آموزش AWS SageMaker کاربردی برای مبتدیان | ساخت 6 پروژه - آخرین آپدیت

سرفصل ها و درس ها

مقدمه، نکات موفقیت و بهترین شیوه ها و نتایج کلیدی یادگیری Introduction, Success Tips & Best Practices and Key Learning Outcomes

• معرفی دوره و پیام خوش آمد گویی Course Introduction and Welcome Message

• به‌روزرسانی‌های Udemy Reviews Updates on Udemy Reviews

• به‌روزرسانی‌های Udemy Reviews Updates on Udemy Reviews

• نکات کلیدی دوره و بهترین شیوه ها Course Key Tips and Best Practices

• نکات کلیدی دوره و بهترین شیوه ها Course Key Tips and Best Practices

• طرح کلی دوره و نتایج کلیدی یادگیری Course Outline and Key Learning Outcomes

• جایزه: مسیر یادگیری BONUS: Learning Path

مقدمه، نکات موفقیت و بهترین شیوه ها و نتایج کلیدی یادگیری Introduction, Success Tips & Best Practices and Key Learning Outcomes

• معرفی دوره و پیام خوش آمد گویی Course Introduction and Welcome Message

• طرح کلی دوره و نتایج کلیدی یادگیری Course Outline and Key Learning Outcomes

• جایزه: مسیر یادگیری BONUS: Learning Path

مقدمه ای بر AI/ML، AWS و Cloud Computing Introduction to AI/ML, AWS and Cloud Computing

• تنظیم و بررسی اجمالی حساب ردیف رایگان AWS AWS Free Tier Account Setup and Overview

• تنظیم و بررسی اجمالی حساب ردیف رایگان AWS AWS Free Tier Account Setup and Overview

• مقدمه ای بر هوش مصنوعی، یادگیری ماشین و یادگیری عمیق Introduction to AI, Machine Learning and Deep Learning

• مقدمه ای بر هوش مصنوعی، یادگیری ماشین و یادگیری عمیق - قسمت شماره 2 Introduction to AI, Machine Learning and Deep Learning - Part #2

• مقدمه ای بر هوش مصنوعی، یادگیری ماشین و یادگیری عمیق - قسمت شماره 2 Introduction to AI, Machine Learning and Deep Learning - Part #2

• داده های خوب در مقابل داده های بد Good Data Vs. Bad Data

• داده های خوب در مقابل داده های بد Good Data Vs. Bad Data

• مقدمه ای بر AWS و رایانش ابری Introduction to AWS and Cloud Computing

• اجزای اصلی یادگیری ماشین و تور کنسول مدیریت AWS Key Machine Learning Components and AWS Management Console Tour

• مناطق AWS و مناطق در دسترس AWS Regions and Availability Zones

• مناطق AWS و مناطق در دسترس AWS Regions and Availability Zones

• آمازون S3 Amazon S3

• آمازون EC2 و IAM Amazon EC2 and IAM

• بررسی اجمالی AWS SageMaker AWS SageMaker Overview

• AWS SageMaker Walkthrough AWS SageMaker Walk-through

• نمای کلی AWS SageMaker Studio AWS SageMaker Studio Overview

• نمای کلی AWS SageMaker Studio AWS SageMaker Studio Overview

• AWS SageMaker Studio Walk-through AWS SageMaker Studio Walk-through

• AWS SageMaker Studio Walk-through AWS SageMaker Studio Walk-through

• استقرار مدل های SageMaker SageMaker Models Deployment

• استقرار مدل های SageMaker SageMaker Models Deployment

مقدمه ای بر AI/ML، AWS و Cloud Computing Introduction to AI/ML, AWS and Cloud Computing

• مقدمه ای بر هوش مصنوعی، یادگیری ماشین و یادگیری عمیق Introduction to AI, Machine Learning and Deep Learning

• مقدمه ای بر AWS و رایانش ابری Introduction to AWS and Cloud Computing

• اجزای اصلی یادگیری ماشین و تور کنسول مدیریت AWS Key Machine Learning Components and AWS Management Console Tour

