آموزش راهنمای آزمون کاردانی یادگیری ماشین گواهی شده Databricks

سرفصل ها و درس ها

معرفی Introduction

• معرفی Introduction

• مهم - به‌روزرسانی نکات و بررسی Udemy Important - Udemy Tips & Review Update

• سوالات متداول دوره Course FAQ's

• مواد درسی Course Materials

شروع کار با Databricks Machine Learning Getting started with Databricks Machine Learning

• مقدمه ای بر یادگیری ماشین Databricks Introduction to Databricks Machine Learning

• آزمایشگاه: Databricks Workspace با نسخه Community Lab: Databricks Workspace with Community Edition

• آزمایشگاه: Databricks Workspace با Azure Cloud Lab: Databricks Workspace with Azure Cloud

• مروری بر رابط کاربری Databricks Databricks User Interface Overview

• بررسی اجمالی معماری Databricks Azure Azure Databricks Architecture Overview

• منابع ایجاد شده توسط Azure Databricks Workspace Resources Created by Azure Databricks Workspace

Databricks Runtime for Machine Learning Databricks Runtime for Machine Learning

• مقدمه ای بر Databricks Runtime for Machine Learning Introduction to Databricks Runtime for Machine Learning

• آزمایشگاه: ایجاد Databricks ML Cluster Lab: Creating Databricks ML Cluster

• ویژگی‌های Cluster را از UI کاوش کنید Explore Cluster Features from UI

AutoML (طبقه بندی، رگرسیون، پیش بینی) AutoML (Classification, Regression, Forecasting)

• مقدمه ای بر AutoML Introduction to AutoML

• AutoML Regression Databricks UI Part - 1 AutoML Regression Databricks UI Part - 1

• AutoML Regression Databricks UI Part - 2 AutoML Regression Databricks UI Part - 2

• AutoML Regression Databricks UI Part - 3 AutoML Regression Databricks UI Part - 3

• AutoML Regression Databricks Python API قسمت - 1 AutoML Regression Databricks Python API Part - 1

• AutoML Regression Databricks Python API قسمت - 2 AutoML Regression Databricks Python API Part - 2

• بخش طبقه بندی AutoML - 1 AutoML Classification Part - 1

• طبقه بندی AutoML قسمت - 2 AutoML Classification Part - 2

• AutoML Forecasting Databricks UI Part - 1 AutoML Forecasting Databricks UI Part - 1

• AutoML Forecasting Databricks UI Part - 2 AutoML Forecasting Databricks UI Part - 2

• AutoML Forecasting Databricks Python API قسمت - 1 AutoML Forecasting Databricks Python API Part - 1

• AutoML Forecasting Databricks Python API قسمت - 2 AutoML Forecasting Databricks Python API Part - 2

فروشگاه ویژگی Feature store

• Databricks Feature Store Part -1 Databricks Feature store Part -1

• Databricks Feature Store Part -2 Databricks Feature store Part -2

MLflow MLflow

• مقدمه ای بر Mlflow Introduction to Mlflow

• آزمایشگاه: Mlflow Logging API قسمت - 1 Lab : Mlflow Logging API Part - 1

• آزمایشگاه: Mlflow Logging API قسمت - 2 Lab : Mlflow Logging API Part - 2

• آزمایشگاه: Mlflow Logging API قسمت - 3 Lab : Mlflow Logging API Part - 3

• Lab: ML End-to-End مثال قسمت - 1 Lab: ML End-to-End Example Part - 1

• آزمایشگاه: ML End-to-End مثال قسمت - 2 Lab: ML End-to-End Example Part - 2

• آزمایشگاه: ML End-to-End مثال قسمت - 3 Lab: ML End-to-End Example Part - 3

• آزمایشگاه: ML End-to-End مثال قسمت - 4 Lab: ML End-to-End Example Part - 4

• آزمایشگاه: ML End-to-End مثال قسمت - 5 Lab: ML End-to-End Example Part - 5

• بخش رجیستری مدل MLFlow - 1 MLFlow Model Registry Part - 1

• رجیستری مدل MLFlow قسمت - 2 MLFlow Model Registry Part - 2

• رجیستری مدل MLFlow قسمت - 3 MLFlow Model Registry Part - 3

تجزیه و تحلیل داده های اکتشافی و مهندسی ویژگی Exploratory Data Analysis & Feature Engineering

