آموزش پیوستن به گردش کار یادگیری ماشین - آخرین آپدیت

دانلود Follow a Machine Learning Workflow

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: یادگیری ماشین صرفاً یک تکلیف واحد یا گروه کوچکی از وظایف نیست؛ بلکه یک فرآیند کامل است که متخصصان باید آن را از ابتدا تا انتها دنبال کنند. این فرآیند که «گردش کار» (Workflow) نیز نامیده می‌شود، سازمان‌ها را قادر می‌سازد تا مفیدترین نتایج را از فناوری‌های یادگیری ماشین خود استخراج کنند. صرف‌نظر از اینکه محصول یا خدمات نهایی به چه شکلی باشد، بهره‌گیری از این گردش کار کلید موفقیت راهکارهای هوش مصنوعی در هر کسب‌وکاری است. این دوره دوم از گواهینامه حرفه‌ای متخصص تایید شده هوش مصنوعی (CAIP)، هر مرحله از گردش کار یادگیری ماشین را از فرمول‌بندی مسئله تا ارائه و استقرار مدل بررسی می‌کند. در حالی که کلیات این گردش کار در دوره قبلی معرفی شد، اکنون شما عمیق‌تر به هر یک از وظایف حیاتی تشکیل‌دهنده آن، از جمله دو مورد از عملی‌ترین بخش‌ها یعنی تحلیل داده‌ها و آموزش مدل خواهید پرداخت. همچنین خواهید آموخت که چگونه وظایف یادگیری ماشین را خودکارسازی کنید تا اطمینان حاصل شود که این گردش کار، مانند مهم‌ترین فرآیندهای تجاری، در صورت نیاز قابل تکرار باشد. در نهایت، این دوره یک چارچوب کاربردی فراهم می‌کند که بر اساس آن، در دوره‌های باقی‌مانده مدل‌های یادگیری ماشین بسیار بیشتری را خواهید ساخت.

سرفصل ها و درس ها

جمع‌آوری مجموعه داده Collect the Dataset

  • مقدمه‌ای بر دوره گردش کار یادگیری ماشین Follow a Machine Learning Workflow Course Introduction

  • معرفی تخصص CAIP CAIP Specialization Introduction

  • مقدمه‌ای بر بخش جمع‌آوری مجموعه داده Collect the Dataset Module Introduction

  • مجموعه داده‌های یادگیری ماشین Machine Learning Datasets

  • اصطلاحات ساختار داده Data Structure Terminology

  • مشکلات کیفیت داده‌ها Data Quality Issues

  • منابع داده Data Sources

  • دستورالعمل‌های انتخاب مجموعه داده یادگیری ماشین Guidelines for Selecting a Machine Learning Dataset

  • خط لوله‌های ETL و یادگیری ماشین ETL and Machine Learning Pipelines

تحلیل مجموعه داده Analyze the Dataset

  • مقدمه‌ای بر بخش تحلیل مجموعه داده Analyze the Dataset Module Introduction

  • محتوا و فرمت مجموعه داده Dataset Content and Format

  • توزیع‌ها Distributions

  • تحلیل آماری توصیفی Descriptive Statistical Analysis

  • گرایش به مرکز Central Tendency

  • پراکندگی و دامنه Variability and Range

  • واریانس و انحراف معیار Variance and Standard Deviation

  • چولگی Skewness

  • کشیدگی Kurtosis

  • ضریب همبستگی Correlation Coefficient

  • بصری‌سازی‌ها Visualizations

  • هیستوگرام Histogram

  • نمودار جعبه‌ای Box Plot

  • نمودار پراکندگی Scatterplot

  • نقشه‌ها Maps

آماده‌سازی مجموعه داده Prepare the Dataset

  • مقدمه‌ای بر بخش آماده‌سازی مجموعه داده Prepare the Dataset Module Introduction

  • آماده‌سازی داده‌ها Data Preparation

  • انواع داده‌ها Data Types

  • متغیرهای پیوسته در مقابل گسسته Continuous vs. Discrete Variables

  • کدگذاری داده‌ها Data Encoding

  • کاهش ابعاد Dimensionality Reduction

  • مقادیر مفقود و تکراری Missing and Duplicate Values

  • نرمال‌سازی و استانداردسازی Normalization and Standardization

  • روش Holdout Holdout Method

راه‌اندازی و آموزش مدل Set Up and Train a Model

  • مقدمه‌ای بر بخش راه‌اندازی و آموزش مدل Set Up and Train a Model Module Introduction

  • طراحی آزمایش‌ها Design of Experiments

  • آزمون فرضیه Hypothesis Testing

  • مقدار p-value و فاصله اطمینان p-value and Confidence Interval

  • الگوریتم‌های یادگیری ماشین Machine Learning Algorithms

  • تنظیم تکرار شونده Iterative Tuning

  • سوگیری و تعمیم‌ها Bias and Generalizations

  • اعتبارسنجی متقاطع Cross-Validation

  • تبدیل ویژگی‌ها Feature Transformation

  • موازنه سوگیری-واریانس The Bias–Variance Tradeoff

  • پارامترها Parameters

  • منظم‌سازی (Regularization) Regularization

  • کارایی آموزش Training Efficiency

نهایی‌سازی مدل Finalize the Model

  • مقدمه‌ای بر بخش نهایی‌سازی مدل Finalize the Model Module Introduction

  • شناخت مخاطبان Know Your Audience

  • استفاده از بصری‌سازی برای ارائه یافته‌ها Use Visualization to Present Your Findings

  • تدوین ارائه یادگیری ماشین Put Together a Machine Learning Presentation

  • ارائه شفاف یافته‌ها Communicate Your Findings Clearly

  • بهره‌برداری از مدل در محیط عملیاتی Put a Model into Production

  • خودکارسازی خط لوله Pipeline Automation

  • تست و نگهداری Testing and Maintenance

به‌کارگیری آموخته‌ها Apply What You've Learned

نمایش نظرات

آموزش پیوستن به گردش کار یادگیری ماشین
جزییات دوره
19h 59m
54
(آخرین آپدیت)
3,584
3.7 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