• آمازون S3 Amazon S3

• آمازون EC2 و IAM Amazon EC2 and IAM

• بررسی اجمالی AWS SageMaker AWS SageMaker Overview

• AWS SageMaker Walkthrough AWS SageMaker Walk-through

پروژه شماره 1 - پیش بینی حقوق کارمندان با استفاده از AWS SageMaker Linear Learner Project #1 - Employee Salary Predictions Using AWS SageMaker Linear Learner

• بررسی اجمالی پروژه Project Overview

• شهود رگرسیون خطی ساده Simple Linear Regression Intuition

• شهود رگرسیون خطی ساده Simple Linear Regression Intuition

• حداقل مجموع مربع ها Least Sum of Squares

• بررسی اجمالی یادگیرنده خطی AWS SageMaker AWS SageMaker Linear Learner Overview

• بررسی اجمالی یادگیرنده خطی AWS SageMaker AWS SageMaker Linear Learner Overview

• کدنویسی Task #1A - Instantiate AWS SageMaker Notebook Instance (روش شماره 1) Coding Task #1A - Instantiate AWS SageMaker Notebook Instance (Method #1)

• وظیفه کدنویسی شماره 1B - با استفاده از AWS SageMaker Studio (روش شماره 2) Coding Task #1B - Using AWS SageMaker Studio (Method #2)

• وظیفه کدنویسی شماره 1B - با استفاده از AWS SageMaker Studio (روش شماره 2) Coding Task #1B - Using AWS SageMaker Studio (Method #2)

• وظیفه کدگذاری شماره 2 - وارد کردن کتابخانه های کلیدی و مجموعه داده ها Coding Task #2 - Import Key libraries and dataset

• وظیفه کدگذاری شماره 2 - وارد کردن کتابخانه های کلیدی و مجموعه داده ها Coding Task #2 - Import Key libraries and dataset

• وظیفه کدگذاری شماره 3 - تجزیه و تحلیل داده های اکتشافی را انجام دهید Coding Task #3 - Perform Exploratory Data Analysis

• وظیفه کدگذاری شماره 3 - تجزیه و تحلیل داده های اکتشافی را انجام دهید Coding Task #3 - Perform Exploratory Data Analysis

• وظیفه کدگذاری شماره 4 - مجموعه داده های آموزشی و آزمایشی ایجاد کنید Coding Task #4 - Create Training and Testing Dataset

• کدنویسی کار شماره 5 - آموزش یک مدل رگرسیون خطی در SkLearn Coding Task #5 - Train a Linear Regression Model in SkLearn

• وظیفه کدنویسی شماره 6 - عملکرد مدل آموزش دیده را ارزیابی کنید Coding Task #6 - Evaluate Trained Model Performance

• وظیفه کدنویسی شماره 6 - عملکرد مدل آموزش دیده را ارزیابی کنید Coding Task #6 - Evaluate Trained Model Performance

• وظیفه کدنویسی شماره 7 - آموزش یک مدل یادگیری خطی در AWS SageMaker Coding Task #7 - Train a Linear Learner Model in AWS SageMaker

• کدنویسی کار شماره 8 - استقرار مدل و فراخوانی نقطه پایانی در SageMaker Coding Task #8 - Deploy Model & invoke endpoint in SageMaker

• کدنویسی کار شماره 8 - استقرار مدل و فراخوانی نقطه پایانی در SageMaker Coding Task #8 - Deploy Model & invoke endpoint in SageMaker

پروژه شماره 1 - پیش بینی حقوق کارمندان با استفاده از AWS SageMaker Linear Learner Project #1 - Employee Salary Predictions Using AWS SageMaker Linear Learner

• بررسی اجمالی پروژه Project Overview

• حداقل مجموع مربع ها Least Sum of Squares

• کدنویسی Task #1A - Instantiate AWS SageMaker Notebook Instance (روش شماره 1) Coding Task #1A - Instantiate AWS SageMaker Notebook Instance (Method #1)

• وظیفه کدگذاری شماره 3 - تجزیه و تحلیل داده های اکتشافی را انجام دهید Coding Task #3 - Perform Exploratory Data Analysis

