🔔 با توجه به بهبود نسبی اینترنت، آمادهسازی دورهها آغاز شده است. به دلیل تداوم برخی اختلالات، بارگذاری دورهها ممکن است با کمی تأخیر انجام شود. مدت اشتراکهای تهیهشده محفوظ است.
لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش انتخاب رویکرد مناسب ML برای پرونده تجاری خود با ISO/IEC 25053: 2022
- آخرین آپدیت
دانلود Choosing the Right ML Approach for Your Business Case with ISO/IEC 25053:2022
نکته:
ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره:
در این دوره ، مربی Lyron Andrews به شما نشان می دهد که چگونه می توانید اجزای سیستم یادگیری ماشین (ML) و عملکرد آنها را در اکوسیستم AI توصیف کنید. این شامل شناسایی یادگیری عمومی ، تحت نظارت ، بدون نظارت و نیمه تحت نظارت ، همراه با ذکر مراحل مربوط به خط لوله ML است. در طول راه ، بینش هایی را برای ارزیابی نیاز به تشخیص ناهنجاری و کاهش ابعاد مربوط به مدل های آموزشی جمع آوری کنید. Lyron مراحل خط لوله یادگیری ماشین را ، از جمع آوری داده ها و آماده سازی گرفته تا مدل سازی ، تأیید و اعتبار سنجی تشریح می کند. در پایان این دوره ، شما آماده خواهید بود تا رویکرد مناسب ML را برای پاسخگویی به نیازهای منحصر به فرد پرونده تجاری خود انتخاب کنید.
سرفصل ها و درس ها
مقدمه
Introduction
چرا نیاز به رویکرد فرآیند ML
Why the need for an ML process approach
1. اصطلاحات ، تعاریف و نمای کلی
1. Terms, Definitions, and Overview
نمای کلی بندها ، اصطلاحات و تعاریف (بندهای 3-5)
Overview of clauses, terms, and definitions (Clauses 3-5)
2. سیستم های یادگیری ماشین
2. Machine Learning Systems
وظیفه و عمومی (بند 6-6.2)
Task and general (Clause 6-6.2)
Bayesian ML (بند 6.5.3.3)
Bayesian ML (Clause 6.5.3.3)
مدل ML (بند 6.3)
ML model (Clause 6.3)
داده های ML (بند 6.4)
ML data (Clause 6.4)
درخت تصمیم ML (بند 6.5.3.6)
Decision tree ML (Clause 6.5.3.6)
دستگاه های بردار پشتیبانی ML (بند 6.5.3.5)
Support vector machines ML (Clause 6.5.3.5)
جزئیات کار (بندهای 6.2.2-6.2.7)
Task details (Clauses 6.2.2-6.2.7)
ابزارها و تهیه داده ها (بندهای 6.5-6.5.2)
Tools and data preparation (Clauses 6.5-6.5.2)
3. دسته شبکه های عصبی ML
3. Categories of ML Neural Networks
RNN و LSTM ML (بندهای 6.5.3.2.3-6.5.3.3.2.3.2)
RNN and LSTM ML (Clauses 6.5.3.2.3-6.5.3.2.3.2)
CNN و Capnet ML (بندهای 6.5.3.2.4 ، 6.5.3.2.7)
CNN and CapNet ML(Clauses 6.5.3.2.4, 6.5.3.2.7)
روشهای بهینه سازی ML (بندهای 6.5.4-6.5.4.8)
ML optimization methods (Clauses 6.5.4-6.5.4.8)
DBM ، Perceptron ساختاری و GAN ML (بند 6)
DBM, structured perceptron, and GAN ML (Clause 6)
معیارهای ارزیابی ML (بندهای 6.5.5-6.5.5.8)
ML evaluation metrics (Clauses 6.5.5-6.5.5.8)
عمومی و FFNN ML (بندهای 6.5.3.2-6.5.3.3.2.2)
General and FFNN ML (Clauses 6.5.3.2-6.5.3.2.2)
نمایش نظرات