لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش یادگیری ماشین بدون سرور با Tensorflow در Google Cloud Platform
Serverless Machine Learning with Tensorflow on Google Cloud Platform
نکته:
آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره:
این دوره نحوه ساخت، مقیاس و عملیاتی کردن مدلهای یادگیری ماشین را در Google Cloud Platform پوشش میدهد. شما مدلهای ML را با TensorFlow، یک بسته ML منبع باز، میسازید و میتوانید با استفاده از Cloud ML Engine، آنها را به روشی بدون سرور آموزش دهید و به کار ببرید. این دوره نحوه ساخت، مقیاسبندی و عملیاتی کردن مدلهای یادگیری ماشین در Google Cloud Platform را پوشش میدهد. در GCP، مدلهای ML را با TensorFlow، یک بسته ML منبع باز، میسازید و میتوانید با استفاده از Cloud ML Engine، آنها را به روشی بدون سرور آموزش دهید و مستقر کنید.
سرفصل ها و درس ها
به یادگیری ماشین بدون سرور در Google Cloud Platform خوش آمدید
Welcome to Serverless Machine Learning on Google Cloud Platform
به دوره خوش آمدید
Welcome to the Course
چگونه به یادگیری ماشین فکر کنیم
How to Think About Machine Learning
شروع کار با یادگیری ماشینی
Getting Started with Machine Learning
یادگیری ماشینی (ML) چیست؟
What is Machine Learning (ML)?
انواع ML
Types of ML
خط لوله ML
The ML Pipeline
انواع مدل ML
Variants of ML model
قاب کردن یک مشکل ML
Framing a ML problem
بازی با یادگیری ماشینی (ML)
Playing with Machine Learning (ML)
بهينه سازي
Optimization
زمین بازی شبکه عصبی
A Neural Network Playground
ترکیب ویژگی ها
Combining Features
مهندسی ویژگی
Feature Engineering
مدل های تصویری
Image Models
ML موثر
Effective ML
یک مجموعه داده خوب چیست؟
What makes a good dataset?
معیارهای خطا
Error Metrics
دقت
Accuracy
دقت و یادآوری
Precision and Recall
ایجاد مجموعه داده های یادگیری ماشینی
Creating Machine Learning Datasets
تقسیم مجموعه داده
Splitting Dataset
نوت بوک پایتون
Python Notebooks
شروع کار با GCP و Qwiklabs
Getting Started With GCP And Qwiklabs
نمای کلی آزمایشگاه ML Datasets را ایجاد کنید
Create ML Datasets Lab Overview
یادگیری ماشین بدون سرور - آزمایشگاه 1: ایجاد مجموعه داده های ML نسخه 1.3
Serverless Machine Learning - Lab 1 : Create ML datasets v1.3
بررسی آزمایشگاه ML Datasets را ایجاد کنید
Create ML Datasets Lab Review
ساخت مدل های ML با تنسورفلو
Building ML models with Tensorflow
بررسی اجمالی
Overview
TensorFlow چیست؟
What is TensorFlow?
هسته TensorFlow
Core TensorFlow
شروع به کار با نمای کلی آزمایشگاه تنسورفلو
Getting Started with TensorFlow Lab Overview
یادگیری ماشین بدون سرور - آزمایشگاه 2: شروع به کار با TensorFlow نسخه 1.3
Serverless Machine Learning - Lab 2 : Getting Started with TensorFlow v1.3
بررسی آزمایشگاه تنسورفلو
TensorFlow Lab Review
تخمینگر API
Estimator API
یادگیری ماشین با tf.estimator
Machine Learning with tf.estimator
یادگیری ماشین بدون سرور - آزمایشگاه 3: یادگیری ماشین با استفاده از tf.estimator نسخه 1.3
Serverless Machine Learning - Lab 3 : Machine Learning using tf.estimator v1.3
بررسی آزمایشگاه برآوردگر
Estimator Lab Review
ساخت ML موثر
Building Effective ML
Lab Intro: Refactoring برای افزودن دسته بندی و ایجاد ویژگی
Lab Intro:Refactoring to add batching and feature creation
یادگیری ماشین بدون سرور - Lab 4: Refactoring برای افزودن دسته بندی و ایجاد ویژگی نسخه 1.3
Serverless Machine Learning - Lab 4 : Refactoring to add batching and feature-creation v1.3
بررسی آزمایشگاه Refactoring
Refactoring Lab Review
آموزش دهید و ارزیابی کنید
Train and Evaluate
نظارت بر
Monitoring
معرفی آزمایشگاه: آموزش و نظارت توزیع شده
Lab Intro:Distributed Training and Monitoring
یادگیری ماشین بدون سرور - آزمایشگاه 5: آموزش و نظارت توزیع شده نسخه 1.3
Serverless Machine Learning - Lab 5 : Distributed training and monitoring v1.3
بررسی آزمایشگاهی: آموزش و نظارت توزیع شده
Lab Review:Distributed Training and Monitoring
مقیاس بندی مدل های ML با Cloud ML Engine
Scaling ML models with Cloud ML Engine
بررسی اجمالی
Overview
چرا Cloud ML Engine
Why Cloud ML Engine
گردش کار توسعه
Development Workflow
مربی بسته بندی
Packaging trainer
سرویس TensorFlow
TensorFlow Serving
آزمایشگاه: افزایش مقیاس ML
Lab:Scaling up ML
یادگیری ماشین بدون سرور - آزمایشگاه 6: افزایش مقیاس ML با استفاده از Cloud ML Engine نسخه 1.3
Serverless Machine Learning - Lab 6 : Scaling up ML using Cloud ML Engine v1.3
بررسی آزمایشگاهی: افزایش مقیاس ML
Lab Review:Scaling up ML
مهندسی ویژگی
Feature Engineering
بررسی اجمالی
Overview
ویژگی های خوب
Good Features
تصادفی
Casuality
عددی
Numeric
به اندازه کافی مثال
Enough Examples
داده های خام به ویژگی ها
Raw data to features
ویژگی های دسته بندی
Categorical features
صلیب های ویژه
Feature crosses
سطل سازی
Bucketizing
گسترده و عمیق
Wide and Deep
کجا می توان مهندسی ویژگی را انجام داد
Where to do feature engineering
بررسی اجمالی آزمایشگاه مهندسی ویژگی
Feature Engineering Lab Overview
Google Cloud آموزش و گواهینامه های درخواستی را در فناوری های ابری در حال ظهور ارائه می دهد.
Google Cloud با صدها آزمایشگاه، دوره و نشان مهارت، متخصصان را قادر میسازد تا مهارتهای ابری حیاتی را با سرعت خودشان ایجاد کنند. آزمایشگاههای عملی این شرکت اعتبارنامههای موقتی را به منابع واقعی ابر ارائه میدهند، بنابراین افراد میتوانند Google Cloud را با استفاده از چیز واقعی یاد بگیرند. فراگیران همچنین می توانند با کسب گواهینامه های Google Cloud و/یا نشان های مهارتی که می توانند با شبکه خود به اشتراک بگذارند، تخصص خود را تأیید کنند.
نمایش نظرات