دسترسی سریع:

مسیر:

صفحه اصلی

✅ امکان تهیه دوره‌ها فراهم است.
راه ارتباطی در تلگرام ، بله و ایتا 09303953766

لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در کانال تلگرام عضو شوید.

آموزش اتوماسیون وظایف علوم داده با هوش مصنوعی مولد (Generative AI) - آخرین آپدیت

دانلود Automating Data Science Tasks with Generative AI

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.

نمونه ویدیوها: (صرفا برای مشاهده نمونه ویدیو، ممکن هست نیاز به شکن داشته باشید.)

توضیحات دوره: وظایف تکراری و چندمرحله‌ای بخشی جدانشدنی از دنیای واقعی علوم داده هستند. پاک‌سازی مجموعه‌داده‌ها، تولید خلاصه‌های اکتشافی، تنظیم مدل‌ها و اتصال نتایج می‌تواند زمان ارزشمندی را حتی برای متخصصان باتجربه بگیرد. هوش مصنوعی مولد (Generative AI) راهکاری عملی برای اتوماسیون بخش زیادی از این تلاش‌ها ارائه می‌دهد، به شرطی که متفکرانه و با چارچوب‌های مشخص به کار گرفته شود. در این دوره، «اتوماسیون وظایف علوم داده با هوش مصنوعی مولد»، شما توانایی استفاده از AI مولد به همراه پایتون را برای بهینه‌سازی و سازماندهی گردش‌کارهای رایج علوم داده به دست خواهید آورد. در ابتدا، یاد می‌گیرید که چگونه با زنجیره کردن پرامپت‌ها (Prompt Chaining)، وظایف تکراری و چندمرحله‌ای مانند پاک‌سازی داده‌ها، اعتبارسنجی و تحلیل اکتشافی داده‌ها (EDA) را خودکار کنید. خواهید دید که چگونه هوش مصنوعی می‌تواند کدهای مبتنی بر pandas را برای پاک‌سازی داده‌های نامنظم، خلاصه کردن آمارهای کلیدی و شناسایی مشکلات کیفیت داده‌ها تولید کند، در حالی که کنترل کامل فرآیند در دست شماست. سپس، کشف خواهید کرد که هوش مصنوعی چگونه می‌تواند از گردش‌کارهای مدل‌سازی پشتیبانی کند. این شامل تولید خط لوله‌های پایه (Baseline Pipelines)، کمک به تنظیم هایپرپارامترها و اعتبارسنجی متقاطع (Cross-Validation) و خلاصه‌سازی عملکرد مدل است. همچنین بررسی می‌کنید که AI چگونه می‌تواند الگوهای رایج AutoML را با استفاده از کتابخانه‌هایی مانند Auto-sklearn یا PyCaret پیاده‌سازی کند، بدون اینکه نیاز به تخصص عمیق در هر جزئیات پیکربندی باشد. در نهایت، یاد می‌گیرید که عامل‌های هوش مصنوعی (AI Agents) چگونه استراتژی‌های اتوماسیون پیشرفته‌تری را ممکن می‌سازند. شما تفاوت یک عامل AI را با یک پرامپت ساده تعریف کرده و بررسی می‌کنید که چگونه فریم‌ورک‌هایی مانند LangChain و CrewAI، هوش مصنوعی مولد را به APIها، پایگاه‌های داده و نوت‌بوک‌ها متصل می‌کنند تا گردش‌کارهای سرتاسری (End-to-End) را خودکار کنند. به همان اندازه مهم است که ارزیابی کنید چه زمانی رویکردهای مبتنی بر عامل منطقی هستند و چه زمانی اتوماسیون ساده‌تر، انتخاب بهتری است. پس از پایان این دوره، شما مهارت‌ها و دانش لازم در زمینه اتوماسیون مبتنی بر AI مولد را خواهید داشت تا وظایف تکراری علوم داده را بهینه کنید، گردش‌کارهای چندمرحله‌ای را به هم متصل کنید، در تنظیم مدل‌ها و خط لوله‌های AutoML کمک بگیرید و راهکارهای عملی مبتنی بر عامل را برای پروژه‌های خود طراحی کنید.

