آموزش مبانی هوش مصنوعی: یادگیری ماشینی

Artificial Intelligence Foundations: Machine Learning

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره: یادگیری ماشینی هیجان انگیزترین شاخه هوش مصنوعی است. این به سیستم‌ها اجازه می‌دهد تا با شناسایی الگوها و تصمیم‌گیری بدون دخالت انسان، از داده‌ها بیاموزند. در این دوره، با تمرین عملی اولین مدل یادگیری ماشینی خود، چرخه زندگی یادگیری ماشینی را هدایت خواهید کرد. به مربی کشا ویلیامز بپیوندید تا روش‌های یادگیری ماشینی را بررسی می‌کند: تحت نظارت، بدون نظارت و تقویت. تمرکز روی منبع یابی و آماده سازی داده ها و انتخاب بهترین الگوریتم یادگیری برای پروژه شما وجود دارد. پس از آموزش یک مدل، ارزیابی عملکرد مدل را با استفاده از معیارهای استاندارد یاد بگیرید. در نهایت، کشا به شما نشان می‌دهد که چگونه فرآیند را با ایجاد خط لوله یادگیری ماشین ساده کنید. اگر به دنبال درک چرخه زندگی یادگیری ماشینی و مراحل مورد نیاز برای ساختن سیستم هستید، این دوره را بررسی کنید.

سرفصل ها و درس ها

معرفی Introduction

  • بررسی سناریوهای دوره Reviewing the course scenarios

  • مقدمه ای بر مبانی هوش مصنوعی: دوره یادگیری ماشین Introduction to AI foundations: Machine learning course

1. درک یادگیری ماشین 1. Understanding Machine Learning

  • کاوش در یادگیری ماشینی Exploring machine learning

  • بررسی نحوه یادگیری ماشین ها Examining how machines learn

2. پیاده سازی راه حل یادگیری ماشین 2. Implementing a Machine Learning Solution

  • شکستن چرخه زندگی یادگیری ماشینی Breaking down the machine learning lifecycle

  • آشنایی با ابزارهای مورد استفاده برای آموزش یک مدل Understanding tools used to train a model

  • کادربندی مشکلات یادگیری ماشین Framing machine learning problems

  • شناسایی مدل از پیش ساخته شده Identifying a pre-built model

3. آماده سازی داده ها برای یادگیری ماشینی 3. Preparing Data for Machine Learning

  • نسخه ی نمایشی: انجام مهندسی ویژگی Demo: Performing feature engineering

  • آشنایی با مهندسی ویژگی Understanding feature engineering

  • به دست آوردن داده ها Obtaining data

  • تجسم و درک داده ها Visualizing and understanding data

4. آموزش یک مدل یادگیری ماشینی 4. Training a Machine Learning Model

  • نسخه ی نمایشی: آموزش یک مدل یادگیری ماشین سفارشی Demo: Training a custom machine learning model

  • بررسی الگوریتم های یادگیری اضافی Examining additional learning algorithms

  • درک الگوریتم های یادگیری و آموزش مدل Understanding learning algorithms and model training

  • آموزش یک مدل یادگیری ماشین سفارشی Training a custom machine learning model

  • بررسی الگوریتم های یادگیری برای طبقه بندی Exploring learning algorithms for classification

  • بررسی الگوریتم های یادگیری برای رگرسیون Reviewing learning algorithms for regression

5. ارزیابی عملکرد مدل 5. Evaluating Model Performance

  • مبارزه با تعصب Combating bias

  • بررسی معیارهای طبقه بندی رایج Exploring common classification metrics

  • درک ماتریس سردرگمی Understanding the confusion matrix

  • بررسی معیارهای رگرسیون رایج Exploring common regression metrics

  • تعیین اهمیت ویژگی Determining feature importance

6. عملیاتی کردن خط لوله یادگیری ماشین 6. Operationalizing a Machine Learning Pipeline

  • ساختار یک خط لوله یادگیری ماشینی Structuring a machine learning pipeline

  • دمو: طراحی و ساخت خط لوله Demo: Designing and building a pipeline

نتیجه Conclusion

  • سفر یادگیری ماشین شما Your machine learning journey

نمایش نظرات

Linkedin (لینکدین)

لینکدین: شبکه اجتماعی حرفه‌ای برای ارتباط و کارآفرینی

لینکدین به عنوان یکی از بزرگترین شبکه‌های اجتماعی حرفه‌ای، به میلیون‌ها افراد در سراسر جهان این امکان را می‌دهد تا ارتباط برقرار کنند، اطلاعات حرفه‌ای خود را به اشتراک بگذارند و فرصت‌های شغلی را کشف کنند. این شبکه اجتماعی به کاربران امکان می‌دهد تا رزومه حرفه‌ای خود را آپدیت کنند، با همکاران، دوستان و همکاران آینده ارتباط برقرار کنند، به انجمن‌ها و گروه‌های حرفه‌ای ملحق شوند و از مقالات و مطالب مرتبط با حوزه کاری خود بهره‌مند شوند.

لینکدین همچنین به کارفرمایان امکان می‌دهد تا به دنبال نیروهای با تجربه و مهارت مورد نیاز خود بگردند و ارتباط برقرار کنند. این شبکه حرفه‌ای به عنوان یک پلتفرم کلیدی برای بهبود دسترسی به فرصت‌های شغلی و گسترش شبکه حرفه‌ای خود، نقش مهمی را ایفا می‌کند. از این رو، لینکدین به عنوان یکی از مهمترین ابزارهای کارآفرینی و توسعه حرفه‌ای در دنیای امروز مورد توجه قرار دارد.

آموزش مبانی هوش مصنوعی: یادگیری ماشینی
جزییات دوره
1h 50m
26
Linkedin (لینکدین) Linkedin (لینکدین)
(آخرین آپدیت)
52,831
- از 5
ندارد
دارد
دارد
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Kesha Williams Kesha Williams

کشا ویلیامز یک مدیر مهندسی نرم افزار، مربی، سخنران، وبلاگ نویس فناوری، و مدافع STEM است.

کشا (تلفظ KEY-SHA) ویلیامز یک جایزه است. مهندس نرم افزار برنده با بیش از 20 سال تجربه متخصص در توسعه برنامه های کاربردی وب با استفاده از Java، Spring، Angular، و خدمات وب آمازون (AWS). او هزاران توسعه‌دهنده نرم‌افزار را در ایالات متحده، اروپا و آسیا آموزش داده و در حین تدریس جاوا در سطح دانشگاه، آموزش داده است. او کار خود را با آژانس امنیت ملی (NSA) آغاز کرد.

کشا اخیراً برنده جایزه آدا لاولیس در مهندسی کامپیوتر از LookFar و جایزه نوآوری متفاوت بیندیشید از Chick-fil-A برای کارش با فناوری‌های نوظهور شد. و هوش مصنوعی (AI). او اخیراً در کمپین آمازون "Alexa Women of Voice" و مجموعه #WePowerTech از A Cloud Guru حضور داشت. او در اوقات فراغت خود، اخبار جاوا را برای InfoQ می نویسد، بخش فناوری جورجیا را رهبری می کند، در کنفرانس های فنی در سراسر جهان سخنرانی می کند، به عنوان مربی با آکادمی علوم نیویورک خدمت می کند، و کارگاه های رایگان «ساعت کد» را برای کودکان برگزار می کند. در کتابخانه محلی او.