آموزش عیب‌یابی مدل‌های یادگیری ماشین با پایتون - آخرین آپدیت

سرفصل ها و درس ها

فراتر از عیب‌یابی کد Beyond Code Debugging

• مرور کلی Overview

چرخه حیات یادگیری ماشین Machine Learning Life Cycle

• مرور کلی Overview

عیب‌یابی در راستای هوش مصنوعی مسئولانه Debugging toward Responsible AI

• مرور کلی Overview

شناسایی مشکلات عملکرد و بهره‌وری در مدل‌های یادگیری ماشین Detecting Performance and Efficiency Issues in Machine Learning Models

• مرور کلی Overview

بهبود عملکرد مدل‌های یادگیری ماشین Improving the Performance of Machine Learning Models

• مرور کلی Overview

تفسیرپذیری و تبیین‌پذیری در مدل‌سازی یادگیری ماشین Interpretability and Explainability in Machine Learning Modeling

• مرور کلی Overview

کاهش سوگیری و دستیابی به عدالت Decreasing Bias and Achieving Fairness

• مرور کلی Overview

کنترل ریسک‌ها با استفاده از توسعه تست‌محور (TDD) Controlling Risks Using Test-Driven Development

• مرور کلی Overview

تست و عیب‌یابی برای محیط عملیاتی Testing and Debugging for Production

• مرور کلی Overview

نسخه‌بندی و مدل‌سازی بازتولیدپذیر در یادگیری ماشین Versioning and Reproducible Machine Learning Modeling

• مرور کلی Overview

جلوگیری و شناسایی تغییرات داده و مفاهیم (Drifts) Avoiding and Detecting Data and Concept Drifts

• مرور کلی Overview

گسترش عیب‌یابی یادگیری ماشین با یادگیری عمیق Going Beyond ML Debugging with Deep Learning

• مرور کلی Overview

تکنیک‌های پیشرفته یادگیری عمیق Advanced Deep Learning Techniques

• مرور کلی Overview

آشنایی با پیشرفت‌های اخیر در یادگیری ماشین Introduction to Recent Advancements in Machine Learning

• مرور کلی Overview

همبستگی در مقابل علیت Correlation versus Causality

• مرور کلی Overview

امنیت و حریم خصوصی در یادگیری ماشین Security and Privacy in Machine Learning

• مرور کلی Overview

یادگیری ماشین با حضور انسان در چرخه Human-in-the-Loop Machine Learning

• مرور کلی Overview