• وظیفه کدگذاری شماره 4 - مجموعه داده های آموزشی و آزمایشی ایجاد کنید Coding Task #4 - Create Training and Testing Dataset

• کدنویسی کار شماره 5 - آموزش یک مدل رگرسیون خطی در SkLearn Coding Task #5 - Train a Linear Regression Model in SkLearn

پروژه شماره 2 - پیش بینی حق بیمه بیمه پزشکی Project #2 - Medical Insurance Premium Prediction

• بررسی اجمالی و معرفی پروژه Project Overview and Introduction

• بررسی اجمالی و معرفی پروژه Project Overview and Introduction

• شهود رگرسیون خطی چندگانه Multiple Linear Regression Intuition

• معیارهای رگرسیون و KPI - RMSE، MSE، MAE، MAPE Regression Metrics and KPIs - RMSE, MSE, MAE, MAPE

• معیارهای رگرسیون و KPI - R2 و R2 تنظیم شده Regression Metrics and KPIs - R2 and Adjusted R2

• کدنویسی کار شماره 1 و شماره 2 - وارد کردن مجموعه داده و کتابخانه های کلیدی Coding Task #1 & #2 - Import Dataset and Key Libraries

• کدنویسی کار شماره 1 و شماره 2 - وارد کردن مجموعه داده و کتابخانه های کلیدی Coding Task #1 & #2 - Import Dataset and Key Libraries

• وظیفه کدگذاری شماره 3 - تجزیه و تحلیل داده های اکتشافی را انجام دهید Coding Task #3 - Perform Exploratory Data Analysis

• وظیفه کدگذاری شماره 3 - تجزیه و تحلیل داده های اکتشافی را انجام دهید Coding Task #3 - Perform Exploratory Data Analysis

• وظیفه کدگذاری شماره 4 - تجسم داده ها را انجام دهید Coding Task #4 - Perform Data Visualization

• وظیفه کدگذاری شماره 4 - تجسم داده ها را انجام دهید Coding Task #4 - Perform Data Visualization

• وظیفه کدنویسی شماره 5 - مجموعه داده های آموزشی و آزمایشی ایجاد کنید Coding Task #5 - Create Training and Testing Datasets

• وظیفه کدنویسی شماره 5 - مجموعه داده های آموزشی و آزمایشی ایجاد کنید Coding Task #5 - Create Training and Testing Datasets

• وظیفه کدنویسی شماره 6 - یک مدل یادگیری ماشینی را به صورت محلی آموزش دهید Coding Task #6 - Train a Machine Learning Model Locally

• وظیفه کدنویسی شماره 7 - آموزش یک مدل یادگیری خطی در AWS SageMaker Coding Task #7 - Train a Linear Learner Model in AWS SageMaker

• وظیفه کدنویسی شماره 7 - آموزش یک مدل یادگیری خطی در AWS SageMaker Coding Task #7 - Train a Linear Learner Model in AWS SageMaker

• وظیفه کدنویسی شماره 8 - مدل آموزش دیده را مستقر کرده و نقطه پایانی را فراخوانی کنید Coding Task #8 - Deploy Trained Model and Invoke Endpoint

• شبکه های عصبی مصنوعی برای وظایف رگرسیون Artificial Neural Networks for Regression Tasks

• توابع فعال سازی - Sigmoid، RELU و Tanh Activation Functions - Sigmoid, RELU and Tanh

• توابع فعال سازی - Sigmoid، RELU و Tanh Activation Functions - Sigmoid, RELU and Tanh

• شبکه های پرسپترون چند لایه Multilayer Perceptron Networks

• شبکه های پرسپترون چند لایه Multilayer Perceptron Networks

• شبکه های عصبی مصنوعی چگونه آموزش می بینند؟ How do Artificial Neural Networks Train?

