آموزش ساخت مدل های بهینه با Azure Automated ML

Build Optimal Models with Azure Automated ML

در حال بارگزاری نمونه ویدیو، لطفا صبر کنید...
Video Player is loading.
Current Time 0:00
Duration 0:00
Loaded: 0%
Stream Type LIVE
Remaining Time 0:00
 
1x
    • Chapters
    • descriptions off, selected
    • subtitles off, selected
      نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
      نمونه ویدیوها:
      • در حال بارگزاری، لطفا صبر کنید...
      توضیحات دوره: صرف نظر از اینکه چند ساعت یا چند سال در ساخت مدل دارید، یادگیری ماشین خودکار Azures چیزی دارد که شما را شگفت زده کند. این دوره به شما یاد می دهد که چگونه از آن برای ساخت بهترین مدل یادگیری ماشینی برای داده های خود تنها با چند کلیک استفاده کنید! مدلی که در خدمت اهداف تجاری شما باشد. در این دوره آموزشی، ساخت مدل‌های بهینه با Azure Automated ML، یاد می‌گیرید که بهترین مدل یادگیری ماشینی را برای داده‌های خاص خود تنها با چند کلیک ایجاد کنید. ابتدا، خواهید دید که Auto ML واقعاً چیست. در مرحله بعد، نحوه ایجاد مدل های بهینه را هم از UI و هم از SDK خواهید فهمید. در نهایت، نحوه بهبود مدل‌های ما را با تکنیک‌های پیشرفته‌تر Azure ML یاد خواهید گرفت. وقتی این دوره را تمام کردید، مهارت ها و دانش یادگیری ماشین خودکار مورد نیاز برای ساختن بهترین مدل یادگیری ماشینی برای داده های خود را تنها با چند کلیک خواهید داشت!

      سرفصل ها و درس ها

      بررسی اجمالی دوره Course Overview

      • بررسی اجمالی دوره Course Overview

      معرفی ماشین یادگیری خودکار Azure Introducing Azure Automated Machine Learning

      • Auto ML چیست؟ What Is Auto ML?

      • برخی از پیش نیازهای این دوره Some Prerequisites for This Course

      • نسخه ی نمایشی: با استفاده از مدل ما ایجاد شد Demo: Using Our Model Created

      • طرح کلی دوره Outline of the Course

      ایجاد مدل های بهینه شده با استودیوی یادگیری ماشینی Azure Creating Optimized Models with Azure Machine Learning Studio

      • Auto ML ما را از انجام چه کاری نجات می دهد؟ What Is Auto ML Saving Us from Doing?

      • نسخه ی نمایشی: کاوش استودیوی یادگیری ماشینی Azure Demo: Exploring Azure Machine Learning Studio

      • نسخه ی نمایشی: اولین آموزش خودکار ML ما Demo: Our First Auto ML Training

      • یادآوری کوچکی از اعتبار سنجی و مجموعه های تست A Little Reminder of Validation and Test Sets

      • نسخه ی نمایشی: انجام اعتبارسنجی متقاطع در اجرای خودکار ML ما Demo: Performing Cross Validation on Our Auto ML Run

      • نکات و نکات کلیدی Key Takeaways and Tips

      ایجاد مدل های بهینه شده با Azure Machine Learning SDK Creating Optimized Models with Azure Machine Learning SDK

      • معرفی Introduction

      • نسخه ی نمایشی: کاوش SDK یادگیری ماشینی Azure Demo: Exploring Azure Machine Learning SDK

      • SDK در مقابل استودیوی یادگیری ماشین SDK vs. Machine Learning Studio

      • نسخه ی نمایشی: اولین اجرای خودکار ML ما با SDK Demo: Our First Auto ML Run with the SDK

      • مهندسی ویژگی در یادگیری ماشین Feature Engineering in Machine Learning

      • نسخه ی نمایشی: سفارشی کردن ویژگی در اجرای خودکار ML ما Demo: Customizing Featurization on Our Auto ML Run

      • نسخه ی نمایشی: تفسیر معیارها و نمودارها Demo: Interpreting Metrics and Charts

      • نکات و نکات کلیدی Key Takeaways and Tips

      افکار نهایی Final Thoughts

      • مروری بر سفر ما A Walkthrough of Our Journey

      • آیا با Auto ML شغل نداریم؟ Are We out of Jobs with Auto ML?

      • کجا باید ادامه داد Where to Continue

      • افکار بسته Closing Thoughts

      نمایش نظرات

      آموزش ساخت مدل های بهینه با Azure Automated ML
      جزییات دوره
      1h 15m
      23
      Pluralsight (پلورال سایت) Pluralsight (پلورال سایت)
      (آخرین آپدیت)
      از 5
      دارد
      دارد
      دارد
      Axel Sirota
      جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

      Google Chrome Browser

      Internet Download Manager

      Pot Player

      Winrar

      Axel Sirota Axel Sirota

      آکسل سیروتا دارای مدرک کارشناسی ارشد ریاضیات است که علاقه زیادی به عملیات یادگیری عمیق و یادگیری ماشین دارد. وی پس از تحقیق در زمینه احتمال ، آمار و بهینه سازی یادگیری ماشین ، در حال حاضر در JAMPP به عنوان یک مهندس تحقیق در زمینه یادگیری ماشین مشغول به کار است که از داده های مشتری برای پیش بینی دقیق در زمان واقعی پیشنهاد استفاده می کند.