دسترسی سریع:

مسیر:

صفحه اصلی

🔔 با توجه به بهبود نسبی اینترنت، آماده‌سازی دوره‌ها آغاز شده است. به دلیل تداوم برخی اختلالات، بارگذاری دوره‌ها ممکن است با کمی تأخیر انجام شود. مدت اشتراک‌های تهیه‌شده محفوظ است.

لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در کانال تلگرام عضو شوید.

آموزش آماده سازی داده برای هوش مصنوعی بدون راننده H2O - آخرین آپدیت

دانلود Data Prep for H2O Driverless AI

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.

نمونه ویدیوها: (صرفا برای مشاهده نمونه ویدیو، ممکن هست نیاز به شکن داشته باشید.)

توضیحات دوره: آموزش استفاده از هوش مصنوعی بدون راننده برای آماده سازی داده ها. از هوش مصنوعی بدون راننده برای آماده سازی داده ها استفاده کنید. داده ها را برای یادگیری ماشین کلاسیک آماده کنید. مجموعه داده ها را به طور موثر بسازید. داده های سری زمانی را برای هوش مصنوعی بدون راننده آماده کنید. پیش نیازها: درک اولیه مفاهیم علم داده. آشنایی با اصطلاحات یادگیری ماشین. آشنایی با اصطلاحات یادگیری ماشین

این دوره، بخشی از برنامه صدور گواهینامه دانشگاه H2O، با هدف تجهیز شرکت کنندگان به مهارت های لازم برای استفاده موثر از ابزار هوش مصنوعی بدون راننده H2O ما است. جاناتان فارینلا، مهندس راه حل در H2O، بر نقش حیاتی کیفیت داده ها در دستیابی به نتایج موفقیت آمیز تاکید می کند، در حالی که اصول و روش های آماده سازی داده ها را نیز توضیح می دهد.

این دوره به دو بخش اصلی تقسیم می‌شود:

در بخش اولیه، شرکت‌کنندگان به اهمیت قالب جدولی در یادگیری ماشین کلاسیک می‌پردازند. آنها همچنین تمایز بین یادگیری تحت نظارت و بدون نظارت، همراه با روش های رایج مانند طبقه بندی و رگرسیون را درک خواهند کرد. اهمیت تعریف واحد تحلیل در ساخت مجموعه داده برجسته خواهد شد. علاوه بر این، شرکت‌کنندگان شاهد نمایش‌هایی از آماده‌سازی داده‌ها در هوش مصنوعی بدون راننده خواهند بود، که توانایی آن در خودکارسازی وظایف پیش‌پردازش و امکان سفارشی‌سازی با استفاده از کد پایتون را نشان می‌دهد.

با انتقال به بخش دوم، دوره بر روی آماده‌سازی داده‌های سری زمانی متمرکز خواهد شد. جنبه‌های اساسی مسائل سری زمانی، از جمله لزوم وجود ستون تاریخ و درک ماهیت خودبازگشتی این داده‌ها، بررسی خواهد شد. این دوره همچنین به چالش های مرتبط با مدیریت چند سری در یک مجموعه داده می پردازد و بهترین شیوه ها را برای بهبود عملکرد مدل ارائه می دهد. جاناتان نمونه‌ای از تکنیک‌های آماده‌سازی و تقسیم مجموعه داده خواهد بود که برای تجزیه و تحلیل سری‌های زمانی با استفاده از قابلیت‌های هوش مصنوعی بدون راننده طراحی شده است.

از سفر یادگیری لذت ببرید!

سرفصل ها و درس ها

مقدمه ای بر Data Prep برای H2O Driverless AI Introduction to Data Prep for H2O Driverless AI

مقدمه ای بر دوره DataPrep for DriverlessAI Introduction to the DataPrep for DriverlessAI Course

مبانی تهیه داده ها Fundamentals of Data Preparation

مبانی آماده سازی داده های یادگیری ماشینی Machine Learning Data Prep Basics
آماده سازی و تبدیل داده ها در هوش مصنوعی بدون راننده Data Preparation and Transformation in Driverless AI
بهترین روش ها برای آماده سازی داده ها در پروژه های یادگیری ماشینی Best Practices for Data Preparation in Machine Learning Projects