آموزش راه اندازی به یادگیری ماشین

معرفی Introduction

• معرفی دوره Course introduction

داده های خود را بشناسید: داده ها را از طریق تجزیه و تحلیل داده های اکتشافی بهبود دهید Get to Know Your Data: Improve Data through Exploratory Data Analysis

• معرفی Introduction

• بهبود کیفیت داده ها Improve data quality

• Pluralsight: شروع به کار با GCP و Qwiklabs Pluralsight: Getting Started with GCP and Qwiklabs

• معرفی آزمایشگاه: کیفیت داده های خود را بهبود بخشید Lab intro: Improve the quality of your data

• آزمایشی آزمایشگاهی: کیفیت داده های خود را بهبود بخشید Lab Demo: Improve the quality of your data

• آزمایشگاه: بهبود کیفیت داده ها Lab: Improving Data Quality

• تجزیه و تحلیل داده های اکتشافی چیست؟ What is exploratory data analysis

• چگونه از EDA در یادگیری ماشین استفاده می شود How is EDA used in machine learning

• تجزیه و تحلیل و تجسم داده ها Data analysis and visualization

• مقدمه آزمایشگاه: داده ها را با استفاده از Python و BigQuery کاوش کنید Lab intro: Explore the data using Python and BigQuery

• آزمایشگاه: تجزیه و تحلیل داده های اکتشافی با استفاده از پایتون و BigQuery Lab: Exploratory Data Analysis Using Python and BigQuery

• منابع: داده های خود را بشناسید: داده ها را از طریق تجزیه و تحلیل داده های اکتشافی بهبود دهید Resources: Get to know your data: Improve data through Exploratory Data Analysis

یادگیری ماشینی در عمل Machine Learning in Practice

• معرفی Introduction

• یادگیری تحت نظارت Supervised learning

• رگرسیون خطی Linear regression

• مقدمه آزمایشگاه: مقدمه ای بر رگرسیون خطی Lab intro: Introduction to linear regression

• نسخه آزمایشی آزمایشگاه: مقدمه ای بر رگرسیون خطی Lab Demo: Intro to Linear Regression

• آزمایشگاه: مقدمه ای بر رگرسیون خطی Lab: Introduction to Linear Regression

• رگرسیون لجستیک Logistic regression

• منابع: یادگیری ماشینی در عمل Resources: Machine Learning in Practice

آموزش مدل های AutoML با استفاده از Vertex AI Training AutoML Models Using Vertex AI

• معرفی Introduction

• یادگیری ماشینی در مقابل یادگیری عمیق Machine learning vs. deep learning

• یادگیری ماشین خودکار چیست؟ What is automated machine learning?

• مدل رگرسیون AutoML AutoML regression model

• (اختیاری) مقدمه آزمایشگاه: آموزش مدل طبقه بندی AutoML (داده های ساختاریافته) (Optional) Lab intro: Training an AutoML classification model (Structured data)

• (اختیاری) آزمایشی آزمایشگاهی: آموزش مدل طبقه بندی AutoML (داده های ساختاریافته) (Optional) Lab Demo: Training an AutoML classification model (Structured data)

• آزمایشگاه: آموزش مدل طبقه بندی AutoML - داده های ساختاریافته Lab: Training an AutoML Classification Model - Structured Data

• مدل های AutoML را ارزیابی کنید Evaluate AutoML models

• منابع: آموزش مدل های AutoML با استفاده از Vertex AI Resources: Training AutoML Models Using Vertex AI

یادگیری ماشینی BigQuery: مدل‌های ML را در جایی که داده‌های شما زندگی می‌کنند توسعه دهید BigQuery Machine Learning: Develop ML Models Where Your Data Lives

• معرفی Introduction

• آموزش یک مدل ML با استفاده از BigQuery ML Training an ML model using BigQuery ML

• مدل های پشتیبانی شده از BigQuery Machine Learning BigQuery Machine Learning supported models

• مقدمه آزمایشگاه: استفاده از BigQuery ML برای پیش بینی وزن پنگوئن (BigQuery ML & Explainable AI) Lab intro: Using BigQuery ML to predict penguin weight (BigQuery ML & Explainable AI)

• آزمایشی آزمایشگاهی: استفاده از BigQuery ML برای پیش بینی وزن پنگوئن (BigQuery ML و AI توضیح پذیر) Lab Demo: Using BigQuery ML to predict penguin weight (BigQuery ML & Explainable AI)

• آزمایشگاه: استفاده از BigQuery ML برای پیش بینی وزن پنگوئن Lab: Using BigQuery ML to Predict Penguin Weight

• تنظیم فراپارامتر BigQuery ML BigQuery ML hyperparameter tuning

• (اختیاری) معرفی آزمایشگاه: استفاده از تنظیم فراپارامتر BigQuery ML برای بهبود عملکرد مدل (Optional) Lab intro: Using the BigQuery ML hyperparameter tuning to improve model performance

• آزمایشگاه: استفاده از تنظیم فراپارامتر BigQuery ML برای بهبود عملکرد مدل Lab: Using the BigQuery ML Hyperparameter Tuning to Improve Model Performance

• نحوه ساخت و استقرار یک سیستم توصیه با BigQuery ML How to build and deploy a recommendation system with BigQuery ML

• منابع: BigQuery Machine Learning: مدل‌های ML را در جایی که داده‌های شما زندگی می‌کنند توسعه دهید Resources: BigQuery Machine Learning: Develop ML Models Where Your Data Lives

بهينه سازي Optimization

• معرفی Introduction

• تعریف مدل های ML Defining ML models

• معرفی مجموعه داده های دوره Introducing the course dataset

• مقدمه ای بر توابع از دست دادن Introduction to loss functions

• نزول گرادیان Gradient descent

• عیب یابی منحنی های ضرر Troubleshooting loss curves

• مشکلات مدل ML ML model pitfalls

• آزمایشگاه سخنرانی: معرفی زمین بازی تنسورفلو Lecture lab: Introducing the TensorFlow Playground

• آزمایشگاه سخنرانی: زمین بازی تنسورفلو - پیشرفته Lecture lab: TensorFlow Playground - Advanced

• آزمایشگاه سخنرانی: تمرین با شبکه های عصبی Lecture lab: Practicing with neural networks

• معیارهای عملکرد Performance metrics

• ماتریس سردرگمی Confusion matrix

• منابع: بهینه سازی Resources: Optimization

تعمیم و نمونه گیری Generalization and Sampling

• معرفی Introduction

• تعمیم و مدل های ML Generalization and ML models

• چه زمانی آموزش مدل را متوقف کنیم When to stop model training

• ایجاد نمونه های قابل تکرار در BigQuery Creating repeatable samples in BigQuery

• نسخه ی نمایشی: تقسیم مجموعه داده ها در BigQuery Demo: Splitting datasets in BigQuery

• منابع: تعمیم و نمونه گیری Resources: Generalization and Sampling

خلاصه Summary

• خلاصه Summary

• منبع: تمام سوالات مسابقه Resource: All quiz questions

• منبع: همه مطالب خوانده شده Resource: All readings

• منبع: همه اسلایدها Resource: All slides