آموزش تخصص یادگیری ماشین دارای گواهینامه AWS MLS-C01 [2023]

سرفصل ها و درس ها

معرفی و خانه داری Introduction and Housekeeping

• منابع قابل دانلود Downloadable Resources

• معرفی Introduction

• سرعت یادگیری را افزایش دهید Increase the speed of learning

• بررسی اجمالی - آزمون تخصصی یادگیری ماشین AWS Overview - AWS Machine Learning Specialty Exam

• امتحان - تجزیه و تحلیل شکاف Exam - Gap Analysis

• آماده سازی - آزمون تخصصی یادگیری ماشین AWS Preparation - AWS Machine Learning Specialty Exam

• آزمایشگاه - راه اندازی حساب AWS، پیشنهادات ردیف رایگان، صورتحساب، پشتیبانی Lab - AWS Account Setup, Free Tier Offers, Billing, Support

• آزمایشگاه - هشدارهای صورتحساب، دسترسی نمایندگان Lab - Billing Alerts, Delegate Access

• آزمایشگاه - پیکربندی کاربران IAM، راه اندازی رابط خط فرمان (CLI) Lab - Configure IAM Users, Setup Command Line Interface (CLI)

• [اختیاری] کل هزینه مالکیت بین On-Premises و Cloud [Optional] Total Cost of Ownership between On-Premises and Cloud

• مزایای رایانش ابری Benefits of Cloud Computing

• بررسی اجمالی زیرساخت جهانی AWS AWS Global Infrastructure Overview

• امنیت شغل صفر است | AWS Sector Public Summit 2016 توسط استیو اشمیت Security is Job Zero | AWS Public Sector Summit 2016 by Steve Schmidt

• برای پرسش و پاسخ زنده - هر ماه به ما بپیوندید! Join us for the Live Q&A - Every Month!

• مصاحبه Udemy - شیرجه عمیق به گواهینامه های AWS Udemy Interview - A Deep Dive Into AWS Certifications

SageMaker Housekeeping SageMaker Housekeeping

• منابع قابل دانلود Downloadable Resources

• آزمایشگاه - راه اندازی سطل S3 Lab - S3 Bucket Setup

• آزمایشگاه - راه اندازی نمونه نوت بوک SageMaker Lab - Setup SageMaker Notebook Instance

• آزمایشگاه - تنظیم کد منبع Lab - Source Code Setup

• Kaggle Data Setup Kaggle Data Setup

• کنسول SageMaker با ویدیوهای دوره متفاوت به نظر می رسد - چرا؟ SageMaker Console looks different from the course videos - Why?

• چگونه داده های Kaggle را با کد دانلود کنیم؟ How to download Kaggle data with code?

مفاهیم یادگیری ماشینی Machine Learning Concepts

• مقدمه ای بر یادگیری ماشین، مفاهیم، ​​اصطلاحات Introduction to Machine Learning, Concepts, Terminologies

• انواع داده - نحوه مدیریت انواع داده های مختلط Data Types - How to handle mixed data types

• آزمایشگاه - محیط نوت بوک پایتون Lab - Python Notebook Environment

• آزمایشگاه - کار با داده های از دست رفته Lab - Working with Missing Data

• آزمایشگاه - تجسم داده ها - خطی، ورود به سیستم، درجه دوم و بیشتر Lab - Data Visualization - Linear, Log, Quadratic and More

• AWS نمونه سوال شماره 2 AWS Sample Question #2

• پاسخ به سوال شماره 2 Answer to Question #2

• AWS نمونه سوال شماره 9 AWS Sample Question #9

• پاسخ به نمونه سوال شماره 9 Answer to Sample Question #9

ارزیابی عملکرد مدل Model Performance Evaluation

• عملکرد مدل Model Performance

• منابع قابل دانلود Downloadable Resources

• معرفی Introduction

• آزمایشگاه - عملکرد مدل رگرسیون Lab - Regression Model Performance

• آزمایشگاه - عملکرد طبقه بندی کننده باینری Lab - Binary Classifier Performance

• آزمایشگاه - طبقه بندی کننده باینری - ماتریس سردرگمی Lab - Binary Classifier - Confusion Matrix

• آزمایشگاه - طبقه بندی کننده باینری - ماتریس سردرگمی SKLearn Lab - Binary Classifier - SKLearn Confusion Matrix

• طبقه بندی باینری - تعریف متریک Binary Classifier - Metrics Definition

• طبقه بندی باینری - محاسبه متریک Binary Classifier - Metrics Calculation

• سوال - چرا مدل 1 نیست؟ Question - Why not Model 1?