• مقدمه ای بر تحلیل داده های اکتشافی Introduction to Exploratory Data Analysis

• تجزیه و تحلیل داده های اکتشافی: بخش 1 داده ها را کاوش کنید Exploratory Data Analysis: Explore the Data Part 1

• تجزیه و تحلیل داده های اکتشافی: بخش 2 داده ها را کاوش کنید Exploratory Data Analysis: Explore the Data Part 2

• تجزیه و تحلیل داده های اکتشافی: بخش 3 داده ها را کاوش کنید Exploratory Data Analysis: Explore the Data Part 3

• تجزیه و تحلیل داده های اکتشافی: تجسم داده ها Exploratory Data Analysis: Data Visualization

• تجزیه و تحلیل داده های اکتشافی: پروفایل پانداها Exploratory Data Analysis: Pandas Profiling

• مهندسی ویژگی: مقدار گمشده Feature engineering: Missing Value Imputation

• مهندسی ویژگی: حذف Outlier Feature engineering: Outlier Removal

• مهندسی ویژگی: ایجاد ویژگی Feature engineering: Feature Creation

• مهندسی ویژگی: مقیاس گذاری ویژگی Feature engineering: Feature Scaling

• مهندسی ویژگی: One-Hot-Encoding Feature engineering: One-Hot-Encoding

• مهندسی ویژگی: انتخاب ویژگی Feature engineering: Feature Selection

• مهندسی ویژگی: تبدیل ویژگی Feature engineering: Feature Transformation

• مهندسی ویژگی: کاهش ابعاد Feature engineering: Dimensionality Reduction

تنظیم هایپرپارامتر با Hyperopt Hyperparameter Tuning with Hyperopt

• مبانی هایپرپارامتر Hyperparameter Basics

• مقدمه ای بر تنظیم Hyperparameter با Hyperopt Introduction to Hyperparameter tuning with Hyperopt

• موازی سازی Hyperparameter: بارگذاری مجموعه داده Hyperparameter Parallelization: Loading the Dataset

• موازی سازی Hyperparameter: گردش کار Hyperopt تک ماشینی Hyperparameter Parallelization: Single-Machine Hyperopt Workflow

• موازی سازی Hyperparameter: تنظیم توزیع شده با استفاده از Apache Spark و MLflow Hyperparameter Parallelization: Distributed tuning using Apache Spark and MLflow

• انتخاب مدل با Hyperopt & MLflow قسمت 1 Model Selection with Hyperopt & MLflow Part 1

• انتخاب مدل با Hyperopt & MLflow قسمت 2 Model Selection with Hyperopt & MLflow Part 2

• انتخاب مدل با Hyperopt & MLflow قسمت 3 Model Selection with Hyperopt & MLflow Part 3

• تنظیم الگوریتم های آموزشی توزیع شده (Hyperopt & Apache Spark MLlib) قسمت 1 Tuning Distributed Training Algorithms (Hyperopt & Apache Spark MLlib) Part 1

• تنظیم الگوریتم های آموزشی توزیع شده (Hyperopt & Apache Spark MLlib) قسمت 2 Tuning Distributed Training Algorithms (Hyperopt & Apache Spark MLlib) Part 2

• تنظیم الگوریتم های آموزشی توزیع شده (Hyperopt & Apache Spark MLlib) قسمت 3 Tuning Distributed Training Algorithms (Hyperopt & Apache Spark MLlib) Part 3

• تنظیم الگوریتم های آموزشی توزیع شده (Hyperopt & Apache Spark MLlib) قسمت 4 Tuning Distributed Training Algorithms (Hyperopt & Apache Spark MLlib) Part 4

• تنظیم الگوریتم های آموزشی توزیع شده (Hyperopt & Apache Spark MLlib) قسمت 5 Tuning Distributed Training Algorithms (Hyperopt & Apache Spark MLlib) Part 5

• ردیابی خودکار جریان MLflow و اعتبارسنجی متقاطع قسمت 1 Automated MLflow Tracking & Cross-Validation Part 1

• ردیابی خودکار جریان MLflow و اعتبارسنجی متقاطع قسمت 2 Automated MLflow Tracking & Cross-Validation Part 2

• ردیابی خودکار جریان MLflow و اعتبارسنجی متقاطع قسمت 3 Automated MLflow Tracking & Cross-Validation Part 3

