نکته:
آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
توضیحات دوره:
دوره آموزشی AWS ML SageMaker با تست تمرینی. به گروه مطالعه زنده پرسش و پاسخ بپیوندید! شما تجربه دست اولی در مورد نحوه آموزش، بهینه سازی، استقرار و ادغام ML در الگوریتم های داخلی AWS ابری AWS به دست خواهید آورد، قابلیت های هوش مصنوعی آماده برای استفاده خود را بیاورید راهنمای کاملی برای یادگیری ماشین گواهی شده AWS - تخصصی (MLS) -C01) شامل یک تست تمرینی با کیفیت بالا (تعداد زیادی از دوره ها هزینه جداگانه ای برای آزمون تمرینی دریافت می کنند) استقرار مدل بدون توقف نحوه ادغام و فراخوانی ML از برنامه خود تنظیم خودکار Hyperparameter پیش نیازها:آشنایی با حساب Python AWS - I مراحل راه اندازی یک دانش پایه Pandas، Numpy، Matplotlib را طی خواهد کرد، یک یادگیرنده فعال باشید و در صورت نیاز به کمک از تالار گفتگوی دوره استفاده کنید - لطفا موارد مورد نیاز را در بررسی دوره قرار ندهید
درباره الگوریتمهای یادگیری ماشین مبتنی بر ابر، نحوه ادغام با برنامههای کاربردی خود و آمادگی گواهینامه اطلاعات کسب کنید
به دوره تخصصی یادگیری ماشین AWS خوش آمدید!
در این دوره، از طریق آزمایشگاههای عملی که مفاهیم خاصی را نشان میدهند، تجربه عملی با AWS SageMaker کسب خواهید کرد. ما با تنظیم محیط SageMaker شما شروع خواهیم کرد. اگر در یادگیری ماشینی تازه کار هستید، نحوه مدیریت انواع داده های مختلط، داده های از دست رفته و چگونگی تأیید کیفیت مدل را خواهید آموخت. این موضوعات برای تمرینکنندگان یادگیری ماشین و آزمون صدور گواهینامه ضروری است.
SageMaker از کانتینرها برای بستهبندی الگوریتمها و چارچوبها مانند Pytorch و TensorFlow استفاده میکند. رویکرد مبتنی بر کانتینر یک رابط استاندارد برای ساخت و استقرار مدلهای شما فراهم میکند و تبدیل مدل شما به یک برنامه تولید آسان است. از طریق یک سری از آزمایشگاههای مختصر، اولین مدل SageMaker خود را آموزش، اجرا و فراخوانی خواهید کرد.
مثل هر پروژه نرم افزاری دیگری، راه حل یادگیری ماشینی نیز نیازمند بهبود مستمر است. ما به نحوه وارد کردن ایمن تغییرات جدید در یک سیستم تولید، انجام تست A/B و حتی بازگرداندن تغییرات در مواقع لزوم نگاه خواهیم کرد، همه اینها با عدم توقف برنامه شما.
ما همچنین در مورد روندهای اجتماعی در حال ظهور در عادلانه بودن یادگیری ماشین و سیستم های هوش مصنوعی بحث خواهیم کرد. اگر کاربران مدل شما را به تعصب نژادی یا جنسیتی متهم کنند، چه خواهید کرد؟ چگونه آن را اداره خواهید کرد؟ در این بخش، مفهوم انصاف، نحوه توضیح تصمیم اتخاذ شده توسط مدل، انواع مختلف سوگیری و نحوه اندازه گیری آنها را پوشش خواهیم داد.
ما همچنین امنیت ابر و نحوه محافظت از داده ها و مدل خود را در برابر استفاده غیرمجاز پوشش خواهیم داد. با سیستم های توصیه گر و نحوه ترکیب ویژگی هایی مانند توصیه های فیلم و محصول آشنا خواهید شد. الگوریتم هایی که در این دوره یاد می گیرید پیشرفته هستند و تنظیم آنها برای مجموعه داده شما می تواند چالش برانگیز باشد. ما نحوه تنظیم مدل خود را با ابزارهای خودکار بررسی خواهیم کرد و شما در زمینه پیشبینی سریهای زمانی، تشخیص ناهنجاری، و ساخت مدلهای یادگیری عمیق سفارشی تجربه کسب خواهید کرد.
با دانشی که در این دوره به دست میآورید، و شامل آزمون تمرینی با کیفیت بالا، به خوبی برای دستیابی به گواهینامه تخصصی AWS آماده خواهید شد. مشتاقانه منتظر دیدار شما و کمک به موفقیت شما در این دوره هستم. متشکرم!
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
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
یودمی یکی از بزرگترین پلتفرمهای آموزشی آنلاین است که به میلیونها کاربر در سراسر جهان امکان دسترسی به دورههای متنوع و کاربردی را فراهم میکند. این پلتفرم امکان آموزش در زمینههای مختلف از فناوری اطلاعات و برنامهنویسی گرفته تا زبانهای خارجی، مدیریت، و هنر را به کاربران ارائه میدهد. با استفاده از یودمی، کاربران میتوانند به صورت انعطافپذیر و بهینه، مهارتهای جدیدی را یاد بگیرند و خود را برای بازار کار آماده کنند.
یکی از ویژگیهای برجسته یودمی، کیفیت بالای دورهها و حضور استادان مجرب و با تجربه در هر حوزه است. این امر به کاربران اعتماد میدهد که در حال دریافت آموزش از منابع قابل اعتماد و معتبر هستند و میتوانند به بهترین شکل ممکن از آموزشها بهره ببرند. به طور خلاصه، یودمی به عنوان یکی از معتبرترین و موثرترین پلتفرمهای آموزشی آنلاین، به افراد امکان میدهد تا به راحتی و با کیفیت، مهارتهای مورد نیاز خود را ارتقا دهند و به دنبال رشد و پیشرفت شغلی خود باشند.