سرفصل ها و درس ها

شروع کار با علوم داده و هوش مصنوعی Getting Started with Data Science and AI

چرا هوش مصنوعی مولد برای وظایف داده‌ای مفید است Why Generative AI Is Useful for Data Tasks
دمو: پاک‌سازی داده‌ها به کمک هوش مصنوعی Demo: AI-assisted Data Cleaning
زنجیره کردن وظایف تحلیل اکتشافی داده‌ها (EDA) Chaining EDA Tasks

اتوماسیون مدل‌سازی و گردش‌کارهای تنظیم مدل با AI Automating Modeling and Tuning Workflows with AI

راه‌اندازی و تنظیم مدل با کمک هوش مصنوعی AI-assisted Model Setup and Tuning
استفاده از الگوهای AutoML Using AutoML Patterns

استفاده از عامل‌های هوش مصنوعی برای اتوماسیون سرتاسری داده‌ها Using AI Agents for End-to-end Data Automation

عامل‌های هوش مصنوعی چیستند و چرا اهمیت دارند What AI Agents Are and Why They Matter
اتصال هوش مصنوعی به ابزارها و گردش‌کارها Connecting AI to Tools and Workflows
انتخاب سطح مناسب اتوماسیون Choosing the Right Level of Automation

برای ارسال نظر ثبت نام کنید.

نمایش نظرات

آموزش اتوماسیون وظایف علوم داده با هوش مصنوعی مولد (Generative AI)

جزییات دوره

زمان دوره: 28m

تعداد ویدیو ها: 8

شرکت: Pluralsight (پلورال سایت)

تاریخ انتشار مرجع: (آخرین آپدیت)

بازدید مرجع : 1

امتیاز مرجع: از 5

فایل تمرین: دارد

زیرنویس زبان اصلی: دارد

زیرنویس فارسی: (توسط هوش مصنوعی) دارد

مدرس: Anthony Alampi

لینک کوتاه این دوره

https://donyad.com/d/c40d2d

جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

نرم افزارهای مورد نیاز

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Anthony Alampi

من آنتونی آلامپی هستم ، یک طراح و توسعه دهنده تعاملی ساکن آستین ، تگزاس. من یک توسعه دهنده حرفه ای بازی های ویدیویی و صاحب فعلی شرکت طراحی وب با بیش از 15 سال تجربه برنامه نویسی و بیش از 7 سال تجربه طراحی هستم. طراحی کاربر محور علاقه من است و معتقدم وقتی کاربران در اولویت قرار می گیرند ، دوباره برمی گردند! نمونه کارهای شخصی من را می توانید در این آدرس مشاهده کنید: https://www.anthonyalampi.com/درباره شرکت من: مشاوران X Factor یک شرکت طراحی دیجیتال است که در Round Rock ، تگزاس مستقر است. ما در ایجاد وب سایت های تمیز ، کاربر پسند و آرم های چشم نواز ، رسانه های دیجیتال و سایر مواد بازاریابی برای طیف گسترده ای از صنایع تخصص داریم. ما همچنین خدمات اصلی نوشتن محتوای UX دوستانه را برای رسانه های تعاملی و همچنین پشتیبانی وب مستر پس از راه اندازی مشتری آنلاین خود را ارائه می دهیم. درباره کارهایی که X Factor می تواند برای سازمان شما انجام دهد بیشتر بدانید: https://www.xfactorconsultants.com/

آموزش اتوماسیون وظایف علوم داده با هوش مصنوعی مولد (Generative AI) - آخرین آپدیت

دانلود Automating Data Science Tasks with Generative AI

شروع کار با علوم داده و هوش مصنوعی Getting Started with Data Science and AI

چرا هوش مصنوعی مولد برای وظایف داده‌ای مفید است Why Generative AI Is Useful for Data Tasks

دمو: پاک‌سازی داده‌ها به کمک هوش مصنوعی Demo: AI-assisted Data Cleaning

زنجیره کردن وظایف تحلیل اکتشافی داده‌ها (EDA) Chaining EDA Tasks

اتوماسیون مدل‌سازی و گردش‌کارهای تنظیم مدل با AI Automating Modeling and Tuning Workflows with AI

راه‌اندازی و تنظیم مدل با کمک هوش مصنوعی AI-assisted Model Setup and Tuning

استفاده از الگوهای AutoML Using AutoML Patterns

استفاده از عامل‌های هوش مصنوعی برای اتوماسیون سرتاسری داده‌ها Using AI Agents for End-to-end Data Automation

عامل‌های هوش مصنوعی چیستند و چرا اهمیت دارند What AI Agents Are and Why They Matter

اتصال هوش مصنوعی به ابزارها و گردش‌کارها Connecting AI to Tools and Workflows

انتخاب سطح مناسب اتوماسیون Choosing the Right Level of Automation

نمایش نظرات

https://donyad.com/d/c40d2d