آموزش مهندسی مدل‌های هوش مصنوعی: تبیین، تنظیم و آزمایش - آخرین آپدیت

دانلود Engineer AI Models: Explain, Tune & Experiment

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: دوره مهندسی مدل‌های هوش مصنوعی: تبیین، تنظیم و آزمایش، مدیران برنامه و پروژه را آماده می‌کند تا پروژه‌های AI را از مرحله «صرفاً کار کردن» به مرحله‌ای برسانند که قابل اعتماد، قابل تبیین و تکرارپذیر باشند. در این دوره خواهید آموخت که چگونه مهندسی ویژگی‌ها (Feature Engineering) و تنظیم هایپرپارامترها باعث بهبود عملکرد مدل می‌شوند، چگونه متدهای تبیین‌پذیری مانند SHAP و LIME اعتماد ذینفعان را جلب می‌کنند و چگونه آزمایش‌های ساختاریافته نتایجی قابل اتکا ایجاد می‌کنند. از طریق سناریوهای واقعی — از افزایش امتیاز F1 در تشخیص کلاهبرداری گرفته تا ارائه مدل‌های تایید اعتبار به کمیته‌های ریسک و برنامه‌ریزی آزمایش‌ها در Jupyter — مهارت‌های لازم برای پرسیدن سوالات درست، هدایت تیم‌های فنی و تبدیل خروجی‌های پیچیده مدل به اثرات تجاری را کسب خواهید کرد. در پایان، یاد می‌گیرید چگونه پروژه‌های هوش مصنوعی را از یک «جعبه سیاه» به یک راهکار آماده برای کسب‌وکار تبدیل کنید.

سرفصل ها و درس ها

مهندسی مدل‌های هوش مصنوعی: تبیین، تنظیم و آزمایش Engineer AI Models: Explain, Tune & Experiment

  • مقدمه و خوش‌آمدگویی Introduction and Welcome

  • جستجوی شبکه‌ای (Grid Search) Grid Search

  • تبیین‌پذیری مدل (صحبت کردن مدل) Making the Model Talk

  • طراحی ماتریس آزمایش در Jupyter Designing an Experiment Matrix in Jupyter

  • تبریک و مسیر یادگیری مستمر Congratulations and Continuous Learning Journey

نمایش نظرات