• طبقه‌بندی‌کننده باینری - متریک‌های ناحیه زیر منحنی Binary Classifier - Area Under Curve Metrics

• آزمایشگاه - طبقه بندی کننده چند کلاسه Lab - Multiclass Classifier

• عملکرد مدل Model Performance

• ارزیابی عملکرد مدل Model Performance Evaluation

• چه معیاری مناسب است - بحث پرسش و پاسخ What metric is appropriate - Q&A Discussion

• AWS نمونه سوال شماره 5 AWS Sample Question #5

• پاسخ به سوال شماره 5 Answer to Question #5

بررسی اجمالی سرویس SageMaker SageMaker Service Overview

• منابع قابل دانلود Downloadable Resources

• AWS SageMaker چه تفاوتی با سایر فریم ورک‌های ML دارد؟ How is AWS SageMaker different from other ML frameworks?

• معرفی SageMaker Introduction to SageMaker

• نوع نمونه و قیمت گذاری Instance Type and Pricing

• در استفاده از SageMaker صرفه جویی کنید Save Money on SageMaker Usage

• DataFormat DataFormat

• الگوریتم های داخلی SageMaker SageMaker Built-in Algorithms

• چارچوب های محبوب و الگوریتم خود را بیاورید Popular Frameworks and Bring Your Own Algorithm

• زیرساخت، قیمت گذاری، پشتیبانی - بررسی Infrastructure, Pricing, Support - Review

• AWS نمونه سوال شماره 1 AWS Sample Question #1

• پاسخ برای نمونه سوال شماره 1 Answer for Sample Question #1

• نمونه سوال AWS شماره 10 AWS Sample Question #10

• پاسخ نمونه سوال شماره 10 Answer for Sample Question #10

• یک دانشمند داده در بازی چه می کند؟ نوشته کارلی تیلور What does a data scientist in gaming do? By Carly Taylor

سرویس SageMaker و تغییرات SDK SageMaker Service and SDK Changes

• مروری بر تغییرات اخیر Overview of recent changes

• آموزش مدل با استفاده از کنسول Model Training using Console

• آموزش مدل با استفاده از Python SDK Model Training using Python SDK

• آموزش افزایشی Incremental Training

• آزمایشگاه - کنسول SageMaker را برای Training Job مرور کنید Lab - Review the SageMaker console for Training Job

• آموزش SageMaker SageMaker Training

XGBoost - درختان افزایش یافته با گرادیان XGBoost - Gradient Boosted Trees

• منابع قابل دانلود Downloadable Resources

• مقدمه ای بر XGBoost Introduction to XGBoost

• آزمایشگاه - تهیه داده رگرسیون ساده Lab - Data Preparation Simple Regression

• آزمایشگاه - آموزش رگرسیون ساده Lab - Training Simple Regression

• آزمایشگاه - آماده سازی داده ها مجموعه داده های غیر خطی Lab - Data Preparation Non-linear Data set

• آزمایشگاه - مجموعه داده های غیر خطی آموزشی Lab - Training Non-linear Data set

• ورزش - بهبود کیفیت پیش بینی ها Exercise - Improving quality of predictions

• آزمایشگاه - رگرسیون اجاره دوچرخه آماده سازی داده Lab - Data Preparation Bike Rental Regression

• آزمایشگاه - مدل رگرسیون اجاره دوچرخه قطار Lab - Train Bike Rental Regression Model

• آزمایشگاه - با استفاده از Log of Count آموزش دهید Lab - Train using Log of Count

• خطای ResourceLimitExceeded - نحوه افزایش محدودیت منابع ResourceLimitExceeded Error - How to Increase Resource Limit

• آزمایشگاه - نحوه آموزش با استفاده از الگوریتم XGBoost داخلی SageMaker Lab - How to train using SageMaker's built-in XGBoost Algorithm

• پرسش و پاسخ: SageMaker داخلی چگونه متغیر هدف را می شناسد؟ Q&A: How does SageMaker built-in know the target variable?

