آموزش آمازون SageMaker

Learning Amazon SageMaker

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
توضیحات دوره: SageMaker راه حل آمازون برای توسعه دهندگانی است که می خواهند مدل های پیش بینی یادگیری ماشین را در یک محیط تولید به کار گیرند. برنامه نویسی در پایتون انجام می شود و نتایج به راحتی می توانند در برنامه های مبتنی بر ابر ادغام شوند. این درس ها کل روند کار آمازون SageMaker را بررسی می کند: تجزیه و تحلیل ، ساخت و استقرار نهایی. مربی مارتین کمکا مزایای Amazon SageMaker را معرفی کرده و رابط کاربری و مجموعه ابزارهای مبتنی بر مرورگر آن را مرور می کند. در فصل دوم ، وی نحوه وارد کردن ، تحقیق ، تجسم و خلاصه کردن داده های شما را نشان می دهد. مرحله بعدی استفاده از یک نمونه داده پاک برای آموزش مدل یادگیری ماشین برای انجام یک کار اساسی است. سرانجام ، مارتین نحوه استقرار مدل را نشان می دهد. تقریباً هر فصل با یک چالش به پایان می رسد که به شما امکان می دهد مهارت های جدید SageMaker خود را تمرین کنید.
موضوعات شامل:
  • مزایای SageMaker
  • وارد کردن داده
  • بررسی داده ها
  • تجسم داده ها
  • تمیز کردن داده ها
  • آموزش مدل
  • استفاده از مدل
  • آزمایش مدل مستقر

سرفصل ها و درس ها

1. شروع به کار در Blockchain و Hyperledger2. مفاهیم Hyperledger Introduction

  • یادگیری ماشین با Amazon SageMaker Machine learning with Amazon SageMaker

  • آنچه باید بدانید What you should know

1. شروع به کار در Blockchain و Hyperledger2. مفاهیم Hyperledger 1. Introduction to SageMaker

  • Amazon SageMaker چیست؟ What is Amazon SageMaker?

  • Amazon SageMaker چگونه کار می کند؟ How does Amazon SageMaker work?

  • مزایای Amazon SageMaker Benefits of Amazon SageMaker

  • تعامل با Amazon SageMaker Interacting with Amazon SageMaker

1. شروع به کار در Blockchain و Hyperledger2. مفاهیم Hyperledger 2. Analyze Data

  • ابزارهای تحلیل داده Data analysis tools

  • بارگیری و وارد کردن داده ها Download and import data

  • داده ها را بررسی کنید Investigate data

  • تجسم داده ها: دسته بندی ها Data visualization: Categories

  • تجسم داده ها: عددی Data visualization: Numerical

  • ابزار خلاصه داده ها Data summary tools

  • چالش: یک مجموعه داده را شرح دهید Challenge: Describe a dataset

  • راه حل: یک مجموعه داده را شرح دهید Solution: Describe a dataset

1. شروع به کار در Blockchain و Hyperledger2. مفاهیم Hyperledger 3. Build Models

  • تمیز کردن داده ها Cleaning up the data

  • تهیه مجموعه آموزش مدل Preparing the model training set

  • آموزش مدل Model training

  • بررسی نتایج آموزش مدل Checking model training results

  • چالش: یک مدل اساسی را آموزش دهید Challenge: Train a basic model

  • راه حل: یک مدل اساسی را آموزش دهید Solution: Train a basic model

1. شروع به کار در Blockchain و Hyperledger2. مفاهیم Hyperledger 4. Deploy Models

  • استقرار مدل آموزش دیده Deploy trained model

  • آزمایش مدل مستقر برای رکورد تک Test deployed model for single record

  • مدل مستقر برای رکوردهای متعدد Test deployed model for multiple records

  • چالش: انتقال مدل به سرور Challenge: Transfer model to server

  • راه حل: انتقال مدل به سرور Solution: Transfer model to server

  • برای دقت مدل را مرور کنید Review the model for accuracy

1. شروع به کار در Blockchain و Hyperledger2. مفاهیم Hyperledger Conclusion

  • مراحل بعدی Next steps

نمایش نظرات

نظری ارسال نشده است.

آموزش آمازون SageMaker
خرید اشتراک و دانلود خرید تکی و دانلود | 160,000 تومان (5 روز مهلت دانلود) زمان تقریبی آماده سازی لینک دانلود این دوره آموزشی حدود 5 تا 24 ساعت می باشد.
جزییات دوره
1h 11m
27
Linkedin (لینکدین) lynda-small
10 اردیبهشت 1398 (آخرین آپدیت رو دریافت می‌کنید، حتی اگر این تاریخ بروز نباشد.)
12,253
- از 5
ندارد
دارد
دارد
Martin Kemka

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Martin Kemka Martin Kemka

مارتین کمکا بنیانگذار Northraine ، یک خانه تولید ماشین یادگیری است. مارتین کمکا بنیانگذار Northraine ، یک خانه تولیدی برای یادگیری ماشین است.

در طول دهه گذشته ، مارتین راه حل های پیشگویی تحلیلی پیش بینی را برای تعدادی از شرکت ها از جمله GE ، Equifax ، D B ، بانک جهانی و زیراکس هدایت ، طراحی و ایجاد کرده است. وی همچنین به الگوریتم ها و تحقیقات pro bono در نهادهای جهانی حقوق بشر و اجتماعی کمک کرده است. از طریق مشارکت دانشگاهی ، Northraine به یک مشاوره تبدیل شده است که 40٪ از وقت خود را صرف تحقیق و 60٪ از زمان را برای طراحی الگوریتم های "بهبود شرایط انسانی" می گذراند. در http://www.northraine.com/اطلاعات بیشتری کسب کنید.

Linkedin (لینکدین)

لینکدین: شبکه اجتماعی حرفه‌ای برای ارتباط و کارآفرینی

لینکدین به عنوان یکی از بزرگترین شبکه‌های اجتماعی حرفه‌ای، به میلیون‌ها افراد در سراسر جهان این امکان را می‌دهد تا ارتباط برقرار کنند، اطلاعات حرفه‌ای خود را به اشتراک بگذارند و فرصت‌های شغلی را کشف کنند. این شبکه اجتماعی به کاربران امکان می‌دهد تا رزومه حرفه‌ای خود را آپدیت کنند، با همکاران، دوستان و همکاران آینده ارتباط برقرار کنند، به انجمن‌ها و گروه‌های حرفه‌ای ملحق شوند و از مقالات و مطالب مرتبط با حوزه کاری خود بهره‌مند شوند.

لینکدین همچنین به کارفرمایان امکان می‌دهد تا به دنبال نیروهای با تجربه و مهارت مورد نیاز خود بگردند و ارتباط برقرار کنند. این شبکه حرفه‌ای به عنوان یک پلتفرم کلیدی برای بهبود دسترسی به فرصت‌های شغلی و گسترش شبکه حرفه‌ای خود، نقش مهمی را ایفا می‌کند. از این رو، لینکدین به عنوان یکی از مهمترین ابزارهای کارآفرینی و توسعه حرفه‌ای در دنیای امروز مورد توجه قرار دارد.