• الگوریتم گرادیان نزول Gradient Descent Algorithm

• الگوریتم گرادیان نزول Gradient Descent Algorithm

• الگوریتم پس انتشار Backpropagation Algorithm

• وظیفه کدگذاری شماره 9 - شبکه های عصبی مصنوعی را برای وظایف رگرسیونی آموزش دهید Coding Task #9 - Train Artificial Neural Networks for Regression Tasks

• وظیفه کدگذاری شماره 9 - شبکه های عصبی مصنوعی را برای وظایف رگرسیونی آموزش دهید Coding Task #9 - Train Artificial Neural Networks for Regression Tasks

پروژه شماره 2 - پیش بینی حق بیمه بیمه پزشکی Project #2 - Medical Insurance Premium Prediction

• بررسی اجمالی و معرفی پروژه Project Overview and Introduction

• شهود رگرسیون خطی چندگانه Multiple Linear Regression Intuition

• معیارهای رگرسیون و KPI - RMSE، MSE، MAE، MAPE Regression Metrics and KPIs - RMSE, MSE, MAE, MAPE

• معیارهای رگرسیون و KPI - R2 و R2 تنظیم شده Regression Metrics and KPIs - R2 and Adjusted R2

• وظیفه کدگذاری شماره 3 - تجزیه و تحلیل داده های اکتشافی را انجام دهید Coding Task #3 - Perform Exploratory Data Analysis

• وظیفه کدنویسی شماره 6 - یک مدل یادگیری ماشینی را به صورت محلی آموزش دهید Coding Task #6 - Train a Machine Learning Model Locally

• وظیفه کدنویسی شماره 7 - آموزش یک مدل یادگیری خطی در AWS SageMaker Coding Task #7 - Train a Linear Learner Model in AWS SageMaker

• وظیفه کدنویسی شماره 8 - مدل آموزش دیده را مستقر کرده و نقطه پایانی را فراخوانی کنید Coding Task #8 - Deploy Trained Model and Invoke Endpoint

• شبکه های عصبی مصنوعی برای وظایف رگرسیون Artificial Neural Networks for Regression Tasks

• شبکه های عصبی مصنوعی چگونه آموزش می بینند؟ How do Artificial Neural Networks Train?

• الگوریتم پس انتشار Backpropagation Algorithm

پروژه شماره 3 - پیش بینی فروش خرده فروشی با استفاده از AWS SageMaker XGBoost (رگرسیون) Project #3 - Retail Sales Prediction Using AWS SageMaker XGBoost (Regression)

• مقدمه ای بر مطالعه موردی Introduction to Case Study

• مبانی: تفاوت بین Bias و Variance چیست Basics: What is the difference between Bias & Variance

• مبانی: تفاوت بین Bias و Variance چیست Basics: What is the difference between Bias & Variance

• اصول اولیه: L1 & L2 Regularization - قسمت #1 Basics: L1 & L2 Regularization - Part #1

• اصول اولیه: L1 & L2 Regularization - قسمت #1 Basics: L1 & L2 Regularization - Part #1

• اصول اولیه: L1 & L2 Regularization - قسمت #2 Basics: L1 & L2 Regularization - Part #2

• مقدمه ای بر الگوریتم XGBoost (تقویت گرادیان شدید). Introduction to XGBoost (Extreme Gradient Boosting) algorithm

• مقدمه ای بر الگوریتم XGBoost (تقویت گرادیان شدید). Introduction to XGBoost (Extreme Gradient Boosting) algorithm

• تقویت چیست؟ What is Boosting?

• درختان تصمیم و یادگیری گروه Decision Trees and Ensemble Learning

• درختان تقویت شده با گرادیان - شیرجه عمیق - قسمت شماره 1 Gradient Boosted Trees - Deep Dive - Part #1

• درختان تقویت شده با گرادیان - شیرجه عمیق - قسمت شماره 2 Gradient Boosted Trees - Deep Dive - Part #2

• الگوریتم AWS SageMaker XGBoost AWS SageMaker XGBoost Algorithm

• الگوریتم AWS SageMaker XGBoost AWS SageMaker XGBoost Algorithm

• معرفی پروژه و نمونه سازی نوت بوک Project Introduction and Notebook Instance Instantiation

• وظیفه کدنویسی شماره 1 #2 #3 - مجموعه داده/کتابخانه ها را بارگیری کنید و کاوش داده ها را انجام دهید Coding Task #1 #2 #3 - Load Dataset/Libraries and Perform Data Exploration