• آزمایشگاه - نحوه اجرای پیش‌بینی‌ها در برابر یک نقطه پایانی SageMaker موجود Lab - How to run predictions against an existing SageMaker Endpoint

• پرسش و پاسخ - مقادیر پیش بینی شده XGBoost در SageMaker به طور مداوم محدود نمی شوند Q&A - XGBoost on SageMaker predicted values are not delimited consistently

• ویژگی های SageMaker Endpoint SageMaker Endpoint Features

• SageMaker Spot Instances - تا 90٪ برای مشاغل آموزشی صرفه جویی کنید SageMaker Spot Instances - Save up to 90% for training jobs

• آزمایشگاه - طبقه بندی چند کلاسه Lab - Multi-class Classification

• آزمایشگاه - طبقه بندی باینری Lab - Binary Classification

• ورزش - بهبود کیفیت داده در مجموعه داده دیابت Exercise - Improve Data Quality in Diabetes dataset

• سوال در مورد بهبود کیفیت داده های دیابت Question on Diabetes Data Quality Improvement

• سوال در مورد مدل دیابت - آیا میانگین گروه در هدف رویکرد درستی است؟ Question on Diabetes model - is group mean on target the right approach?

• نشت داده ها Data Leakage

• تنظیم HyperParameter، Bias-Variance، Regularization (L1, L2) HyperParameter Tuning, Bias-Variance, Regularization (L1, L2)

• تمرین - طبقه بندی قارچ Exercise - Mushroom Classification

• امتحان - XGBoost Quiz - XGBoost

• کم تناسب، بیش از حد Underfitting, Overfitting

• AWS نمونه سوال شماره 8 AWS Sample Question #8

• به نمونه سوال شماره 8 AWS پاسخ دهید Answer to AWS Sample Question #8

مدل پایانی را از مشتریان خارجی فراخوانی کنید Invoke Model Endpoint from External Clients

• SageMaker SDK، GIT Client، Source Code، Security Permissions را نصب کنید Install SageMaker SDK, GIT Client, Source Code, Security Permissions

• کاربران IAM برای آزمایشگاه IAM users for the lab

• بررسی اجمالی یکپارچه سازی Integration Overview

• آزمایشگاه - Client to Endpoint با استفاده از SageMaker SDK Lab - Client to Endpoint using SageMaker SDK

• آزمایشگاه - Client to Endpoint با استفاده از Boto3 SDK Lab - Client to Endpoint using Boto3 SDK

• Microservice - Lambda to Endpoint - Payload Microservice - Lambda to Endpoint - Payload

• تغییرات رابط کاربری Lambda Lambda UI Changes

• آزمایشگاه - میکروسرویس - Lambda to Endpoint Lab - Microservice - Lambda to Endpoint

• API Gateway - تغییرات UI API Gateway - UI Changes

• آزمایشگاه - API Gateway، Lambda، Endpoint Lab - API Gateway, Lambda, Endpoint

نقطه پایانی با زمان توقف صفر تغییر می کند Endpoint Changes with Zero Downtime

• منابع قابل دانلود Downloadable Resources

• [تکرار] ویژگی‌های نقطه پایانی، نظارت و مقیاس خودکار [Repeat] Endpoint Features, Monitoring and AutoScaling

• چگونه تغییرات در سیستم تولید را مدیریت کنیم؟ How to handle changes to production system?

• آزمایشگاه - آزمایش انواع مختلف تولید A/B Lab - A/B Testing Multiple Production Variants

• آزمایشگاه - نقطه پایانی چند مدل Lab – Multi-model Endpoint

• مدل ها را در لبه اجرا کنید Run Models at the Edge

• نقاط پایانی Endpoints

روندهای نوظهور هوش مصنوعی و مسائل اجتماعی Emerging AI Trends and Social Issues

• منابع قابل دانلود Downloadable Resources

• آیا هوش مصنوعی مغرضانه است؟ Is AI Biased?

