آموزش یادگیری عمیق Apache Spark

Apache Spark Deep Learning Essential Training

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره: Apache Spark به طور گسترده ای به عنوان بهترین پلت فرم برای متخصصانی در نظر گرفته می شود که نیاز به دریافت اطلاعات جامع تری از داده های خود دارند. در این دوره ، یکی از جالب ترین جنبه های این بستر بزرگ داده را کشف کنید - توانایی آن برای یادگیری عمیق با تصاویر. قبل از اینکه او به طور کامل با استفاده از پایتون به یادگیری عمیق در مورد Spark بپردازد ، مربی جاناتان فرناندس روش های مختلفی را برای یادگیری عمیق در Spark و همچنین کتابخانه های کلیدی موجود در حال حاضر را مرور می کند. وی سپس نحوه تنظیم محیط یادگیری عمیق Spark ، کار با تصاویر در Spark با استفاده از کتابخانه یادگیری عمیق Databricks ، استفاده از یک مدل از قبل آموزش دیده و انتقال یادگیری و استقرار مدل ها به عنوان توابع SQL را نشان می دهد.
موضوعات شامل:
  • اجزای موجود در اکوسیستم Apache Spark
  • یادگیری عمیق چیست؟
  • استفاده از یادگیری عمیق در Spark
  • کار با تصاویر در Spark
  • استفاده از مدلهای از قبل آموزش دیده
  • آزمایش مدل شما
  • استقرار مدل ها به عنوان توابع SQL

سرفصل ها و درس ها

مقدمه Introduction

  • جرقه آپاچی Apache Spark

  • آنچه باید قبل از تماشای این دوره بدانید What you should know before watching this course

  • تنظیم حساب کاربری Databricks Setting up a Databricks account

1. آشنایی با اسپارک آپاچی 1. Introduction to Apache Spark

  • اکوسیستم آپاچی اسپارک Apache Spark ecosystem

  • ریشه های جرقه و دیتابریک The origins of Spark and Databricks

2. یادگیری عمیق 2. Deep Learning

  • یادگیری عمیق چیست؟ What is deep learning?

  • استفاده از یادگیری عمیق در Spark Using deep learning in Spark

  • کتابخانه های یادگیری عمیق Deep learning libraries

3. کار با تصاویر در جرقه 3. Working with Images in Spark

  • تنظیم محیط Databricks Setting up a Databricks environment

  • کار با تصاویر Working with images

4. مدل های پیش ساخته و یادگیری انتقال 4. Pretrained Models and Transfer Learning

  • با استفاده از مدل های از پیش آماده شده Using pretrained models

  • یادگیری انتقال چیست؟ What is transfer learning?

  • یادگیری را در عمل انتقال دهید Transfer learning in action

  • مدل جدید خود را آزمایش کنید Testing your new model

5. استفاده از مدل ها به عنوان توابع SQL 5. Using Models as SQL Functions

  • استقرار مدلها به عنوان توابع SQL Deploying models as SQL functions

نتیجه Conclusion

  • ایده های آینده پروژه Future project ideas

نمایش نظرات

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.

آموزش یادگیری عمیق Apache Spark
جزییات دوره
42m 32s
16
Linkedin (لینکدین) Linkedin (لینکدین)
(آخرین آپدیت)
4,365
- از 5
ندارد
دارد
دارد
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Jonathan Fernandes Jonathan Fernandes

مشاور متمرکز بر علوم داده ، هوش مصنوعی و داده های بزرگ جاناتان فرناندس برای یک مشاور کار می کند و در درجه اول روی علوم داده ، هوش مصنوعی و داده های بزرگ تمرکز دارد.

جاناتان از کار خود لذت می برد ، زیرا عشق او به اعداد ، کدگذاری و آمار را ترکیبی می کند. جاناتان دارای مدرک کارشناسی علوم کامپیوتر و MBA از دانشگاه وارویک است.