آموزش گوگل چگونه یادگیری ماشینی را انجام می دهد

How Google Does Machine Learning

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره: یادگیری ماشین چیست و چه نوع مشکلاتی را می تواند حل کند؟ گوگل در مورد یادگیری ماشینی کمی متفاوت فکر می کند - به جای صرفاً داده، منطق است. ما در مورد اینکه چرا چنین قاب بندی هنگام فکر کردن به ایجاد خط لوله ای از مدل های یادگیری ماشین مفید است صحبت می کنیم. سپس، ما در مورد پنج مرحله تبدیل یک مورد استفاده کاندید که توسط یادگیری ماشین هدایت می‌شود، بحث می‌کنیم و در نظر می‌گیریم که چرا مهم است که از مراحل نادیده گرفته نشوند. ما با شناخت سوگیری هایی که یادگیری ماشینی می تواند تقویت کند و نحوه تشخیص آن به پایان می رسیم.

سرفصل ها و درس ها

مقدمه ای بر تخصص Introduction to Specialization

  • دستور کار تخصصی Specialization Agenda

  • دستور کار تخصصی Specialization Agenda

  • چرا گوگل؟ Why Google?

  • چرا گوگل؟ Why Google?

  • چرا Google Cloud؟ Why Google Cloud?

  • چرا Google Cloud؟ Why Google Cloud?

  • شروع کار با GCP و Qwiklabs Getting Started With GCP And Qwiklabs

  • شروع کار با GCP و Qwiklabs Getting Started With GCP And Qwiklabs

در ابتدا هوش مصنوعی بودن به چه معناست What It Means to Be AI First

  • ابتدا هوش مصنوعی بودن به چه معناست What it means to be AI first

  • ابتدا هوش مصنوعی بودن به چه معناست What it means to be AI first

  • دو مرحله ML Two stages of ML

  • دو مرحله ML Two stages of ML

  • ML در محصولات Google ML in Google products

  • ML در محصولات Google ML in Google products

  • Google Photos Google Photos

  • Google Photos Google Photos

  • مترجم گوگل Google Translate

  • مترجم گوگل Google Translate

  • جایگزینی اکتشافی Replacing heuristics

  • جایگزینی اکتشافی Replacing heuristics

  • همه چیز در مورد داده است It's all about data

  • همه چیز در مورد داده است It's all about data

  • Lab-Framing یک مشکل ML Lab-Framing an ML problem

  • Lab-Framing یک مشکل ML Lab-Framing an ML problem

  • خلاصه آزمایشگاهی Lab debrief

  • خلاصه آزمایشگاهی Lab debrief

  • ML در برنامه های کاربردی ML in Applications

  • ML در برنامه های کاربردی ML in Applications

  • مدل های از قبل آموزش دیده Pre-trained models

  • مدل های از قبل آموزش دیده Pre-trained models

  • بازار ML در حال تحول است The ML marketplace is evolving

  • بازار ML در حال تحول است The ML marketplace is evolving

  • یک استراتژی داده A data strategy

  • یک استراتژی داده A data strategy

  • کج آموزشی-سرویس Training-serving skew

  • کج آموزشی-سرویس Training-serving skew

  • یک استراتژی ML A ML strategy

  • یک استراتژی ML A ML strategy

  • کسب و کار خود را متحول کنید Transform your business

  • کسب و کار خود را متحول کنید Transform your business

  • معرفی آزمایشگاه: مورد استفاده غیر سنتی ML Lab Intro: Non-traditional ML use case

  • معرفی آزمایشگاه: مورد استفاده غیر سنتی ML Lab Intro: Non-traditional ML use case

گوگل چگونه ML را انجام می دهد How Google Does ML

  • معرفی Introduction

  • معرفی Introduction

  • ML سورپرایز ML Surprise

  • ML سورپرایز ML Surprise

  • سس مخفی The secret sauce

  • سس مخفی The secret sauce

  • ML و فرآیندهای کسب و کار ML and Business Processes

  • ML و فرآیندهای کسب و کار ML and Business Processes

  • مسیر ML The Path to ML

  • مسیر ML The Path to ML

  • پایان مراحل شیرجه عمیق End of phases deep dive

  • پایان مراحل شیرجه عمیق End of phases deep dive

ML فراگیر Inclusive ML

  • معرفی Introduction

  • معرفی Introduction

  • یادگیری ماشین و تعصب انسانی Machine Learning and Human Bias

  • یادگیری ماشین و تعصب انسانی Machine Learning and Human Bias

  • ارزیابی معیارها برای گنجاندن Evaluating Metrics for Inclusion

  • ارزیابی معیارها برای گنجاندن Evaluating Metrics for Inclusion

  • اندازه گیری های آماری و معاوضه های قابل قبول Statistical Measurements and acceptable tradeoffs