• ابزارهایی برای تشخیص سوگیری - شفاف سازی، آزمایش ها، مانیتور مدل، هوش مصنوعی تقویت شده Tools to Detect Bias - Clarify, Experiments, Model Monitor, Augmented AI

• و چند ابزار دیگر And Some More Tools

• روندهای نوظهور هوش مصنوعی و مسائل اجتماعی Emerging AI Trends and Social Issues

امنیت ابری و مدیریت دسترسی Cloud Security and Access Management

• معرفی Introduction

• مدل مسئولیت مشترک، انطباق، تفویض اختیار، فدراسیون Shared Responsibility Model, Compliance, Delegation, Federation

• اعتبارنامه، وزارت امور خارجه، سیاست مبتنی بر هویت، سیاست مبتنی بر منابع Credentials, MFA, Identity-based, Resources-based Policy

• خط مشی درون خطی و مدیریت شده، کنوانسیون نامگذاری منابع آمازون (ARN). Inline and Managed Policy, Amazon Resource Naming (ARN) Convention

• اصل، اثر، عمل، منبع، نه بند Principal, Effect, Action, Resource, Not Clause

• دسترسی مشروط، رد ضمنی، مجاز و رد صریح، مرز مجوز Conditional Access, Implicit Deny, Explicit Allow and Deny, Permission Boundary

• نقش‌های IAM، گزینه‌های دسترسی بین حساب‌ها IAM Roles, Cross-account access options

• فدراسیون، SSO، SAML، Active Directory، سازمان‌های AWS، Cognito Federation, SSO, SAML, Active Directory, AWS Organizations, Cognito

• آزمایشگاه - سیاست مبتنی بر هویت، انکار ضمنی، اجازه صریح Lab - Identity-based policy, Implicit Deny, Explicit Allow

• آزمایشگاه - مولد خط مشی، سیاست مدیریت شده، نسخه ها، گروه ها Lab - Policy Generator, Managed Policy, Versions, Groups

• آزمایشگاه - خط مشی مبتنی بر منابع، مولد سیاست، اصول Lab - Resource-based policy, Policy Generator, Principals

• امنیت ابری Cloud Security

تجزیه و تحلیل اجزای اصلی (PCA) Principal Component Analysis (PCA)

• عادی سازی و استانداردسازی Normalization and Standardization

• منابع قابل دانلود Downloadable Resources

• مقدمه ای بر تجزیه و تحلیل اجزای اصلی (PCA) Introduction to Principal Component Analysis (PCA)

• بررسی اجمالی نسخه ی نمایشی PCA PCA Demo Overview

• نسخه ی نمایشی - PCA با مجموعه داده های تصادفی Demo - PCA with Random Dataset

• نسخه ی نمایشی - PCA با مجموعه داده های مرتبط Demo - PCA with Correlated Dataset

• منابع پاکسازی در SageMaker Cleanup Resources on SageMaker

• نسخه ی نمایشی - PCA با Kaggle Bike Sharing - بررسی اجمالی و عادی سازی Demo - PCA with Kaggle Bike Sharing - Overview and Normalization

• نسخه ی نمایشی - حالت محلی PCA با قطار دوچرخه Kaggle Demo - PCA Local Mode with Kaggle Bike Train

• دمو - آموزش PCA با SageMaker Demo - PCA training with SageMaker

• نسخه ی نمایشی - PCA Projection با SageMaker Demo - PCA Projection with SageMaker

• تمرین: Kaggle Bike Train و PCA Exercise : Kaggle Bike Train and PCA

• خلاصه Summary

سیستم های توصیه کننده - ماشین های فاکتورسازی Recommender Systems - Factorization Machines

• سیستم توصیه کننده Recommender System

• منابع قابل دانلود Downloadable Resources

• مقدمه ای بر ماشین های فاکتورسازی Introduction to Factorization Machines

• مجموعه داده MovieLens MovieLens Dataset

• نسخه ی نمایشی - آماده سازی داده های توصیه کننده فیلم Demo - Movie Recommender Data Preparation

• دمو - آموزش مدل پیشنهاد دهنده فیلم Demo - Movie Recommender Model Training

• نسخه ی نمایشی - پیش بینی فیلم توسط کاربر Demo - Movie Predictions By User

بهینه سازی مدل و تنظیم HyperParameter Model Optimization and HyperParameter Tuning

