آموزش انتقال به مهندسی یادگیری ماشین

Transitioning into Machine Learning Engineering

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
توضیحات دوره:
مهندسین یادگیری ماشینی به طور فزاینده ای مورد تقاضا هستند، که اگر یک دانشمند داده یا توسعه دهنده نرم افزار باشید که علاقه مند به تغییر شغل هستید، نوید خوبی می دهد. در این دوره، به مربی و مربی فناوری Khaulat Abdulhakeem بپیوندید تا شما را در مراحلی که باید برای انتقال موفقیت آمیز به مهندسی یادگیری ماشین بردارید، راهنمایی کند.

درباره نقش های مختلف مهندسین یادگیری ماشین در طراحی ماشین بیاموزید. سیستم ها و برنامه های یادگیری مهارت‌های کلیدی مرتبط با این رشته را که از علم داده و مهندسی نرم‌افزار استخراج می‌شود، از جمله تکنیک‌های مدل‌سازی، پردازش مجموعه داده‌ها، فشرده‌سازی، توسعه الگوریتم‌های یادگیری ماشین، بهینه‌سازی سرعت و مقیاس‌پذیری و استقرار را کاوش کنید. در طول مسیر، Khaulat با تعداد انگشت شماری از مهندسان یادگیری ماشین و مدیران استخدام در مورد تجربیات منحصربه‌فردشان صحبت می‌کند، و به شما ایده بهتری در مورد انتظارات از جستجوی شغل و کارهایی که باید انجام دهید تا نقشی مناسب داشته باشید، می‌دهد.

سرفصل ها و درس ها

مقدمه Introduction

  • برای انتقال به مهندسی یادگیری ماشین مهارت کسب کنید Gain skills to transition into machine learning engineering

  • آنچه شما باید بدانید What you should know

  • مهندسی یادگیری ماشین به طور خلاصه Machine learning engineering in a nutshell

1. نقش های کلیدی یک مهندس یادگیری ماشین 1. Key Roles of a Machine Learning Engineer

  • پیاده سازی الگوریتم های یادگیری ماشین Implement machine learning algorithms

  • خطوط لوله داده را تعریف کنید Define data pipelines

  • طراحی سیستم ها و برنامه های یادگیری ماشین Design machine learning systems and applications

2. مهارت های علم داده 2. Data Science Skills

  • آموزش مدل های یادگیری ماشینی Train machine learning models

  • پردازش مجموعه داده های بزرگ Process large data sets

  • فشرده سازی داده ها و مدل ها Compress data and models

3. مهارت های مهندسی نرم افزار 3. Software Engineering Skills

  • سیستم هایی را پیرامون الگوریتم های یادگیری ماشین بسازید Build systems around machine learning algorithms

  • سیستم های موجود را حفظ و به روز کنید Maintain and update existing systems

  • برای سرعت و مقیاس پذیری بهینه سازی کنید Optimize for speed and scalability

  • راه‌حل‌های یادگیری ماشین را در تولید بکار ببرید Deploy machine learning solutions into production

4. از مهندسان یادگیری ماشین بشنوید 4. Hear from Machine Learning Engineers

  • یک روز در زندگی شما به عنوان یک مهندس نرم افزار چگونه است؟ What is a day in your life as a software engineer like?

  • از چه ابزارها و نرم افزارهایی اغلب استفاده می کنید؟ What tools and software do you use frequently?

  • چه چیزی را در شغل خود بیشتر دوست دارید؟ What do you like the most about your job?

5. از مدیران استخدام مهندسی بشنوید 5. Hear from Engineering Hiring Managers

  • در مهندسین یادگیری ماشین به دنبال چه مهارت هایی هستید؟ What skills do you look for in machine learning engineers?

  • مهندسان ML چقدر دانش علم داده باید داشته باشند؟ How much data science knowledge should ML engineers have?

  • مشاوره مهندسی ML از مدیران استخدام ML engineering advice from hiring managers

نتیجه Conclusion

  • منابعی برای شروع شما در مهندسی ML Resources to get you started in ML engineering

  • مشاوره شغلی از یک مربی حرفه ای فناوری Career advice from a tech career coach

نمایش نظرات

نظری ارسال نشده است.

آموزش انتقال به مهندسی یادگیری ماشین
خرید اشتراک و دانلود خرید تکی و دانلود | 160,000 تومان (5 روز مهلت دانلود) زمان تقریبی آماده سازی لینک دانلود این دوره آموزشی حدود 5 تا 24 ساعت می باشد.
جزییات دوره
27m
21
Linkedin (لینکدین) lynda-small
28 شهریور 1401 (آخرین آپدیت رو دریافت می‌کنید، حتی اگر این تاریخ بروز نباشد.)
-
- از 5
ندارد
دارد
دارد

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Khaulat Abdulhakeem Khaulat Abdulhakeem

بنیانگذار DiverseK

Khaulat Abdulhakeem به دانشجویان و فارغ التحصیلان اخیر کمک می کند تا در حرفه فناوری رویایی خود حرکت کنند.

Khaulat بنیانگذار DiverseK.com است، پلتفرمی که منابع مفید توسعه شغلی فناوری، مشاوره شغلی، و مصاحبه با کارشناسان صنعت فناوری را ارائه می دهد. . او سابقه ای در تحقیقات هوش مصنوعی دارد و در مورد بینایی ماشین، یادگیری تقویتی، و روباتیک تحقیق کرده است.

در DiverseK.com می توانید در مورد اینکه چگونه DiverseK می تواند به شما کمک کند حرفه فنی خود را شروع کرده و به پیش ببرید، بیشتر بیاموزید."

Linkedin (لینکدین)

لینکدین: شبکه اجتماعی حرفه‌ای برای ارتباط و کارآفرینی

لینکدین به عنوان یکی از بزرگترین شبکه‌های اجتماعی حرفه‌ای، به میلیون‌ها افراد در سراسر جهان این امکان را می‌دهد تا ارتباط برقرار کنند، اطلاعات حرفه‌ای خود را به اشتراک بگذارند و فرصت‌های شغلی را کشف کنند. این شبکه اجتماعی به کاربران امکان می‌دهد تا رزومه حرفه‌ای خود را آپدیت کنند، با همکاران، دوستان و همکاران آینده ارتباط برقرار کنند، به انجمن‌ها و گروه‌های حرفه‌ای ملحق شوند و از مقالات و مطالب مرتبط با حوزه کاری خود بهره‌مند شوند.

لینکدین همچنین به کارفرمایان امکان می‌دهد تا به دنبال نیروهای با تجربه و مهارت مورد نیاز خود بگردند و ارتباط برقرار کنند. این شبکه حرفه‌ای به عنوان یک پلتفرم کلیدی برای بهبود دسترسی به فرصت‌های شغلی و گسترش شبکه حرفه‌ای خود، نقش مهمی را ایفا می‌کند. از این رو، لینکدین به عنوان یکی از مهمترین ابزارهای کارآفرینی و توسعه حرفه‌ای در دنیای امروز مورد توجه قرار دارد.