آموزش هوش مصنوعی و یادگیری ماشین عملی با Model Builder AutoML

Practical AI and Machine Learning with Model Builder AutoML

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره: با انجام عملی آن، با استفاده از یک رابط کاربری گرافیکی یادگیری ماشین خودکار که نیاز به کدگذاری کمی یا بدون نیاز به کدنویسی دارد، به یادگیری ماشین مسلط شوید. با استفاده از Model Builder مایکروسافت و ML Net، یک فرآیند یادگیری ماشینی سرتاسر و تحت نظارت را برای مقابله با مشکل رگرسیون ببینید. وظایف و فعالیت هایی که در پشت صحنه انجام می شود را درک کنید. از آماده سازی داده ها تا آموزش و ارزیابی مدل. تبدیل داده ها، مقیاس بندی ویژگی ها، تکرار از طریق الگوریتم ها، معیارهای ارزیابی، برازش بیش از حد، اعتبار سنجی متقابل و منظم سازی را درک کنید. درک تأثیر معیارهای ارزیابی بر عملکرد مدل، و نحوه بررسی بیش از حد برازش. اصول پایدار یادگیری ماشین را که مستقل از ابزارها یا پلتفرم هایی است که می توان استفاده کرد، درک کنید. در طول یک نمایش عملی یادگیری ماشین، با دیدن آنها در عمل، درک عمیقی از مفاهیم یادگیری ماشین به دست آورید. درک اهمیت تجزیه و تحلیل داده های اکتشافی (EDA) و تأثیری که توزیع آماری داده ها بر عملکرد مدل دارد. نحوه راه اندازی ویژوال استودیو و پیکربندی آن را برای فعال کردن Model Builder، ابزار گرافیکی که برای نشان دادن فرآیند یادگیری ماشین استفاده می شود، بیاموزید. یاد بگیرید چگونه از Model Builder برای آموزش مدل ها بدون نیاز به کدنویسی استفاده کنید. پیش نیازها: درک اولیه از یادگیری ماشین نظارت شده مورد نیاز است. دانش‌آموز حداقل باید بداند که رگرسیون چیست، چه ویژگی‌هایی است، و به چه معناست که یک مدل برای تطبیق یک تابع با ویژگی‌های ورودی به منظور پیش‌بینی برچسب‌ها، آموزش ببیند. دانش آموز برای نصب ویژوال استودیو باید یک ماشین ویندوز با چند گیگابایت فضای دیسک آزاد داشته باشد تا بتواند فرآیند یادگیری ماشینی را که نشان خواهم داد تکرار کند. با این حال، این ضروری نیست. یک ماشین ویندوز ایده آل است، اما یک دانش آموز با مک همچنان می تواند آن را دنبال کند. محتوای دوره به اندازه کافی بصری است تا مفاهیم را نشان دهد، بدون اینکه دانش آموز مجبور باشد تمرین یادگیری ماشین را به صورت فیزیکی انجام دهد.

در این دوره، شما با مفاهیم بنیادی که زیربنای فرآیند یادگیری ماشینی نظارت شده است آشنا خواهید شد. شما می توانید موضوعات پیچیده ای مانند:

را درک کنید
  • تجزیه و تحلیل داده های اکتشافی،

  • تغییر داده و مقیاس‌بندی ویژگی،

  • معیارهای ارزیابی، الگوریتم‌ها، مربی‌ها و مدل‌ها،

  • تناسب و بیش از حد،

  • اعتبار سنجی متقابل، منظم سازی و موارد دیگر

شما خواهید دید که این مفاهیم با انجام یک تمرین عملی یادگیری ماشینی به جای تماشای ارائه ها زنده می شوند. ما از یک ابزار یادگیری ماشینی غیر مبتنی بر ابر به نام Model Builder در داخل ویژوال استودیو استفاده خواهیم کرد. هیچ کدنویسی در کار نخواهد بود (به جز آخرین درس). اما حتی اگر کدنویسی کمی وجود دارد، شما هنوز درک بسیار دقیقی از مفاهیم پیچیده یادگیری ماشین خواهید داشت.


این دوره از شما می‌خواهد که حداقل به لحاظ نظری با مفاهیم یادگیری ماشینی تحت نظارت و بدون نظارت آشنا شوید. این دوره برای ایجاد یک درک نظری پایه و تئوری از یادگیری ماشین با انجام یک تمرین عملی یادگیری ماشین طراحی شده است. مفاهیمی که در این دوره آموزش داده می‌شوند، پایه‌ای هستند و صرف نظر از اینکه از چه پلتفرم یادگیری ماشینی یا زبان برنامه‌نویسی استفاده می‌کنید، در آینده مرتبط خواهند بود.