• منابع قابل دانلود Downloadable Resources

• مقدمه ای بر تنظیم Hyperparameter Introduction to Hyperparameter Tuning

• آزمایشگاه: سیستم توصیه‌کننده ماشین فاکتورسازی رتبه‌بندی فیلم تنظیم Lab: Tuning Movie Rating Factorization Machine Recommender System

• آزمایشگاه: مرحله 2 تنظیم سیستم توصیه‌کننده رتبه‌بندی فیلم Lab: Step 2 Tuning Movie Rating Recommender System

• HyperParameter، Bias-Variance، Regularization (L1, L2) [تکرار از XGBoost] HyperParameter, Bias-Variance, Regularization (L1, L2) [Repeat from XGBoost]

• مهره ها و پیچ های بهینه سازی Nuts and Bolts of Optimization

• بهینه سازی مدل Model Optimization

• بهینه سازی مدل - سوال مرتبط Model Optimization - related question

پیش بینی سری های زمانی - DeepAR Time Series Forecasting - DeepAR

• منابع قابل دانلود Downloadable Resources

• مقدمه ای بر پیش بینی سری های زمانی DeepAR Introduction to DeepAR Time Series Forecasting

• DeepAR Training and Inference Formats DeepAR Training and Inference Formats

• کار با داده های سری زمانی، مدیریت مقادیر از دست رفته Working with Time Series Data, Handling Missing Values

• نسخه ی نمایشی - اجاره دوچرخه به عنوان مشکل پیش بینی سری زمانی Demo - Bike Rental as Time Series Forecasting Problem

• دمو - آموزش مدل اجاره دوچرخه Demo - Bike Rental Model Training

• نسخه ی نمایشی - پیش بینی اجاره دوچرخه Demo - Bike Rental Prediction

• نسخه ی نمایشی - دسته بندی های DeepAR Demo - DeepAR Categories

• نسخه ی نمایشی - DeepAR Dynamic Features آماده سازی داده ها Demo - DeepAR Dynamic Features Data Preparation

• نسخه ی نمایشی - آموزش و پیش بینی ویژگی های دینامیک DeepAR Demo - DeepAR Dynamic Features Training and Prediction

• خلاصه Summary

• سوال: چگونه با استفاده از DeepAR یک مدل برای محصولات مختلف آموزش دهیم؟ Question: How to train a model for different products using DeepAR?

تشخیص ناهنجاری - جنگل برش تصادفی Anomaly Detection - Random Cut Forest

• منابع قابل دانلود Downloadable Resources

• مقدمه ای بر جنگل برش تصادفی و شهود پشت تشخیص ناهنجاری Introduction to Random Cut Forest and Intuition Behind Anomaly Detection

• آزمایشگاه - تجزیه و تحلیل ترافیک مسافران تاکسی (نمونه ارائه شده AWS) Lab - Taxi Passenger Traffic Analysis (AWS Provided Example)

• آزمایشگاه - تجزیه و تحلیل فروش خودرو Lab - Auto Sales Analysis

خدمات هوش مصنوعی (AI) Artificial Intelligence (AI) Services

• منابع قابل دانلود Downloadable Resources

• دستورالعمل آزمایشگاه Lab Instructions

• 1. معرفی 1. Introduction

• 2.1 آمازون رونویسی و آزمایشگاه 2.1 Amazon Transcribe and Lab

• 2.2 رونویسی و آزمایشگاه آمازون 2.2 Amazon Transcribe and Lab

• 3. ترجمه آمازون 3. Amazon Translate

• ترجمه - سناریوی عملی Translate - Practical Scenario

• 4.1 آمازون درک 4.1 Amazon Comprehend

• قیمت گذاری درک Pricing Comprehend

• 4.2 آمازون درک 4.2 Amazon Comprehend

• 4.3 آموزش آمازون Comprehend 4.3 Amazon Comprehend training

• 5. آمازون پولی 5. Amazon Polly

• 6. آمازون لکس 6. Amazon Lex

• 7. آمازون شناخت 7. Amazon Rekognition

• 8. متن و خلاصه آمازون 8. Amazon Textract & Summary

• آزمون خدمات هوش مصنوعی AI Services Quiz

S3 Data Lake Architecture - Data Consolidation S3 Data Lake Architecture - Data Consolidation