• وظیفه کدنویسی شماره 1 #2 #3 - مجموعه داده/کتابخانه ها را بارگیری کنید و کاوش داده ها را انجام دهید Coding Task #1 #2 #3 - Load Dataset/Libraries and Perform Data Exploration

• کدنویسی کار شماره 4 - ادغام و دستکاری DataFrame با استفاده از پانداها Coding Task #4 - Merge and Manipulate DataFrame Using Pandas

• کدنویسی کار شماره 4 - ادغام و دستکاری DataFrame با استفاده از پانداها Coding Task #4 - Merge and Manipulate DataFrame Using Pandas

• وظیفه کدنویسی شماره 5 - مجموعه داده های ادغام شده را کاوش کنید Coding Task #5 - Explore Merged Datasets

• وظیفه کدنویسی شماره 5 - مجموعه داده های ادغام شده را کاوش کنید Coding Task #5 - Explore Merged Datasets

• وظیفه کدنویسی شماره 6 شماره 7 - مجموعه داده را تجسم کنید Coding Task #6 #7 - Visualize Dataset

• وظیفه کدنویسی شماره 8 - داده ها را برای انجام آموزش آماده کنید Coding Task #8 - Prepare the Data To Perform Training

• وظیفه کدنویسی شماره 9 - XGBoost را به صورت محلی آموزش دهید Coding Task #9 - Train XGBoost Locally

• وظیفه کدنویسی شماره 10 - XGBoost را با استفاده از SageMaker آموزش دهید Coding Task #10 - Train XGBoost Using SageMaker

• وظیفه کدنویسی شماره 10 - XGBoost را با استفاده از SageMaker آموزش دهید Coding Task #10 - Train XGBoost Using SageMaker

• کدنویسی کار شماره 11 - نقطه پایانی XGBoost را مستقر کرده و پیش بینی کنید Coding Task #11 - Deploy XGBoost endpoint and Make Predictions

• وظیفه کدگذاری شماره 12 - تنظیم فراپارامترها را انجام دهید Coding Task #12 - Perform Hyperparameters Tuning

• وظیفه کدگذاری شماره 12 - تنظیم فراپارامترها را انجام دهید Coding Task #12 - Perform Hyperparameters Tuning

• کدنویسی کار شماره 13 - مدل را با استفاده از بهترین (بهینه) فراپارامترها آموزش دهید Coding Task #13 - Retrain the Model Using best (optimized) Hyperparameters

• کدنویسی کار شماره 13 - مدل را با استفاده از بهترین (بهینه) فراپارامترها آموزش دهید Coding Task #13 - Retrain the Model Using best (optimized) Hyperparameters

پروژه شماره 3 - پیش بینی فروش خرده فروشی با استفاده از AWS SageMaker XGBoost (رگرسیون) Project #3 - Retail Sales Prediction Using AWS SageMaker XGBoost (Regression)

• مقدمه ای بر مطالعه موردی Introduction to Case Study

• اصول اولیه: L1 & L2 Regularization - قسمت #2 Basics: L1 & L2 Regularization - Part #2

• تقویت چیست؟ What is Boosting?

• درختان تصمیم و یادگیری گروه Decision Trees and Ensemble Learning

• درختان تقویت شده با گرادیان - شیرجه عمیق - قسمت شماره 1 Gradient Boosted Trees - Deep Dive - Part #1

• درختان تقویت شده با گرادیان - شیرجه عمیق - قسمت شماره 2 Gradient Boosted Trees - Deep Dive - Part #2

• معرفی پروژه و نمونه سازی نوت بوک Project Introduction and Notebook Instance Instantiation

• وظیفه کدنویسی شماره 6 شماره 7 - مجموعه داده را تجسم کنید Coding Task #6 #7 - Visualize Dataset

• وظیفه کدنویسی شماره 8 - داده ها را برای انجام آموزش آماده کنید Coding Task #8 - Prepare the Data To Perform Training

• وظیفه کدنویسی شماره 9 - XGBoost را به صورت محلی آموزش دهید Coding Task #9 - Train XGBoost Locally

• کدنویسی کار شماره 11 - نقطه پایانی XGBoost را مستقر کرده و پیش بینی کنید Coding Task #11 - Deploy XGBoost endpoint and Make Predictions