• ردیابی و اعتبارسنجی متقابل خودکار MLflow قسمت 4 Automated MLflow Tracking & Cross-Validation Part 4

Spark ML Modeling APIs - Binary Classification Spark ML Modeling APIs - Binary Classification

• طبقه بندی باینری - بارگذاری مجموعه داده Binary Classification - Loading Dataset

• طبقه بندی باینری - پیش پردازش داده ها و مهندسی ویژگی قسمت 1 Binary Classification - Data Preprocessing & Feature Engineering Part 1

• طبقه بندی باینری - پیش پردازش داده ها و مهندسی ویژگی قسمت 2 Binary Classification - Data Preprocessing & Feature Engineering Part 2

• طبقه بندی باینری - رگرسیون لجستیک قسمت 1 Binary Classification - Logistic Regression Part 1

• طبقه بندی باینری - رگرسیون لجستیک قسمت 2 Binary Classification - Logistic Regression Part 2

• طبقه بندی باینری - درختان تصمیم Binary Classification - Decision Trees

• طبقه بندی باینری - جنگل تصادفی Binary Classification - Random Forest

• طبقه بندی باینری - ساخت پیش بینی Binary Classification - Making Predictions

Spark ML Modeling API - رگرسیون با خطوط لوله GBT و MLlib Spark ML Modeling APIs - Regression with GBT & MLlib Pipelines

• رگرسیون با خطوط لوله GBT و MLlib - پیش پردازش داده قسمت 1 Regression with GBT & MLlib Pipelines - Data Preprocessing Part 1

• رگرسیون با خطوط لوله GBT و MLlib - پیش پردازش داده قسمت 2 Regression with GBT & MLlib Pipelines - Data Preprocessing Part 2

• رگرسیون با خطوط لوله GBT و MLlib - خط لوله قطار ML قسمت 1 Regression with GBT & MLlib Pipelines - Train ML Pipeline Part 1

• رگرسیون با خطوط لوله GBT و MLlib - خط لوله قطار ML قسمت 2 Regression with GBT & MLlib Pipelines - Train ML Pipeline Part 2

• رگرسیون با خطوط لوله GBT و MLlib - پیش بینی و ارزیابی مدل ML Regression with GBT & MLlib Pipelines - Predicting and Evaluating ML Model

Spark ML Modeling API - Decision Trees SFO Airport Survey Spark ML Modeling APIs - Decision Trees SFO Airport Survey

• Decision Trees SFO Airport Survey - Business Problem Decision Trees SFO Airport Survey - Business Problem

• Decision Trees SFO Airport Survey - Loading Dataset Decision Trees SFO Airport Survey - Loading Dataset

• Decision Trees SFO Airport Survey - Understanding Dataset Decision Trees SFO Airport Survey - Understanding Dataset

• Decision Trees SFO Airport Survey - Creating Model Part 1 Decision Trees SFO Airport Survey - Creating Model Part 1

• Decision Trees SFO Airport Survey - Creating Model Part 2 Decision Trees SFO Airport Survey - Creating Model Part 2

• درختان تصمیم بررسی فرودگاه SFO - ارزیابی مدل Decision Trees SFO Airport Survey - Evaluating the Model

• بررسی درختان تصمیم SFO Airport - اهمیت ویژگی Decision Trees SFO Airport Survey - Feature Importance

پانداها در Databricks و دسترسی به داده ADLS Pandas on Databricks & Accessing Data ADLS

• آشنایی با پانداها در Databricks Introduction to Pandas on Databricks

• ذخیره و بارگیری داده ها با پانداها Store & Load Data with Pandas

• کار با فایل ها روی Databricks Working with Files on Databricks

• دسترسی به داده ها از طریق کلید دسترسی Accessing Data via Access Key

• دسترسی به داده ها از طریق SAS Token Accessing Data via SAS Token

• نصب ADLS به DBFS قسمت 1 Mounting ADLS to DBFS Part 1

• نصب ADLS به DBFS قسمت 2 Mounting ADLS to DBFS Part 2

• Mount Storage Container با استفاده از رشته های f Mount Storage Container Using f-strings

• معماری چند هاپ (معماری مدالیون) قسمت 1 Multi-hop Architecture (Medallion Architecture) Part 1

• معماری چند هاپ (معماری مدالیون) قسمت 2 Multi-hop Architecture (Medallion Architecture) Part 2

متشکرم Thank You

• تبریک و راه رو به جلو Congratulations & way forward