• منابع قابل دانلود Downloadable Resources

• دستورالعمل آزمایشگاه Lab Instructions

• مقدمه ای بر دریاچه داده Introduction to Data Lake

• Kinesis - جریان و پردازش دسته ای Kinesis - Streaming and Batch Processing

• قالب‌های داده و ابزارهای تبدیل فرمت داده Data Formats and Tools for Data Format Conversion

• تجزیه و تحلیل در محل و نمونه کارها از ابزار In-Place Analytics and Portfolio of Tools

• نظارت و بهینه سازی Monitoring and Optimization

• امنیت و حفاظت Security and Protection

• مسابقه - دریاچه داده Quiz - Data Lake

• دستورالعمل های آزمایشگاه - کاتالوگ داده های چسب Lab Instructions - Glue Data Catalog

• آزمایشگاه – کاتالوگ داده های چسب Lab – Glue Data Catalog

• دستورالعمل های آزمایشگاه - پرس و جو در محل آتنا Lab Instructions – Athena In-place Querying

• آزمایشگاه - پرس و جو با آتنا Lab - Query with Athena

• Lab - Glue ETL - تبدیل فرمت به پارکت Lab - Glue ETL - Convert format to Parquet

• آزمایشگاه - نظرات مشتریان آمازون را با آتنا پرس و جو کنید Lab - Query Amazon Customer Reviews with Athena

• آزمایشگاه - احساس بررسی مشتری Lab – Sentiment of the Customer Review

• آزمایشگاه - پرس و جو احساسات نظرات مشتریان با استفاده از آتنا Lab - Query Sentiment of Customer Reviews using Athena

• تغییرات رابط کاربری Lambda Lambda UI Changes

• آزمایشگاه – راه حل بررسی مشتری بدون سرور قسمت 1 Lab – Serverless Customer Review Solution Part 1

• آزمایشگاه – راه حل بررسی مشتری بدون سرور قسمت 2 Lab – Serverless Customer Review Solution Part 2

• AWS نمونه سوال شماره 3 AWS Sample Question #3

• پاسخ به نمونه سوال شماره 3 Answer to Sample Question #3

یادگیری عمیق و شبکه های عصبی Deep Learning and Neural Networks

• ReadMe و منابع قابل دانلود ReadMe and Downloadable Resources

• رگرسیون - دسته نزولی گرادیان، دسته کوچک، تصادفی، ضرر، RMSProp، آدام Regression - Gradient Descent Batch, Mini-Batch, Stochastic, Loss, RMSProp, Adam

• طبقه بندی - نزول گرادیان، تابع از دست دادن Classification - Gradient Descent, Loss Function

• شبکه های عصبی و یادگیری عمیق Neural Networks and Deep Learning

• ترمیم چهره در دنیای واقعی Real World Face Restoration

• آزمایشگاه - رگرسیون با شبکه عصبی SKLearn Lab - Regression with SKLearn Neural Network

• آزمایشگاه - رگرسیون با Keras و TensorFlow Lab - Regression with Keras and TensorFlow

• داده های ریزش مشتری Customer Churn Data

• آزمایشگاه - طبقه بندی باینری - قسمت 1- پیش بینی ریزش مشتری Lab - Binary Classification - Part 1- Customer Churn Prediction

• آزمایشگاه - طبقه بندی باینری - قسمت 2 - پیش بینی ریزش مشتری Lab - Binary Classification - Part 2 - Customer Churn Prediction

• آزمایشگاه - طبقه بندی چند کلاسه - زنبق Lab - Multiclass Classification - Iris

• یادگیری انتقالی Transfer Learning

• بهینه سازی برای پردازنده های گرافیکی Optimizing for GPUs

• طبقه بندی چند برچسبی چند کلاسه Multi-Class Multi-Label Classification

• مهره و پیچ بهینه سازی [تکرار] Nuts and Bolts of Optimization [Repeat]

• آزمون - شبکه عصبی و تنظیم مدل Quiz - Neural Network and Model Tuning

• AWS نمونه سوال شماره 4 AWS Sample Question #4

• پاسخ به نمونه سوال شماره 4 Answer to Sample Question #4

• AWS نمونه سوال شماره 6 AWS Sample Question #6

• پاسخ به نمونه سوال شماره 6 Answer to Sample Question #6

• AWS نمونه سوال شماره 7 AWS Sample Question #7

• پاسخ به نمونه سوال شماره 7 Answer to Sample Question #7

• MIT - مقدمه ای بر یادگیری عمیق MIT - Introduction to Deep Learning

• شبکه عصبی کانولوشنال (CNN) Convolutional Neural Network (CNN)