در این فرآیند، شما همچنین با ویژوال استودیو، پروژه‌های کد، راه‌حل‌ها و اکوسیستم یادگیری ماشین مایکروسافت آشنا خواهید شد. اما این فقط یک مزیت جانبی است. این دوره بر خود یادگیری ماشین تمرکز دارد، نه ابزارهای مورد استفاده.


اگر قبلاً هر نوع یادگیری ماشینی را انجام داده اید یا مدلی را آموزش داده اید، ممکن است این دوره برای شما خیلی ابتدایی باشد. این دوره ممکن است حاوی دانش اساسی باشد که ممکن است قبلاً به شما آموزش داده نشده باشد، اما لطفاً توجه داشته باشید که این دوره برای علاقه مندان به هوش مصنوعی سطح مبتدی و متوسط ​​طراحی شده است.


سرفصل ها و درس ها

معرفی Introduction

  • مقدمه، پیش نیازها و نتایج یادگیری Introduction, Prerequisites and Learning Outcomes

  • معرفی Model Builder و رویکرد این دوره Introducing Model Builder and the Approach for this Course

ویژوال استودیو و مدل ساز Visual Studio and Model Builder

  • ویژوال استودیو را دانلود، نصب و پیکربندی کنید Download, Install and Configure Visual Studio

  • ویژوال استودیو را راه اندازی کنید و یک پروژه کدنویسی را شروع کنید Launch Visual Studio and Start a Coding Project

مدل ساز و فرآیند یادگیری ماشین Model Builder and the Machine Learning Process

  • معرفی مدل ساز و فرآیند یادگیری ماشین Introducing Model Builder and the Machine Learning Process

  • وظایف سازنده مدل Model Builder Tasks

  • آماده سازی داده ها برای یادگیری ماشینی Preparing Data for Machine Learning

  • یادگیری ماشین - آموزش یک مدل Machine Learning - Training a Model

  • ارزیابی عملکرد یک مدل آموزش دیده Evaluating the performance of a trained model

نسخه ی نمایشی یادگیری ماشین با Model Builder Machine Learning Demo with Model Builder

  • یادگیری ماشینی در عمل قسمت 1: دریافت داده های آموزشی Machine Learning in Action Part 1: Getting training data

  • یادگیری ماشینی در عمل قسمت 2: آماده سازی داده های آموزشی Machine Learning in Action Part 2: Preparing the training data

  • نسخه ی نمایشی قسمت 3 Demo Part 3

  • نسخه ی نمایشی قسمت 4 Demo Part 4

  • درک و تفسیر عملکرد مدل Understand and Interpret Model Performance

  • مصرف یک مدل و بررسی بیش از حد مناسب Consuming a Model and Checking for Overfitting

  • خلاصه دوره Course Summary

محتوای پاداش اختیاری: ارائه زنده هوش مصنوعی به مدیریت ریسک SA Optional Bonus Content: Live Generative AI Presentation to Risk Management SA

  • افتتاحیه سمینار IRMSA درباره هوش مصنوعی مولد (Gen AI) Opening of the IRMSA Seminar about Generative Artificial Intelligence (Gen AI)

  • رئیس IRMSA با افتتاح سمینار ژنرال هوش مصنوعی ادامه می دهد. IRMSA Chairperson continues with the opening of the Seminar for Gen AI.

  • رئیس IRMSA اولین سخنران هوش مصنوعی ژنرال - Irlon Terblanche را معرفی کرد IRMSA Chairperson introduces first Gen AI speaker - Irlon Terblanche

  • Irlon Terblanche سابقه و تجربه خود را در مورد هوش مصنوعی به اشتراک می گذارد Irlon Terblanche shares his background and experience with AI

  • ایرلون قبل از شروع ارائه، دانش مخاطبان از هوش مصنوعی را ارزیابی می کند Irlon Assesses the Audience's Knowledge of AI Before Commencing the Presentation

  • هوش مصنوعی، مانند برق، سرانجام در همه جا وجود خواهد داشت. AI, like electricity, will eventually be everywhere.

  • ارائه زنده ژنرال هوش مصنوعی - مقدمه، دستور کار و محدوده ارائه Live Gen AI Presentation - Introduction, Agenda & Scope of the Presentation

  • ارائه زنده AI Gen - هوش مصنوعی سنتی در مقابل هوش مصنوعی مولد Live Gen AI Presentation - Traditional AI vs. Generative AI

  • ارائه Live Gen AI - هوش مصنوعی چیست؟ Live Gen AI Presentation - What is AI?

