows 101

• توابع AWS Lambda 101 AWS Lambda Functions 101

• آناتومی توابع لامبدا AWS AWS Lambda Functions Anatomy

• نسخه آزمایشی شماره 1: تعریف و تست عملکرد AWS Lambda Demo #1: Define and Test AWS Lambda Function

• نسخه ی نمایشی شماره 2 قسمت شماره 1: یک تابع لامبدا را تعریف کنید Demo #2 Part #1: Define a Lambda Function

• نسخه ی نمایشی شماره 2 قسمت شماره 2: تست یک تابع لامبدا Demo #2 Part #2: Test a Lambda Function

• نسخه ی نمایشی شماره 2 قسمت شماره 3: نظارت بر عملکرد لامبدا Demo #2 Part #3: Monitor a Lambda Function

• سوال نهایی پروژه Capstone Final Capstone Project Question

• راه حل نهایی پروژه Capstone Final Capstone Project Solution

• راه حل نهایی پروژه Capstone Final Capstone Project Solution

• پیام پایان روز Day End Message

روز 30: عملکرد لامبدا با استفاده از AWS SageMaker Boto3 SDK Day 30: Lambda Functions Using AWS SageMaker Boto3 SDK

• پیام خوش آمد گویی روز Day Welcome Message

• پیام خوش آمد گویی روز Day Welcome Message

• لطفا مطالب امروز را دانلود کنید Please Download Today's Materials

• لطفا مطالب امروز را دانلود کنید Please Download Today's Materials

• مقدمه و نتایج کلیدی یادگیری Introduction and Key Learning Outcomes

• همزمان در مقابل فراخوان های ناهمزمان Synchronous Vs. Asynchronous Invocations

• با استفاده از Boto3 SDK یک تابع لامبدا را تعریف کنید Define a Lambda Function Using Boto3 SDK

• با استفاده از Boto3 SDK یک تابع Lambda را فراخوانی کنید Invoke a Lambda Function Using Boto3 SDK

• فراخوانی لامبدا با EventBridge Lambda Invocation with EventBridge

• سوال نهایی پروژه Capstone Final Capstone Project Question

• سوال نهایی پروژه Capstone Final Capstone Project Question

• راه حل نهایی پروژه Capstone قسمت 1 Final Capstone Project Solution Part 1

• راه حل نهایی پروژه Capstone قسمت 1 Final Capstone Project Solution Part 1

• راه حل نهایی پروژه Capstone قسمت 2 Final Capstone Project Solution Part 2

• راه حل نهایی پروژه Capstone قسمت 2 Final Capstone Project Solution Part 2

• پیام پایان روز Day End Message

• پیام پایان روز Day End Message