• شبکه های عصبی مکرر (RNN)، LSTM Recurrent Neural Networks (RNN), LSTM

• شبکه های متخاصم مولد (GAN) Generative Adversarial Networks (GANs)

الگوریتم خود را بیاورید Bring Your Own Algorithm

• نحوه استفاده از TensorFlow، Pytorch، SKLearn در SageMaker How to use TensorFlow, Pytorch, SKLearn in SageMaker

• منابع قابل دانلود Downloadable Resources

• مقدمه و نحوه عملکرد الگوریتم های داخلی Introduction and How built-in algorithms work

• تصویر سفارشی و چارچوب محبوب Custom Image and Popular Framework

• ساختار پوشه و متغیرهای محیطی Folder Structure and Environment Variables

• آزمایشگاه - SKLearn Estimator Bring Your Own Part 1 Lab - SKLearn Estimator Bring Your Own Part 1

• آزمایشگاه - SKLearn Estimator Bring Your Own Part 2 Lab - SKLearn Estimator Bring Your Own Part 2

• آزمایشگاه - برآوردگر TensorFlow خودتان را بیاورید Lab - TensorFlow Estimator Bring Your Own

فضای ذخیره سازی برای سرورها Storage for Servers

• منابع قابل دانلود Downloadable Resources

• مقدمه ای بر ذخیره سازی Introduction to Storage

• فروشگاه بلوک الاستیک (EBS) Elastic Block Store (EBS)

• سیستم فایل الاستیک، FSx برای ویندوز، FSx برای Luster Elastic File System, FSx for Windows, FSx for Lustre

• رمزگذاری فروشگاه بلوک الاستیک (EBS). Elastic Block Store (EBS) Encryption

AWS - طرح‌ها و بازخورد پشتیبانی AWS - Support Plans and Feedback

• بازخورد بهبود محصول AWS AWS Product Improvement Feedback

• چگونه برای پشتیبانی تولید با AWS تماس بگیریم؟ How to contact AWS for Production Support?

پایگاه های داده در AWS Databases on AWS

• منابع قابل دانلود Downloadable Resources

• پایگاه های داده AWS - مقدمه، مزایا و انواع AWS Databases - Introduction, Benefits, and Types

• خدمات پایگاه داده رابطه ای (RDS) - ویژگی ها و مزایا Relational Database Service (RDS) - Features and Benefits

• پایگاه داده ارتباطی بدون سرور Aurora و Aurora Aurora and Aurora Serverless Relational Database

• DynamoDB - کلید اصلی، پارتیشن ها و ویژگی ها DynamoDB - Primary Key, Partitions, and Features

• کاساندرا و DocumentDB Cassandra and DocumentDB

• Amazon ElastiCache - مثال استفاده، ویژگی ها Amazon ElastiCache - Usage Example, Features

• آمازون Redshift Amazon Redshift

استفاده در محل و سایر فناوری‌ها On-Premises usage and other technologies

• سرویس بوم SageMaker – بدون کد ML SageMaker Canvas Service – No Code ML

• استفاده در محل و سایر فناوری ها On-Premises Usage and other technologies

• آزمون - در محل و ادغام Quiz - On-premises and integration

آزمون تمرین - تخصص یادگیری ماشین دارای گواهی AWS Practice Exam - AWS Certified Machine Learning Specialty

• آزمون گواهینامه AWS - سه دلیل برتر برای اینکه چرا باید به مرکز تست بروید AWS Certification Exam - TOP THREE Reasons Why You Should go to a Test Center

• بخش هایی برای بررسی Sections to Review

• تست تمرین - تخصص یادگیری ماشین دارای گواهی AWS Practice Test - AWS Certified Machine Learning Specialty

• آمادگی آزمون AWS AWS Exam Readiness

سایر منابع Other Resources

• نحوه دسترسی به کوپن های تخفیف How to Access Discount Vouchers

• تبریک می گویم! Congratulations!