پروژه شماره 4 - پیش بینی بیماری قلبی عروقی با استفاده از PCA و XGBoost (طبقه بندی) Project #4 - Predict Cardiovascular Disease Using PCA & XGBoost (Classification)

• معرفی و بررسی اجمالی پروژه Introduction and Project Overview

• شهود تجزیه و تحلیل مؤلفه اصلی (PCA). Principal Component Analysis (PCA) Intuition

• XGBoost برای وظایف طبقه بندی (سخنرانی مروری) XGBoost for Classification Tasks (Review Lecture)

• XGBoost برای وظایف طبقه بندی (سخنرانی مروری) XGBoost for Classification Tasks (Review Lecture)

• ماتریس سردرگمی Confusion Matrix

• ماتریس سردرگمی Confusion Matrix

• دقت، یادآوری، و امتیاز F1 Precision, Recall, and F1-Score

• متریک ناحیه زیر منحنی (AUC) و ویژگی‌های عملیاتی گیرنده (ROC) Area Under Curve (AUC) and Receiver Operating Characteristics (ROC) Metrics

• متریک ناحیه زیر منحنی (AUC) و ویژگی‌های عملیاتی گیرنده (ROC) Area Under Curve (AUC) and Receiver Operating Characteristics (ROC) Metrics

• مدل های Overfitting و Under Fitting Overfitting and Under fitting Models

• وظیفه کدنویسی شماره 1 - راه اندازی نوت بوک استودیو SageMaker Coding Task #1 - SageMaker Studio Notebook Setup

• وظیفه کدنویسی شماره 1 - راه اندازی نوت بوک استودیو SageMaker Coding Task #1 - SageMaker Studio Notebook Setup

• کدنویسی کار شماره 2 و 3 - وارد کردن داده ها/کتابخانه ها و انجام تجزیه و تحلیل داده های اکتشافی Coding Task #2 & #3 - Import Data/Libraries & Perform Exploratory data analysis

• کدنویسی کار شماره 4 و 5 - تجسم مجموعه داده ها و آماده سازی داده های آموزشی/آزمایی Coding Task #4 & #5 - Visualize Datasets & Prepare Training/Testing Data

• کدنویسی کار شماره 4 و 5 - تجسم مجموعه داده ها و آماده سازی داده های آموزشی/آزمایی Coding Task #4 & #5 - Visualize Datasets & Prepare Training/Testing Data

• وظیفه کدنویسی شماره 6 - آموزش و آزمایش XGboost و انجام جستجوی شبکه (حالت محلی) Coding Task #6 - Train & Test XGboost and Perform Grid Search (Local Mode)

• وظیفه کدنویسی شماره 7 - یک مدل PCA را در AWS SageMaker آموزش دهید Coding Task #7 - Train a PCA Model in AWS SageMaker

• وظیفه کدنویسی شماره 7 - یک مدل PCA را در AWS SageMaker آموزش دهید Coding Task #7 - Train a PCA Model in AWS SageMaker

• وظیفه کدنویسی شماره 8 - نقطه پایانی مدل PCA آموزش دیده و نقطه پایانی فراخوانی را مستقر کنید Coding Task #8 - Deploy Trained PCA Model Endpoint & Envoke endpoint

• وظیفه کدنویسی شماره 8 - نقطه پایانی مدل PCA آموزش دیده و نقطه پایانی فراخوانی را مستقر کنید Coding Task #8 - Deploy Trained PCA Model Endpoint & Envoke endpoint

• کدنویسی کار شماره 9 - XGBoost (SageMaker داخلی) را برای انجام وظایف طبقه بندی آموزش دهید Coding Task #9 - Train XGBoost (SageMaker Built-in) to do Classification Tasks

• کدنویسی کار شماره 9 - XGBoost (SageMaker داخلی) را برای انجام وظایف طبقه بندی آموزش دهید Coding Task #9 - Train XGBoost (SageMaker Built-in) to do Classification Tasks

• کدنویسی کار شماره 10 - استقرار نقطه پایانی، استنتاج @ Test Model Coding Task #10 - Deploy Endpoint, Make Inference @ Test Model

