آموزش ساخت و مدیریت راهکارهای یادگیری ماشین با Azure - آخرین آپدیت

دانلود Build and Operate Machine Learning Solutions with Azure

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: Azure Machine Learning یک پلتفرم ابری برای آموزش، استقرار، مدیریت و نظارت بر مدل‌های یادگیری ماشین است. در این دوره، شما خواهید آموخت که چگونه از Azure Machine Learning Python SDK برای ایجاد و مدیریت راهکارهای یادگیری ماشین در سطح سازمانی استفاده کنید. این دوره، سومین بخش از یک برنامه پنج‌گانه است که شما را برای شرکت در آزمون گواهینامه DP-100 (طراحی و پیاده‌سازی راهکارهای علم داده در Azure) آماده می‌کند. این آزمون گواهینامه فرصتی است تا دانش و تخصص خود را در به‌کارگیری راهکارهای یادگیری ماشین در مقیاس ابری با استفاده از Azure Machine Learning به اثبات برسانید. این تخصص به شما می‌آموزد تا از دانش فعلی خود در زبان پایتون و یادگیری ماشین برای مدیریت جذب و آماده‌سازی داده‌ها، آموزش و استقرار مدل و نظارت بر راهکارهای یادگیری ماشین در محیط مایکروسافت Azure بهره ببرید. هر دوره، مفاهیم و مهارت‌هایی را آموزش می‌دهد که در آزمون مورد ارزیابی قرار می‌گیرند. این تخصص برای دانشمندانی داده طراحی شده است که با پایتون و فریم‌ورک‌های یادگیری ماشین مانند Scikit-Learn، PyTorch و Tensorflow آشنایی دارند و قصد دارند راهکارهای یادگیری ماشین را در فضای ابری بسازند و مدیریت کنند. این دوره به دانشمندان داده می‌آموزد که چگونه راهکارهای جامع (End-to-End) را در مایکروسافت Azure ایجاد کنند. دانشجویان یاد می‌گیرند که منابع Azure را برای یادگیری ماشین مدیریت کنند، آزمایش‌ها را اجرا کرده و مدل‌ها را آموزش دهند، راهکارهای یادگیری ماشین را مستقر و عملیاتی کنند و یادگیری ماشین مسئولانه را پیاده‌سازی نمایند. آن‌ها همچنین یاد می‌گیرند که از Azure Databricks برای اکتشاف، آماده‌سازی و مدل‌سازی داده‌ها استفاده کرده و فرآیندهای یادگیری ماشین Databricks را با Azure Machine Learning ادغام کنند.

سرفصل ها و درس ها

استفاده از Azure Machine Learning SDK برای آموزش مدل Use the Azure Machine Learning SDK to train a model

  • مقدمه‌ای بر تحلیل‌های انبار داده مدرن در Azure Introduction to Modern Data Warehouse Analytics in Azure

  • معرفی درس Lesson introduction

  • فضاهای کاری Azure Machine Learning Azure Machine Learning workspaces

  • ابزارها و رابط‌های کاربری Azure Machine Learning Azure Machine Learning tools and interfaces

  • آزمایش‌های Azure Machine Learning Azure Machine Learning experiments

  • خلاصه درس Lesson summary

  • معرفی درس Lesson Introduction

  • خلاصه درس Lesson summary

کار با داده‌ها و منابع محاسباتی در Azure Machine Learning Work with Data and Compute in Azure Machine Learning

  • معرفی درس Lesson Introduction

  • مقدمه‌ای بر ذخیره‌سازهای داده (Datastores) Introduction to datastores

  • استفاده از ذخیره‌سازهای داده Use datastores

  • خلاصه درس Lesson summary

  • معرفی درس Lesson introduction

  • محیط‌ها در Azure Machine Learning Environments in Azure Machine Learning

  • مقدمه‌ای بر اهداف محاسباتی (Compute Targets) Introduction to compute targets

  • خلاصه درس Lesson summary

مدیریت خط لوله‌ها و استقرار سرویس‌های یادگیری ماشین در زمان واقعی با Azure Machine Learning Orchestrate pipelines and deploy real-time machine learning services with Azure Machine Learning

  • معرفی درس Lesson introduction

  • مقدمه‌ای بر خط لوله‌ها (Pipelines) Introduction to pipelines

  • انتقال داده‌ها بین مراحل خط لوله Pass data between pipeline steps

  • خلاصه درس Lesson summary

  • معرفی درس Lesson Introduction

  • عیب‌یابی استقرار سرویس Troubleshoot service deployment

  • خلاصه درس Lesson summary

استقرار خط لوله‌های استنتاج دسته‌ای و تنظیم هایپرپارامترها با Azure Machine Learning Deploy batch inference pipelines and tune hyperparameters with Azure Machine Learning

  • معرفی درس Lesson introduction

  • خلاصه درس Lesson Summery

  • معرفی درس Lesson introduction

  • تعریف فضای جستجو Defining a search space

  • پیکربندی توقف زودهنگام Configuring early termination

  • خلاصه درس Lesson summary

انتخاب مدل‌ها و حفاظت از داده‌های حساس Select models and protect sensitive data

  • معرفی درس Lesson introduction

  • وظایف و الگوریتم‌های یادگیری ماشین خودکار Automated machine learning tasks and algorithms

  • پیش‌پردازش و استخراج ویژگی‌ها Preprocessing and featurization

  • خلاصه درس Lesson summary

  • معرفی درس Lesson introduction

  • درک حریم خصوصی تفاضلی (Differential Privacy) Understand differential privacy

  • پیکربندی پارامترهای حریم خصوصی داده‌ها Configure data privacy parameters

  • خلاصه درس Lesson Summery

  • معرفی درس Lesson introduction

  • اهمیت ویژگی‌ها Feature importance

  • استفاده از تحلیل‌گرها (Explainers) Using explainers

  • بصری‌سازی توضیحات Visualizing explanations

  • خلاصه درس Lesson summary

نظارت بر استقرار یادگیری ماشین Monitor machine learning deployments

  • معرفی درس Lesson introduction

  • بررسی عدالت در مدل (Model Fairness) Consider model fairness

  • تحلیل عدالت مدل با Fairlearn Analyze model fairness with Fairlearn

  • کاهش نابرابری‌ها با Fairlearn Mitigate unfairness with Fairlearn

  • خلاصه درس Lesson summary

  • معرفی درس Lesson introduction

  • فعال‌سازی Application Insights Enable Application Insights

  • خلاصه درس Lesson summary

  • معرفی درس Lesson introduction

  • ایجاد مانیتور رانش داده‌ها (Data Drift) Creating a data drift monitor

  • زمان‌بندی هشدارها Scheduling alerts

  • خلاصه درس Lesson summary

  • تبریکات نهایی Congratulations

نمایش نظرات

آموزش ساخت و مدیریت راهکارهای یادگیری ماشین با Azure
جزییات دوره
30h 54m
55
(آخرین آپدیت)
10,655
4.1 از 5
دارد
دارد
دارد
Microsoft
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar