آموزش مقدمه ای بر تست مدل های یادگیری ماشین (AI).

دانلود Introduction to Machine Learning Models (AI) Testing

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره: از ابتدا، انواع تست و استراتژی‌های مربوط به تمام مراحل مدل‌های ML (AI) را با مثال‌های زمان واقعی بیاموزید مقدمه‌ای بر هوش مصنوعی و مدل‌های یادگیری ماشینی درک چرخه زندگی مدل‌های یادگیری ماشین و آزمایش آن‌ها تست تغییر دامنه به چپ در فاز مهندسی ML مانند OverFitting & UnderFitting Testing QA Functional Testing در مرحله اعتبار سنجی ML با 25 نوع آزمایش مختلف و استراتژی محدوده آزمایش API برای مدل های یادگیری ماشین با نمونه مدل ChatGPT تست هوش مصنوعی مسئول برای مدل های یادگیری ماشین مانند تعصب، انصاف، اخلاقی، تست حریم خصوصی و غیره استراتژی‌های تست پس از استقرار برای مدل‌های ML مانند DataDrift و تست دریفت مفهومی فعالیت‌های پیگیری و نظارت مستمر برای QA در تولید پیش نیازها:هیچ. تمام مفاهیم با توضیحات Scratch مراقبت شده است

این دوره شما را با دنیای تست مدل های یادگیری ماشین آشنا می کند.

از آنجایی که هوش مصنوعی به انقلابی کردن صنایع ادامه می‌دهد، بسیاری از شرکت‌ها در حال توسعه مدل‌های ML خود برای بهبود عملیات تجاری خود هستند. با این حال، آزمایش این مدل ها چالش های منحصر به فردی را ارائه می دهد که با تست نرم افزار سنتی متفاوت است. آزمایش مدل یادگیری ماشین نیاز به درک عمیق‌تری از کیفیت داده‌ها و رفتار مدل و همچنین الگوریتم‌هایی دارد که آنها را تقویت می‌کند.

این دوره با توضیح مبانی مفاهیم یادگیری ماشینی هوش مصنوعی شروع می‌شود و به آزمایش مفاهیم استراتژی‌های مدل‌های یادگیری ماشین با مثال‌های زمان واقعی می‌پردازد.

سطح بالای دستور کار آموزش در زیر آمده است:


  • مقدمه ای بر هوش مصنوعی

  • نمای کلی مدل‌های یادگیری ماشین و چرخه حیات آنها

  • آزمایش Shift-Left در فاز مهندسی ML

  • آزمایش عملکردی QA در مرحله اعتبار سنجی ML

  • محدوده آزمایش API برای مدل‌های یادگیری ماشین

  • تست مسئول هوش مصنوعی برای مدل‌های ML

  • استراتژی‌های تست پس از استقرار برای مدل‌های ML

  • فعالیت‌های ردیابی و نظارت مستمر برای QA در تولید

در پایان این دوره،
در آزمایش مدل‌های یادگیری ماشین در هر مرحله از چرخه عمر آن‌ها تخصص کسب خواهید کرد.

لطفاً توجه داشته باشید:
این دوره انواع تست‌های تخصصی و روش‌های منحصر به فرد تست یادگیری ماشین را با مثال‌هایی در دنیای واقعی نشان می‌دهد.

هیچ زبان برنامه نویسی یا کد خاصی در این آموزش وجود ندارد.



سرفصل ها و درس ها

شروع با اصول اولیه تست یادگیری ماشین Getting Started with Machine Learning Testing basics

  • مقدمه و دستور کار آموزش Introduction and Agenda of the tutorial

  • مقدمه ای بر سیستم های هوش مصنوعی با مثال Introduction to Artificial Intelligence Systems with examples

  • یادگیری ماشینی چیست و چگونه با خانواده هوش مصنوعی مرتبط است What is Machine Learning and how it is related to Artificial Intelligence family

  • نمونه هایی از مدل های متداول یادگیری ماشین و کاربرد آنها Examples of commonly used Machine Learning Models and their usage

  • دانلود مواد Material download

استراتژی‌های تست اولیه در فاز مهندسی مدل ML (یادگیری تحت نظارت) Early Testing Strategies in ML Model Engineering phase (Supervised Learning)

  • مراحل چرخه زندگی مدل یادگیری ماشین را با حالت‌های آنلاین/آفلاین درک کنید Understand Machine Learning Model Life cycle stages with online/offline modes

  • نحوه عملکرد مدل های یادگیری ماشین به طور خلاصه - اصطلاحات استفاده شده را بیاموزید How Machine Learning models works in nutshell -Learn terminologies used

  • نحوه عملکرد OverFitting Testng & UnderFitting با مجموعه داده های Trained را بدانید Understand how OverFitting Testng & UnderFitting works with Trained data sets

  • پیش بینی قیمت خانه (مدل ML) نسخه نمایشی برای نشان دادن نحوه عملکرد داخلی الگوریتم ها Predicting House Prices (ML Model) Demo to show how internally Algorithms works

  • بازنگری در تست مدل یادگیری نظارت شده با Overfitting/UnderFitting سابق Revision on Supervised Learning Model Testing with Overfitting/UnderFitting ex

  • دانلود مواد Material download

  • بررسی دانش - بخش 2 Knowledge Check - Section-2

تست مدل های یادگیری بدون نظارت در فاز مهندسی Unsupervised Learning Models Testing in Engineering Phase

  • مقدمه ای بر یادگیری بدون نظارت در مدل های ML با مثال Introduction to Unsupervised Learning in the ML models with example

  • دامنه آزمایش در یادگیری بدون نظارت با الگوهای نقطه داده و امتیازات خوشه Testing scope on Unsupervised Learning with Data point patterns&Cluster scores

  • تجدید نظر در یادگیری بدون نظارت با تجزیه و تحلیل امتیاز خوشه ای Revision on Unsupervised Learning with cluster score analysis

  • دانلود مواد Material download

  • بررسی دانش - بخش 3 Knowledge Check - Section-3

یادگیری تقویتی و چارچوب ها و الگوهای رایج مورد استفاده در مدل های ML Reinforcement Learning & Commonly used Frameworks and Algos in ML Models

  • مقدمه ای بر یادگیری تقویتی در مدل ML همراه با مثال Introduction to Reinforcement Learning in ML Model with examples

  • الگوریتم‌ها و چارچوب‌هایی که معمولاً در توسعه مدل‌های ML استفاده می‌شوند Algorithms and Frameworks commonly used in developing ML Models

  • دانلود مواد Material download

  • بررسی دانش - بخش 4 Knowledge Check - Section-4

تست عملکردی برای مدل های یادگیری ماشین در مرحله ارزیابی Functional Testing for Machine Learning Models in Evaluation Phase

  • مجموعه‌های داده‌های دیده نشده اعتبارسنجی چیست و چرا لازم است What are Validation Unseen Data sets and why it is required

  • تست دما برای تنظیم دقیق پیش‌بینی‌های پاسخ از مدل‌های ML Temperature Testing to fine tune the response predictions from ML Models

  • تست اعلانات با تست صفر شات و زنجیره فکر Prompts Testing with Zero Shot & Chain of thought Prompts test

  • مرتبط بودن تست و آزمایش ادعاهای فانتزی در مدل‌های ML Relevance stary Testing & Fantasy claims testing on ML Models

  • تست تکرارپذیری و پرسیدن سوال در مراحل مختلف برای تست Repeatability Testing & Asking question in different phases to test

  • تست انتقال سبک و آزمایش تشخیص قصد در مدل‌های ML Style Transfer testing & Intent recognition testing on ML Models

  • تست Invariance & BiDirectional Testing برای مدل‌های AI چیست What is Invariance Testing & BiDirectional testing for AI Models

  • دانلود مواد Material download

  • بررسی دانش - بخش 5 Knowledge Check - Section-5

مقدمه ای بر تست API در مدل های یادگیری ماشینی Introduction to API Testing on Machine Learning Models

  • برای آزمایش ChatGPT APIهای ایجاد پاسخ، حساب OpenAI ایجاد کنید Create OpenAI Account to test ChatGPT API's of generating response

  • دانلود ابزار Postman برای راه اندازی محیط ChatGPT APIs برای آزمایش Download Postman tool to setup ChatGPT APIs environment for testing

  • پلاگین PostBot برای تولید اسکریپت های خودکار برای پاسخ های API در Postman PostBot plugin to generate automation scripts for API responses in Postman

تست هوش مصنوعی مسئول با مثال هایی در مورد مدل های یادگیری ماشینی (AI). Responsible AI Testing with examples on Machine Learning (AI) Models

  • اهمیت تست انصاف در پاسخ های ML برای بررسی سوگیری Importance of Fairness testing on ML responses to check bias

  • تست شفافیت و اینکه چرا باید در رقابت هوش مصنوعی پیشتاز باشیم Transparency testing and why it is necessary to stay ahead in AI competition

  • تست حریم خصوصی و امنیت داده ها در مدل های یادگیری ماشینی Data Privacy and Security testing on Machine Learning models

  • دانلود مواد Material download

  • بررسی دانش: بخش-7 Knowledge Check: Section-7

انواع تست های پس از استقرار با مثال هایی در مورد مدل های یادگیری ماشین Post Deployment Testing Types with examples on Machine Learning Models

  • اهمیت تست یکپارچه سازی و تاخیر در مدل های تولید ML Importance of Integration & Latency testing on Production ML models

  • اهمیت تست رانش داده و آزمایش رانش مفهومی در مدل‌های ML Importance of Data drift Testing & Concept Drift Testing in ML Models

  • Shadow Testing و A/B Testing برای تایید آخرین نسخه ML به prod Shadow Testing & A/B Testing to certify the latest version of ML into prod

  • دانلود مواد Material download

  • بررسی دانش: بخش-8 Knowledge Check: Section-8

کلمات پایانی - تاثیر مدل های یادگیری ماشین در فضای QA Final words - Impact of Machine Learning Models in QA Space

  • چگونه QA می تواند منابع مهمی برای چرخه زندگی مدل یادگیری ماشین باشد How QA's can be critical resources for Machine Learning Model Life cycle

  • سخنرانی پاداش Bonus Lecture

نمایش نظرات

Udemy (یودمی)

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.

آموزش مقدمه ای بر تست مدل های یادگیری ماشین (AI).
جزییات دوره
5 hours
39
Udemy (یودمی) Udemy (یودمی)
(آخرین آپدیت)
1,466
4.7 از 5
دارد
دارد
دارد
Rahul Shetty
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Rahul Shetty Rahul Shetty

معلم بیش از 650 هزار دانشجوی QA|بنیانگذار RahulShetty Academy