پروژه شماره 4 - پیش بینی بیماری قلبی عروقی با استفاده از PCA و XGBoost (طبقه بندی) Project #4 - Predict Cardiovascular Disease Using PCA & XGBoost (Classification)

• معرفی و بررسی اجمالی پروژه Introduction and Project Overview

• شهود تجزیه و تحلیل مؤلفه اصلی (PCA). Principal Component Analysis (PCA) Intuition

• ماتریس سردرگمی Confusion Matrix

• دقت، یادآوری، و امتیاز F1 Precision, Recall, and F1-Score

• مدل های Overfitting و Under Fitting Overfitting and Under fitting Models

• کدنویسی کار شماره 2 و 3 - وارد کردن داده ها/کتابخانه ها و انجام تجزیه و تحلیل داده های اکتشافی Coding Task #2 & #3 - Import Data/Libraries & Perform Exploratory data analysis

• وظیفه کدنویسی شماره 6 - آموزش و آزمایش XGboost و انجام جستجوی شبکه (حالت محلی) Coding Task #6 - Train & Test XGboost and Perform Grid Search (Local Mode)

• کدنویسی کار شماره 10 - استقرار نقطه پایانی، استنتاج @ Test Model Coding Task #10 - Deploy Endpoint, Make Inference @ Test Model

پروژه شماره 5 - یادگیری عمیق برای طبقه بندی علائم ترافیکی با استفاده از AWS SageMaker Project #5 - Deep Learning for Traffic Sign Classification Using AWS SageMaker

• بررسی اجمالی و معرفی پروژه Project Overview and Introduction

• بررسی اجمالی و معرفی پروژه Project Overview and Introduction

• شبکه های عصبی کانولوشن چیست و چگونه یاد می گیرند؟ - قسمت 1 What are Convolutional Neural Networks and How do they Learn? - Part #1

• شبکه های عصبی کانولوشن چیست و چگونه یاد می گیرند؟ - قسمت 2 What are Convolutional Neural Networks and How do they Learn? - Part #2

• چگونه می توان عملکرد CNN ها را بهبود بخشید؟ How to Improve CNNs Performance?

• چگونه می توان عملکرد CNN ها را بهبود بخشید؟ How to Improve CNNs Performance?

• ماتریس سردرگمی Confusion Matrix

• معماری شبکه LeNet LeNet Network Architecture

• درخواست افزایش محدودیت سرویس AWS SageMaker Request AWS SageMaker Service Limit Increase

• کدنویسی بخش شماره 1 شماره 2 - تصاویر را وارد کنید و آنها را تجسم کنید Coding Part #1 #2 - Import Images and Visualize Them

• کد نویسی #3 #4 - داده های آموزشی/آزمایشی را در S3 بارگذاری کنید Coding #3 #4 - Upload Training/Testing Data to S3

• وظیفه کدنویسی شماره 5 - ساخت و آموزش CNN Coding Task #5 - Build and Train CNNs

• وظیفه کدنویسی شماره 6 - مدل آموزش دیده را با استفاده از SageMaker اجرا کنید Coding Task #6 - Deploy Trained Model Using SageMaker

پروژه شماره 5 - یادگیری عمیق برای طبقه بندی علائم ترافیکی با استفاده از AWS SageMaker Project #5 - Deep Learning for Traffic Sign Classification Using AWS SageMaker

• بررسی اجمالی و معرفی پروژه Project Overview and Introduction

• شبکه های عصبی کانولوشن چیست و چگونه یاد می گیرند؟ - قسمت 1 What are Convolutional Neural Networks and How do they Learn? - Part #1

• شبکه های عصبی کانولوشن چیست و چگونه یاد می گیرند؟ - قسمت 2 What are Convolutional Neural Networks and How do they Learn? - Part #2

• معماری شبکه LeNet LeNet Network Architecture

• درخواست افزایش محدودیت سرویس AWS SageMaker Request AWS SageMaker Service Limit Increase

• کدنویسی بخش شماره 1 شماره 2 - تصاویر را وارد کنید و آنها را تجسم کنید Coding Part #1 #2 - Import Images and Visualize Them

