کانال تلگرام پشتیبانی تلگرام شماره تماس پشتیبانی: 0930 395 3766
ورود ثبت نام

آموزش برچسب‌گذاری داده‌ها در یادگیری ماشین با پایتون - آخرین آپدیت

دانلود Data Labeling in Machine Learning with Python

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: با این راهنما که شامل بهترین روش‌ها، متدهای پیشرفته و ابزارها است، روش‌های برچسب‌گذاری داده‌ها را از طریق کتابخانه‌های پایتون، الگوریتم‌های یادگیری ماشین (ML) و هوش مصنوعی مولد بیاموزید. این دوره، آموزش مدل‌ها برای رگرسیون، طبقه‌بندی و خوشه‌بندی را ساده می‌کند. این منبع، یادگیرندگان را به مهارت‌های ضروری برای برچسب‌گذاری و تحلیل انواع مختلف داده‌ها با استفاده از پایتون مجهز می‌کند و آن‌ها را قادر می‌سازد تا سیستم‌های هوشمند بسازند و بینش‌های معناداری را از داده‌های خام استخراج کنند. این دوره تکنیک‌های عملی برای اکتشاف داده‌ها، یادداشت‌گذاری و بهبود داده‌ها را پوشش می‌دهد و آن را به ابزاری ارزشمند برای هر کسی که به دنبال ارتقای توانمندی‌های خود در یادگیری ماشین است، تبدیل می‌کند. این منبع برای مهندسان یادگیری ماشین، دانشمندان داده و توسعه‌دهندگان پایتون که به دنبال گسترش مهارت‌های خود در برچسب‌گذاری و تحلیل داده‌ها هستند، ایده‌آل است. دانش پایه پایتون مفید است اما الزامی نیست. یادگیرندگان تخصص عملی در برچسب‌گذاری و بهبود داده‌ها برای مدل‌های یادگیری ماشین به دست خواهند آورد. این دوره با معرفی تحلیل اکتشافی داده‌ها (EDA) با استفاده از کتابخانه‌های پایتون شروع شده و سپس برچسب‌گذاری داده‌های جدولی، متنی، تصویری و صوتی را با استفاده از روش‌های اکتشافی (Heuristics)، یادگیری نیمه‌نظارتی، یادگیری بدون نظارت و افزونگی داده‌ها (Data Augmentation) پوشش می‌دهد. در نهایت، این دوره به بررسی بهترین شیوه‌ها و ابزارهای صنعتی برای برچسب‌گذاری داده‌ها می‌پردازد. این دوره بر اساس کتاب «برچسب‌گذاری داده‌ها در یادگیری ماشین با پایتون» نوشته ویجایا کومار سودا تهیه شده است. انتشارات Packt یکی از پرکارترین ناشران محتوای فنی پیشرو در جهان است. برای بیش از دو دهه، ماموریت ما گردآوری و انتشار دانش برترین متخصصان فنی بوده است. ما بر دوره‌های کاربردی تمرکز داریم که به مشتریان ما کمک می‌کند کارهای خود را به بهترین شکل به سرانجام برسانند. اگر شما فرد یا سازمانی هستید که یادگیری عملی را می‌پسندید، Packt انتخابی ایده‌آل برای شماست.
سرفصل ها و درس ها

اکتشاف داده‌ها برای یادگیری ماشین Exploring Data for Machine Learning

  • مرور کلی Overview

برچسب‌گذاری داده‌ها برای طبقه‌بندی Labeling Data for Classification

  • مرور کلی Overview

برچسب‌گذاری داده‌ها برای رگرسیون Labeling Data for Regression

  • مرور کلی Overview

اکتشاف داده‌های تصویری Exploring Image Data

  • مرور کلی Overview

برچسب‌گذاری داده‌های تصویری با استفاده از قوانین Labeling Image Data Using Rules

  • مرور کلی Overview

برچسب‌گذاری داده‌های تصویری با استفاده از افزونگی داده‌ها Labeling Image Data Using Data Augmentation

  • مرور کلی Overview

برچسب‌گذاری داده‌های متنی Labeling Text Data

  • مرور کلی Overview

اکتشاف داده‌های ویدئویی Exploring Video Data

  • مرور کلی Overview

برچسب‌گذاری داده‌های ویدئویی Labeling Video Data

  • مرور کلی Overview

اکتشاف داده‌های صوتی Exploring Audio Data

  • مرور کلی Overview

برچسب‌گذاری داده‌های صوتی Labeling Audio Data

  • مرور کلی Overview

کار عملی با ابزارهای برچسب‌گذاری داده‌ها Hands-On Exploring Data Labeling Tools

  • مرور کلی Overview

آموزش ریاضیات برای یادگیری ماشین: جبر خطی

آموزش ریاضیات برای یادگیری ماشین: جبر خطی

دانلود Mathematics for Machine Learning: Linear Algebra

آموزش تولید بینش‌های تجاری با مدل‌های زبانی بزرگ (LLMs)

آموزش تولید بینش‌های تجاری با مدل‌های زبانی بزرگ (LLMs)

دانلود Generate Insights with LLMs

ساخت مدل‌های شرح‌نویسی تصویر - آموزش جامع

ساخت مدل‌های شرح‌نویسی تصویر - آموزش جامع

دانلود Create Image Captioning Models - Deutsch

نمایش نظرات

آموزش برچسب‌گذاری داده‌ها در یادگیری ماشین با پایتون
جزییات دوره
11h 21m
12
(آخرین آپدیت)
27
- از 5
دارد
دارد
دارد
Chris Croft

https://donyad.com/d/264122

جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Chris Croft Chris Croft

مربی مدیریت، سخنران، نویسنده

Computer Vision Data Preprocessing Model Training Data Analysis Applied Machine Learning Machine Learning Methods Data Cleansing Python Programming Feature Engineering Exploratory Data Analysis Artificial Intelligence and Machine Learning (AI/ML) Model Evaluation MLOps (Machine Learning Operations) Data Mining Machine Learning Software Image Analysis Convolutional Neural Networks Data Science Data Collection Data Ethics بینایی ماشین پیش‌پردازش داده‌ها آموزش مدل تحلیل داده‌ها یادگیری ماشین کاربردی متدهای یادگیری ماشین پاک‌سازی داده‌ها برنامه‌نویسی پایتون مهندسی ویژگی‌ها تحلیل اکتشافی داده‌ها هوش مصنوعی و یادگیری ماشین (AI/ML) ارزیابی مدل MLOps (عملیات یادگیری ماشین) داده‌کاوی نرم‌افزارهای یادگیری ماشین تحلیل تصویر شبکه‌های عصبی پیچشی علوم داده جمع‌آوری داده‌ها اخلاق در داده‌ها