آموزش AWS: مبانی یادگیری ماشین و MLOps - آخرین آپدیت

دانلود AWS: Machine Learning & MLOps Foundations

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: دوره «مبانی یادگیری ماشین و MLOps در AWS» اولین بخش از مسیر آمادگی آزمون (MLA-C01): مدرک تخصصی مهندس یادگیری ماشین AWS است. این دوره به یادگیرندگان کمک می‌کند تا دانش پایه‌ای از مفاهیم اصلی یادگیری ماشین، از جمله انواع یادگیری، آماده‌سازی داده‌ها، ارزیابی مدل و عملیاتی‌سازی را کسب کنند. دانش‌پژوهان درک عمیقی از تفاوت بین هوش مصنوعی، یادگیری عمیق و یادگیری ماشین پیدا کرده و نحوه شناسایی و پیاده‌سازی کاربردهای واقعی یادگیری ماشین را با استفاده از سرویس‌های AWS می‌آموزند. این دوره به موضوعات کلیدی مانند انتخاب مدل، گردش کارهای طبقه‌بندی، ماتریس‌های درهم‌ریختگی (Confusion Matrix) و تکنیک‌های ارزیابی رگرسیون می‌پردازد. علاوه بر این، مفاهیم MLOps و سرویس‌های AWS که برای ساده‌سازی استقرار و نظارت بر یادگیری ماشین در محیط‌های عملیاتی استفاده می‌شوند، معرفی می‌گردند. این دوره در دو ماژول ارائه شده و هر ماژول شامل درس‌ها و ویدیوهای آموزشی است. حدود ۲:۳۰ تا ۳:۰۰ ساعت محتوای ویدیویی شامل تئوری و تمرینات عملی با ابزارهای AWS در اختیار کاربران قرار می‌گیرد. همچنین برای هر ماژول آزمون‌های ارزیابی جهت سنجش میزان یادگیری و آمادگی عملی دانشجویان ارائه شده است. ماژول ۱: مفاهیم یادگیری ماشین و MLOps ماژول ۲: تکنیک‌های توسعه و ارزیابی مدل در پایان این دوره، یادگیرندگان قادر خواهند بود: - مفاهیم پایه‌ای یادگیری ماشین و MLOps را با ابزارهای AWS پیاده‌سازی کنند. - مدل‌های یادگیری ماشین را با سرویس‌هایی مانند Amazon SageMaker ساخته و ارزیابی کنند. - گردش کارهای کامل (End-to-End) یادگیری ماشین از جمله آماده‌سازی داده، آموزش مدل و استقرار را درک کنند. - آمادگی خود را برای آزمون مهندس یادگیری ماشین AWS (MLA-C01) افزایش دهند. این دوره برای علاقه‌مندان به حوزه یادگیری ماشین، مهندسان داده و توسعه‌دهندگانی که ۶ ماه تا ۱ سال تجربه کار با AWS دارند و قصد دارند مهارت‌های عملی در یادگیری ماشین و MLOps کسب کنند، ایده‌آل است.

سرفصل ها و درس ها

مفاهیم یادگیری ماشین و موارد کاربرد [مفاهیم و کاربردهای یادگیری ماشین و MLOps] Machine Learning Concepts & Use Cases [Machine Learning and MLOps Concepts & Use Cases]

  • خوش‌آمدگویی به دوره تخصصی Welcome to Specialization

  • یادگیری ماشین چیست؟ What is Machine Learning?

  • درک تفاوت هوش مصنوعی، یادگیری عمیق و یادگیری ماشین Understanding difference - AI Vs Deep Learning Vs Machine Learning

  • انواع داده‌ها Types of Data

  • انواع یادگیری ماشین Types of Machine Learning

  • شناسایی موارد کاربرد یادگیری ماشین Identify the Machine Learing Use Case

  • مراحل یادگیری ماشین Steps for Machine Learning

  • سرویس‌های AWS برای یادگیری ماشین AWS Services for Machine Learning

  • MLOps چیست؟ What is MLOps ?

  • سرویس‌های AWS برای MLOps AWS Services for MLOps

تکنیک‌های توسعه و ارزیابی مدل Model Development & Evaluation Techniques

  • دموی وظیفه طبقه‌بندی Classification task - Demo

  • انتخاب مدل، آموزش و ارزیابی Model Selection, Training and Evaluation

  • اصول پیش‌پردازش داده‌ها Data Preprocessing Essentials

  • ارزیابی مدل‌های طبقه‌بندی Evaluating Classification Models

  • ماتریس درهم‌ریختگی (Confusion Matrix) Confusion Matrix

  • مثال‌هایی از تفسیر ماتریس درهم‌ریختگی Examples of Interpretation of Confusion Matrix

  • معیارهای ارزیابی در رگرسیون Evaluation Metrics - Regression

  • یادگیری نظارت‌نشده و خوشه‌بندی Unsupervised Learning - Clustering

  • انواع استنتاج؛ چه زمانی از چه روشی استفاده کنیم؟ Types of Inferencing - When to Use What ?

نمایش نظرات

آموزش AWS: مبانی یادگیری ماشین و MLOps
جزییات دوره
5h 48m
19
(آخرین آپدیت)
1,664
- از 5
دارد
دارد
دارد
Chris Croft
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Chris Croft Chris Croft

مربی مدیریت، سخنران، نویسنده