• کد نویسی #3 #4 - داده های آموزشی/آزمایشی را در S3 بارگذاری کنید Coding #3 #4 - Upload Training/Testing Data to S3

• وظیفه کدنویسی شماره 5 - ساخت و آموزش CNN Coding Task #5 - Build and Train CNNs

• وظیفه کدنویسی شماره 6 - مدل آموزش دیده را با استفاده از SageMaker اجرا کنید Coding Task #6 - Deploy Trained Model Using SageMaker

پروژه شماره 6 - SageMaker Studio DeepDive و AutoML Project #6 - SageMaker Studio DeepDive and AutoML

• بررسی اجمالی مطالعه موردی: هوش مصنوعی در تجارت Case Study Overview: AI in Business

• مقدمه ای بر هوش مصنوعی در تجارت با AWS Introduction to AI in business with AWS

• مقدمه ای بر هوش مصنوعی در تجارت با AWS Introduction to AI in business with AWS

• مطالب خواندنی: کاربردهای هوش مصنوعی در تجارت Reading Material: AI Applications in Business

• مطالب خواندنی: کاربردهای هوش مصنوعی در تجارت Reading Material: AI Applications in Business

• آزمون: کاربردهای هوش مصنوعی در تجارت Quiz: AI Applications in Business

• نمای کلی پروژه حق بیمه Insurance Premium Project Overview

• نمای کلی پروژه حق بیمه Insurance Premium Project Overview

• رگرسیون خطی ساده و چندگانه Simple and Multiple Linear Regression

• AWS 101 [بررسی سخنرانی/اگر محتوا آشناست از آن بگذرید] AWS 101 [Review Lecture/Skip If Content is Familiar]

• S3 و EC2 [بررسی سخنرانی/در صورت آشنا بودن محتوا از آن بگذرید] S3 and EC2 [Review Lecture/Skip If Content is Familiar]

• S3 و EC2 [بررسی سخنرانی/در صورت آشنا بودن محتوا از آن بگذرید] S3 and EC2 [Review Lecture/Skip If Content is Familiar]

• AWS SageMaker [بررسی سخنرانی/در صورت آشنا بودن محتوا از آن بگذرید] AWS SageMaker [Review Lecture/Skip If Content is Familiar]

• معیارهای رگرسیون [بررسی سخنرانی/در صورت آشنا بودن محتوا از آن بگذرید] Regression Metrics [Review Lecture/Skip if Content is Familiar]

• نسخه آزمایشی AWS SageMaker AutoPilot #1 AWS SageMaker AutoPilot Demo #1

• نسخه آزمایشی AWS SageMaker AutoPilot #1 AWS SageMaker AutoPilot Demo #1

• نسخه ی نمایشی شماره ۲ AWS SageMaker AutoPilot AWS SageMaker AutoPilot Demo #2

• دمو شماره 3 AWS SageMaker AutoPilot AWS SageMaker AutoPilot Demo #3

پروژه شماره 6 - SageMaker Studio DeepDive و AutoML Project #6 - SageMaker Studio DeepDive and AutoML

• بررسی اجمالی مطالعه موردی: هوش مصنوعی در تجارت Case Study Overview: AI in Business

• آزمون: کاربردهای هوش مصنوعی در تجارت Quiz: AI Applications in Business

• رگرسیون خطی ساده و چندگانه Simple and Multiple Linear Regression

• AWS 101 [بررسی سخنرانی/اگر محتوا آشناست از آن بگذرید] AWS 101 [Review Lecture/Skip If Content is Familiar]

• AWS SageMaker [بررسی سخنرانی/در صورت آشنا بودن محتوا از آن بگذرید] AWS SageMaker [Review Lecture/Skip If Content is Familiar]

• معیارهای رگرسیون [بررسی سخنرانی/در صورت آشنا بودن محتوا از آن بگذرید] Regression Metrics [Review Lecture/Skip if Content is Familiar]

• نسخه ی نمایشی شماره ۲ AWS SageMaker AutoPilot AWS SageMaker AutoPilot Demo #2

• دمو شماره 3 AWS SageMaker AutoPilot AWS SageMaker AutoPilot Demo #3