  • ارائه زنده AI Gen - AI در مقابل یادگیری ماشینی در مقابل یادگیری عمیق Live Gen AI Presentation - AI vs. Machine Learning vs. Deep Learning

  • ارائه زنده AI Gen - AI و یادگیری ماشین در مقابل کدگذاری نرم افزار سنتی Live Gen AI Presentation - AI & Machine Learning vs. Traditional Software Coding

  • ارائه زنده ژنرال هوش مصنوعی - یادگیری ماشین و آموزش مدل Live Gen AI Presentation - Machine Learning and Model Training

  • ارائه زنده ژنرال هوش مصنوعی - سه روش اصلی یادگیری ماشین Live Gen AI Presentation - Three Main Machine Learning Methodologies

  • ارائه زنده ژنرال هوش مصنوعی - شبکه های عصبی به عنوان تقریبگرهای عملکرد جهانی Live Gen AI Presentation - Neural Networks as Universal Function Approximators

  • ارائه زنده AI Gen - شبکه های عصبی و یادگیری عمیق Live Gen AI Presentation - Neural Networks and Deep Learning

  • ارائه زنده ژنرال هوش مصنوعی - مروری بر مدل های هوش مصنوعی مولد Live Gen AI Presentation - An overview of Generative AI Models

  • ارائه Live Gen AI - مدل‌های ترانسفورماتور و مکانیسم‌های توجه Live Gen AI Presentation - Transformer Models and Attention Mechanisms

  • ارائه زنده AI Gen - رمزگذارهای خودکار متغیر (VAE) Live Gen AI Presentation - Variational Autoencoders (VAEs)

  • ارائه زنده هوش مصنوعی Generative - شبکه های متخاصم مولد (GAN) Live Gen AI Presentation - Generative Adversarial Networks (GANs)

  • ارائه زنده AI Gen - Q&A - Deep Fakes Live Gen AI Presentation - Q&A - Deep Fakes

  • ارائه Live Gen AI - پرسش و پاسخ - آیا LLM های بزرگتر بهتر هستند و آیا می توانیم به هوش مصنوعی اعتماد کنیم؟ Live Gen AI Presentation - Q&A - Are bigger LLMs better, & can we trust AI?

  • ارائه Live Gen AI - پرسش و پاسخ - آیا می توانیم به داده های اختصاصی فروشندگان LLM اعتماد کنیم؟ Live Gen AI Presentation - Q&A - Can we trust proprietary data with LLM vendors?

  • ارائه زنده ژنرال هوش مصنوعی - پرسش و پاسخ - آینده و محدودیت های هوش مصنوعی Live Gen AI Presentation - Q&A - The future and limitations of AI

نمایش نظرات

آموزش هوش مصنوعی و یادگیری ماشین عملی با Model Builder AutoML
جزییات دوره
3.5 hours
39
Udemy (یودمی) Udemy (یودمی)
(آخرین آپدیت)
108
4.3 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

Peter Alkema Peter Alkema

دکتری و نویسنده پرفروش نجاری

سلام، من پیتر هستم. من پنج فرزند دارم، مدرک دکترا دارم و در اوقات فراغت خود عاشق نجاری هستم. من یک کتاب پرفروش نجاری نوشته ام که الهام بخش هزاران خواننده برای ساخت پروژه های نجاری خودشان است. هدف من الهام بخشیدن به شما برای ایجاد پروژه های کاربردی و شیک برای خانه شما است که همه آنها را دوست خواهند داشت.

همه دوست دارند خلاق باشند و ساختن چیزها با چوب لذت بخش و آسان است. با تجربه بسیار کم می توانید وسایل کاربردی و شیک برای خانه و کودکان خود بسازید. به عنوان یک پدر، نجاری بخشی از سرگرمی است که من با فرزندانمان دارم، زیرا با هم خاطرات خانوادگی را می سازیم. هر یک از پروژه های من داستانی دارد، نه تنها طراحی، بلکه دلیل ساختن و لذتی که به دیگران آموزش می دادم.

مرحوم پدرم عاشق کار با دستانش بود و من خاطرات خوبی از کمک به او در انواع پروژه ها و کارهای DIY در خانه دارم. حتی زمانی که من یک پسر جوان بودم، او با صبر و حوصله مرا در کاری که انجام می داد درگیر می کرد و از هر فرصتی برای آموزش به من در حین کار استفاده می کرد. پدر می‌توانست هر چیزی را درست کند و من افتخار می‌کردم که شاگرد او بودم و ترفندهای حرفه‌ای را یاد می‌گرفتم، زیرا با پدر و پسر زمان خوبی را با هم سپری می‌کردیم.

بهترین کارت‌بازی در محله، ساخته‌شده توسط پدرم، رانندگی توسط من، مورد تحسین بسیاری!

Irlon Terblanche Irlon Terblanche

مدیر عامل در SioTech