آموزش مدل: بهترین روش ها برای پزشکان داده

Model Training: Best Practices for Data Practitioners

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: یادگیری ماشینی همه جا هست. هر روز قابلیت های هوش مصنوعی بیشتر می شود به هر محصول اضافه شده است، بنابراین برای به روز ماندن باید بر آن مهارت تسلط داشته باشید. در این دوره، آموزش مدل: بهترین روش ها برای دست اندرکاران داده، شما توانایی آموزش مدلی برای حل چنین مشکلات هوش مصنوعی را به دست خواهید آورد. ابتدا، چرخه عمر مدل و استراتژی های آماده سازی داده ها را بررسی خواهید کرد. در مرحله بعد، نحوه آموزش و انتخاب مدل ها را خواهید فهمید. در نهایت، یاد خواهید گرفت که چگونه با روندها به روز باشید. وقتی این دوره را تمام کردید، مهارت ها و مهارت ها را خواهید داشت دانش آموزش مدل مورد نیاز برای افزودن هر ویژگی هوش مصنوعی به هر کدام محصول در صورت نیاز

      سرفصل ها و درس ها

      بررسی اجمالی دوره Course Overview

      • بررسی اجمالی دوره Course Overview

      آموزش و انتخاب مدل با تقسیم بندی Train-test Model Training and Selection with Train-test Splits

      • ملاقات با چرخه عمر مدل ML Meeting the ML Model Lifecycle

      • معرفی آموزش تحت نظارت در مقابل آموزش بدون نظارت Introducing Supervised vs. Unsupervised Learning

      • تقسیم‌های Train-Test-Validation در انتخاب مدل Train-Test-Validation Splits in Model Selection

      • نسخه ی نمایشی: اولین مدل ما: رگرسیون Demo: Our First Model: Regression

      • معیارهای رگرسیون Regression Metrics

      • نسخه ی نمایشی: استفاده از train_test_split برای انتخاب ویژگی ها Demo: Using train_test_split to Select Features

      • بررسی نسخه Version Check

      آموزش و انتخاب مدل با اعتبارسنجی متقاطع Model Training and Selection with Cross Validation

      • نسخه ی نمایشی: طبقه بندی با رگرسیون لجستیک Demo: Classification with Logistic Regression

      • معیارهای طبقه بندی Classification Metrics

      • معرفی Cross Validation Introducing Cross Validation

      • نسخه ی نمایشی: استفاده از CVGridSearch با رگرسیون لجستیک Demo: Using CVGridSearch with Logistic Regression

      • کدام وبلاگ ها را دنبال کنیم؟ Which Blogs to Follow?

      • CI/CD برای یادگیری ماشین CI/CD for Machine Learning

      • نکات و نکات کلیدی Key Takeaways and Tips

      نمایش نظرات

      نظری ارسال نشده است.

      آموزش مدل: بهترین روش ها برای پزشکان داده
      خرید اشتراک و دانلودخرید تکی و دانلود | 210,000 تومان (5 روز مهلت دانلود ) زمان تقریبی آماده سازی لینک دانلود این دوره آموزشی حدود 2 تا 14 ساعت می باشد.
      جزییات دوره
      46m
      15
      Pluralsight (پلورال سایت) Pluralsight (پلورال سایت)
      (آخرین آپدیت)
      1
      از 5
      دارد
      دارد
      دارد
      Axel Sirota
      جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

      Google Chrome Browser

      Internet Download Manager

      Pot Player

      Winrar

      Axel Sirota Axel Sirota

      آکسل سیروتا دارای مدرک کارشناسی ارشد ریاضیات است که علاقه زیادی به عملیات یادگیری عمیق و یادگیری ماشین دارد. وی پس از تحقیق در زمینه احتمال ، آمار و بهینه سازی یادگیری ماشین ، در حال حاضر در JAMPP به عنوان یک مهندس تحقیق در زمینه یادگیری ماشین مشغول به کار است که از داده های مشتری برای پیش بینی دقیق در زمان واقعی پیشنهاد استفاده می کند.