آموزش مبانی جامع Amazon SageMaker - آخرین آپدیت

مبانی Amazon SageMaker Amazon SageMaker Foundations

• آشنایی با Amazon SageMaker Introduction to Amazon SageMaker

• راه‌اندازی محیط Amazon SageMaker (دمو) Setting Up the Amazon SageMaker Environment (Demo)

• ابزار Amazon SageMaker Data Wrangler Amazon SageMaker Data Wrangler

• مخزن ویژگی‌های Amazon SageMaker Feature Store Amazon SageMaker Feature Store

• مانیتور مدل در Amazon SageMaker Amazon SageMaker Model Monitor

• آشنایی با Amazon SageMaker JumpStart Amazon SageMaker JumpStart

آماده‌سازی داده‌های یادگیری ماشین Machine Learning Data Preparation

• تکنیک‌های پاک‌سازی و تبدیل داده‌ها Data Cleaning and Transformation Techniques

• تکنیک‌های مهندسی ویژگی‌ها Feature Engineering Techniques

• تکنیک‌های کدگذاری (One Hot, Label Encoding, Tokenization) Encoding Techniques (One-Hot, Label Encoding, Tokenization)

• بررسی و کاهش سوگیری در آماده‌سازی داده‌ها Addressing and Reducing Bias in Data Preparation

ساخت و آموزش مدل‌های یادگیری ماشین Building and Training Machine Learning Models

• الگوریتم‌های داخلی SageMaker SageMaker Built-in Algorithms

• الگوریتم Linear Learner Linear Learner Algorithm

• الگوریتم XGBoost در SageMaker XGBoost in SageMaker

• الگوریتم LightGBM در SageMaker LightGBM in SageMaker

• الگوریتم K-نزدیک‌ترین همسایه (k NN) K-Nearest Neighbors (k-NN) Algorithm

• مفاهیم آموزش مدل (Epochs, Batch Size, Steps) Model Training Concepts (Epochs, Batch Size, Steps)

• آموزش مدل‌های یادگیری ماشین (دمو ۱) Train Machine Learning Models (Demo)

• آموزش مدل‌های یادگیری ماشین (دمو ۲) Train Machine Learning Models (Demo)

بهینه‌سازی مدل و تنظیم عملکرد Model Optimization and Performance Tuning

• استنتاج آنی در مقابل استنتاج دسته‌ای (Real Time vs. Batch) Real-Time vs. Batch Inference

• دیباگر مدل در SageMaker SageMaker Model Debugger

• آزمایش‌های SageMaker SageMaker Experiments

• تکنیک‌های اعتبارسنجی متقابل (Cross Validation) Cross Validation Techniques

• تنظیم هایپرپارامترها Hyperparameter Tuning

• تنظیم خودکار مدل در SageMaker SageMaker Automatic Model Tuning

• شناسایی بیش‌برازش و کم‌برازش (Overfitting & Underfitting) Identifying Overfitting and Underfitting

• جلوگیری از بیش‌برازش و کم‌برازش Preventing Overfitting and Underfitting

• تکنیک‌های مدل‌های ترکیبی (Ensembling) Model Ensembling Techniques

استقرار مدل، نظارت و مدیریت چرخه حیات Model Deployment, Monitoring, and Lifecycle Management

• انتخاب نمونه پردازشی SageMaker (CPU در مقابل GPU) SageMaker Compute Instance Selection (CPU vs. GPU)

• انواع نقاط انتهایی SageMaker (بدون سرور، ناهمگام، چند مدل) SageMaker Endpoint Types (Serverless, Asynchronous, Multi-Model)

• مدیریت گردش کار با Apache Airflow و SageMaker Pipelines Workflow Orchestration with Apache Airflow and SageMaker Pipelines

• اصول CI/CD برای گردش کارهای یادگیری ماشین CI/CD Principles for Machine Learning Workflows

• مانیتور مدل SageMaker برای تشخیص ناهنجاری SageMaker Model Monitor for Anomaly Detection

• سیستم توصیه استنتاج SageMaker SageMaker Inference Recommender