آموزش ایجاد و استفاده از راه حل های استودیوی یادگیری ماشین Microsoft Azure

Creating & Deploying Microsoft Azure Machine Learning Studio Solutions

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیویی برای نمایش وجود ندارد.
توضیحات دوره: این دوره مقدمه ای در مورد قدرت ، انعطاف پذیری و مقیاس پذیری یادگیری ماشین لاجوردی است. شما یاد خواهید گرفت که فرایند علم داده را پیاده سازی کنید ، داده ها را آماده کنید و منابع داده را برای استفاده در آزمایش های یادگیری ماشین ادغام کنید. یادگیری ماشین و علوم داده یک زمینه هیجان انگیز و با رشد سریع است که ابزارهایی را برای کسب بینش عمیق تر از داده های شما فراهم می کند . در این دوره ، ایجاد و استقرار Microsoft Azure Machine Learning Studio Solutions ، شما در حال ایجاد و استقرار Microsoft Azure Machine Learning Studio Solutions خواهید بود. ابتدا واردات ، پاکسازی و تحول داده ها را کشف خواهید کرد. در مرحله بعدی ، آموزش ، ارزیابی و اصلاح مدل های یادگیری ماشین را خواهید یافت. سرانجام ، شما یاد خواهید گرفت که چگونه سرویس های وب پیش بینی را مستقر کرده و مصرف کنید. پس از اتمام این دوره ، می دانید که چگونه با استفاده از انواع الگوریتم های یادگیری ماشین با استفاده از رابط کاربری بصری و کد ، ابتدا آزمایشات علوم داده را با استفاده از نوت بوک های Jupyter و کد ویژوال استودیو ایجاد کنید.

سرفصل ها و درس ها

بررسی اجمالی دوره Course Overview

  • بررسی اجمالی دوره Course Overview

شروع کار با Azure Machine Learning Studio Getting Started with the Azure Machine Learning Studio

  • شروع شدن Getting Started

  • طرح کلی دوره Course Outline

  • استودیو یادگیری ماشین لاجوردی در متن The Azure Machine Learning Studio in Context

  • گشتی در رابط کاربری A Tour of the User Interface

  • نسخه ی نمایشی Demo

تهیه داده ها و منابع داده Preparing Data and Data Sources

  • وارد کردن داده ها Importing Data

  • پیوستن به مجموعه داده ها در پایتون ، R و طراح Joining Datasets in Python, R and the Designer

  • کاوش مجموعه داده ها Exploring Datasets

  • درک داده ها Understanding the Data

  • جریان داده ها Data Flows

تمیز کردن ، عادی سازی و تبدیل داده های خام (مهندسی ویژگی) Cleaning, Normalizing and Transforming Raw Data (Feature Engineering)

  • مهندسی و انتخاب ویژگی ها Feature Engineering and Selection

  • پاک کردن داده های از دست رفته Clean Missing Data

  • دورریزها Outliers

  • تبدیل داده ها Transforming Data

  • انتخاب ویژگی Feature Selection

آموزش ، ارزیابی و پالایش مدلهای یادگیری ماشین Training, Evaluating and Refining Machine Learning Models

  • الگوریتم های یادگیری ماشین Machine Learning Algorithms

  • آموزش و ارزیابی یک طبقه بندی دو طبقه Training and Evaluating a Two-Class Classification

  • رگرسیون خطی Linear Regression

  • اعتبار سنجی متقابل Cross-validation

  • تنظیم Hyperparameters مدل Tuning Model Hyperparameters

خودکار یادگیری ماشین Automated Machine Learning

  • مقدمه ای بر یادگیری ماشین خودکار Introduction to Automated Machine Learning

  • یادگیری خودکار ماشین با رابط کاربری استودیو Automated Machine Learning with the Studio User Interface

  • یادگیری خودکار ماشین با پایتون Automated Machine Learning with Python

خطوط لوله استقرار و یادگیری ماشین Deployment and Machine Learning Pipelines

  • استقرار مدل های یادگیری ماشین Deploying Machine Learning Models

  • نسخه ی نمایشی: استقرار مدل Demo: Model Deployment

  • نظارت و رانش داده ها Monitoring and Data Drift

  • خطوط لوله یادگیری ماشین Machine Learning Pipelines

  • ساخت خطوط لوله یادگیری ماشین در پایتون Building Machine Learning Pipelines in Python

بسته بندی کردن Wrapping Up

  • در مورد نتایج ما چطور؟ What About Our Results?

  • مراحل بعدی Next Steps

نمایش نظرات

آموزش ایجاد و استفاده از راه حل های استودیوی یادگیری ماشین Microsoft Azure
جزییات دوره
2h 56m
31
Pluralsight (پلورال سایت) Pluralsight (پلورال سایت)
(آخرین آپدیت)
11
4.4 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

Shawn Hainsworth Shawn Hainsworth

شاون بیش از بیست و پنج سال تجربه به عنوان یک معمار و توسعه دهنده دارد. شاون از سال 2011 روی هوش تجاری و یادگیری ماشین تمرکز کرده است. او در Java ، C # ، R ، Python ، Hadoop ، Mongo ، Kafka و Storm تجربه دارد. وی به عنوان "The Legal BI Guy" در کنفرانس ها و وبلاگ های فناوری مجری است.