نکته:
آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیویی برای نمایش وجود ندارد.
توضیحات دوره:
یادگیری ماشینی یکی از داغترین زمینه های امروز جهان است. این دوره به شما یاد می دهد که چگونه با فناوری های یادگیری ماشین AWS حل مشکلات تجاری را شروع کنید. احتمالاً در مورد چگونگی یادگیری ماشین در حال شکل گیری دنیای ما شنیده اید - از تشخیص چهره تا تحویل بسته ، تشخیص گفتار تا اتومبیل های خودران. اما چگونه می توانید در این زمینه مهیج شروع کنید؟ در این دوره ، مبانی یادگیری ماشین در AWS ، شما یاد خواهید گرفت که چگونه با فناوری های یادگیری ماشین AWS مشکلات تجاری را حل کنید. اول ، شما کشف خواهید کرد که ML چیست و چگونه با هوش مصنوعی و یادگیری عمیق ارتباط دارد. در مرحله بعدی ، شما خواهید آموخت که چگونه فرصت های یادگیری ماشین را شناسایی و تنظیم کنید. سپس ، فرآیند یادگیری ماشین به پایان را خواهید فهمید: واکشی ، تمیز کردن و آماده سازی داده ها ، آموزش و ارزیابی مدل ها و استقرار و نظارت بر مدل ها. سرانجام ، شما با هوش مصنوعی AWS و فناوری های یادگیری ماشین آشنا می شوید که این فرآیند را فعال می کنند و با Amazon SageMaker Studio مشاهده می کنید هنگامی که با این دوره به پایان رسیدید ، مهارت و دانش فن آوری های یادگیری ماشین AWS را برای حل مشکلات دنیای واقعی خواهید داشت. این دوره همچنین پایه و اساس گواهینامه تخصصی یادگیری ماشین AWS را ایجاد می کند.
سرفصل ها و درس ها
بررسی اجمالی دوره
Course Overview
-
بررسی اجمالی دوره
Course Overview
معرفی دوره
Course Introduction
-
سناریوی دوره
Course Scenario
-
چرا یادگیری ماشین برای شما مهم است
Why Machine Learning Matters to You
-
آنچه در این دوره خواهید آموخت
What You’ll Learn in This Course
-
نسخه ی نمایشی: تنظیم محیط
Demo: Environment Setup
شناسایی فرصت های یادگیری ماشین
Identifying Opportunities for Machine Learning
-
مروری و اصطلاحات
Overview and Terminology
-
نگاه دقیق تر به یادگیری ماشین
A Closer Look at Machine Learning
-
یادگیری عمیق به طور خلاصه
Deep Learning in a Nutshell
-
موارد استفاده معمول برای یادگیری ماشین
Common Use Cases for Machine Learning
-
نکات کلیدی برای یادآوری
Key Points to Remember
تعریف مشکلات یادگیری ماشین
Defining Machine Learning Problems
-
حل مشکلات با یادگیری ماشین
Solving Problems with Machine Learning
-
انواع مشکلات یادگیری ماشین
Types of Machine Learning Problems
-
تعریف مسئله یادگیری ماشین
Defining the Machine Learning Problem
-
سناریو: به کار بردن مفاهیم
Scenario: Applying the Concepts
-
نکات کلیدی برای یادآوری
Key Points to Remember
واکشی و آماده سازی داده ها
Fetching and Preparing Data
-
مروری بر روند یادگیری ماشین
Overview of the Machine Learning Process
-
واکشی داده ها
Fetching Data
-
پاک کردن داده ها
Cleaning Data
-
تجسم و تجزیه و تحلیل داده ها
Data Visualization and Analysis
-
مهندسی ویژگی
Feature Engineering
-
نسخه ی نمایشی: واکشی و آماده سازی داده ها در SageMaker Studio
Demo: Fetching and Preparing Data in SageMaker Studio
-
نکات کلیدی برای یادآوری
Key Points to Remember
آموزش و ارزیابی مدل
Training and Evaluating the Model
-
الگوریتم های آموزش مدل
Algorithms for Training the Model
-
ارزیابی مدل
Evaluating the Model
-
تنظیم Hyperparameter
Hyperparameter Tuning
-
نسخه ی نمایشی: آموزش و ارزیابی مدل در استودیوی SageMaker
Demo: Training and Evaluating the Model in SageMaker Studio
-
نکات کلیدی برای یادآوری
Key Points to Remember
استقرار و نظارت بر مدل
Deploying and Monitoring the Model
-
استقرار مدل
Deploying the Model
-
نظارت و جمع آوری داده ها
Monitoring and Collecting Data
-
نسخه ی نمایشی: استقرار و نظارت بر مدل در استودیوی SageMaker
Demo: Deploying and Monitoring the Model in SageMaker Studio
-
نکات کلیدی برای یادآوری
Key Points to Remember
پشته یادگیری ماشین AWS
The AWS Machine Learning Stack
-
پشته یادگیری ماشین AWS
The AWS Machine Learning Stack
-
خدمات هوش مصنوعی
Artificial Intelligence Services
-
خدمات یادگیری ماشین
Machine Learning Services
-
چارچوب ها و زیرساخت های یادگیری ماشین
Machine Learning Frameworks and Infrastructure
-
نکات کلیدی برای یادآوری
Key Points to Remember
مراحل بعدی
Next Steps
-
خلاصه نکات کلیدی
Summary of Key Points
-
منابع اضافی
Additional Resources
-
بسته بندی کردن
Wrapping Up
نمایش نظرات