  • اندازه گیری های آماری و معاوضه های قابل قبول Statistical Measurements and acceptable tradeoffs

  • برابری فرصت Equality of Opportunity

  • برابری فرصت Equality of Opportunity

  • شبیه سازی تصمیمات Simulating Decisions

  • شبیه سازی تصمیمات Simulating Decisions

  • یافتن خطاها در مجموعه داده خود با استفاده از Facets Finding Errors in your dataset using Facets

  • یافتن خطاها در مجموعه داده خود با استفاده از Facets Finding Errors in your dataset using Facets

نوت بوک های پایتون در ابر Python Notebooks in the Cloud

  • معرفی ماژول Module Introduction

  • معرفی ماژول Module Introduction

  • Cloud Datalab Cloud Datalab

  • Cloud Datalab Cloud Datalab

  • دمو- Cloud Datalab Demo- Cloud Datalab

  • دمو- Cloud Datalab Demo- Cloud Datalab

  • فرآیند توسعه Development process

  • فرآیند توسعه Development process

  • محاسبات و ذخیره سازی Computation and storage

  • محاسبات و ذخیره سازی Computation and storage

  • آزمایشگاه: [ML on GCP C1] Rent-a-VM برای پردازش داده های زلزله Lab: [ML on GCP C1] Rent-a-VM to process earthquake data

  • آزمایشگاه: [ML on GCP C1] Rent-a-VM برای پردازش داده های زلزله Lab: [ML on GCP C1] Rent-a-VM to process earthquake data

  • خلاصه آزمایشگاهی Lab debrief

  • خلاصه آزمایشگاهی Lab debrief

  • پوسته ابر Cloud shell

  • پوسته ابر Cloud shell

  • موج سوم ابر_3 Third Wave of Cloud_3

  • موج سوم ابر_3 Third Wave of Cloud_3

  • موج سوم ابر_3 Third Wave of Cloud_3

  • موج سوم ابر_3 Third Wave of Cloud_3

  • موج سوم ابر_4 Third Wave of Cloud_4

  • موج سوم ابر_4 Third Wave of Cloud_4

  • معرفی آزمایشگاه Lab Intro

  • معرفی آزمایشگاه Lab Intro

  • آزمایشگاه: [ML on GCP C1] تجزیه و تحلیل داده‌ها با استفاده از Datalab و BigQuery Lab: [ML on GCP C1] Analyzing data using Datalab and BigQuery

  • آزمایشگاه: [ML on GCP C1] تجزیه و تحلیل داده‌ها با استفاده از Datalab و BigQuery Lab: [ML on GCP C1] Analyzing data using Datalab and BigQuery

  • خلاصه آزمایشگاهی Lab debrief

  • خلاصه آزمایشگاهی Lab debrief

  • ML - نه قوانین ML - not rules

  • ML - نه قوانین ML - not rules

  • Cloud Vision API Cloud Vision API

  • Cloud Vision API Cloud Vision API

  • API هوش ویدیویی Video intelligence API

  • API هوش ویدیویی Video intelligence API

  • Cloud Speech API Cloud Speech API

  • Cloud Speech API Cloud Speech API

  • ترجمه و NL Translation and NL

  • ترجمه و NL Translation and NL

  • Lab- مقدمه ML APIs Pretrained Lab- Pretrained ML APIs Intro

  • Lab- مقدمه ML APIs Pretrained Lab- Pretrained ML APIs Intro

  • آزمایشگاه: [ML on GCP C1] فراخوانی APIهای یادگیری ماشین Lab: [ML on GCP C1] Invoking Machine Learning APIs

  • آزمایشگاه: [ML on GCP C1] فراخوانی APIهای یادگیری ماشین Lab: [ML on GCP C1] Invoking Machine Learning APIs

  • راه حل آزمایشگاهی Lab Solution

  • راه حل آزمایشگاهی Lab Solution

خلاصه Summary

  • خلاصه - استراتژی ML Summary-ML Strategy

  • خلاصه - استراتژی ML Summary-ML Strategy

نمایش نظرات

آموزش گوگل چگونه یادگیری ماشینی را انجام می دهد
جزییات دوره
3h 19m
114
Pluralsight (پلورال سایت) Pluralsight (پلورال سایت)
(آخرین آپدیت)
10
4.6 از 5
دارد
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.