لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش یادگیری ماشین و مبانی هوش مصنوعی: استراتژی مدل سازی پیش بینی در مقیاس
Machine Learning and AI Foundations: Predictive Modeling Strategy at Scale
نکته:
آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره:
ایجاد راه حل های تجزیه و تحلیل پیش بینی شده در سطح جهانی مستلزم شناخت این است که چالش های مقیاس و اندازه نمونه در مراحل مختلف یک پروژه بسیار زیاد است. از کجا می دانید چه مقدار داده استفاده کنید؟ چه چیزی کم است ، چه چیزی بیش از حد؟ زیرساخت شما چگونه باید با توجه به حجم و خواسته های پروژه مقیاس بندی شود؟ این دوره گام به گام از جنبه های استراتژیک و تاکتیکی تعیین میزان مقدار داده مورد نیاز برای ساختن یک راه حل موثر مدل سازی پیش بینی مبتنی بر یادگیری ماشین و حجم زیادی از داده به قدری می گذرد که چالش هایی را به وجود می آورد. مربی کیت مک کورمیک با در نظر گرفتن مقیاس پذیری ، با ارائه بینش ، چشم اندازها و ابزارهای جدید همکاری برای متخصصان فناوری اطلاعات ، دانشمندان داده و رهبری ، هر مرحله - انتخاب داده ، آماده سازی داده ، مدل سازی ، امتیازدهی و استقرار را مرور می کند.
توجه: این دوره نرم افزاری است. تاکید بر استراتژی و برنامه ریزی است. مثالها ، محاسبات و نتایج نرم افزاری نشان داده شده فقط برای اهداف آموزشی است.
موضوعات شامل:
ارزیابی مقدار مناسب داده li>
ارزیابی کیفیت و کمیت داده ها li>
تراز بندی فصلی و زمانی li>
چالش های آماده سازی داده ها li>
چالش های مدل سازی داده ها li>
امتیازدهی به مدلهای یادگیری ماشین li>
به کارگیری مدل ها و تنظیم آمادگی داده ها و امتیازدهی آنها li>
داده کاو ، مربی ، سخنران ، نویسنده
کیت مک کورمیک یک کاوشگر اطلاعات ، مربی ، سخنران و نویسنده مستقل است.
کیت در توضیح روشهای پیچیده برای کاربران جدید یا تصمیم گیرندگان در سطوح مختلف از جزئیات فنی مهارت دارد. وی متخصص در مدل های پیش بینی و تجزیه و تحلیل تقسیم بندی از جمله درختان طبقه بندی ، شبکه های عصبی ، مدل خطی کلی ، تجزیه خوشه و قوانین ارتباط است.
نمایش نظرات