آموزش ماشینی دارای گواهی AWS - تخصص (MLS-C01) Cert Prep: 3 Modeling

معرفی Introduction

• بررسی اجمالی Overview

1. مسائل کسب و کار را به عنوان مسائل یادگیری ماشین چارچوب بندی کنید 1. Frame Business Problems as Machine Learning Problems

• زمان استفاده و زمان عدم استفاده از ML را تعیین کنید Determine when to use and when not to use ML

• تفاوت بین یادگیری تحت نظارت و بدون نظارت را بدانید Know the difference between supervised and unsupervised learning

• از بین طبقه بندی، رگرسیون، پیش بینی، خوشه بندی، توصیه و موارد دیگر انتخاب کنید Select from among classification, regression, forecasting, clustering, recommendation, and more

2. مدل(های) مناسب را برای مشکل یادگیری ماشین انتخاب کنید 2. Select the Appropriate Model(s) for a Given Machine Learning Problem

• مدل ها را انتخاب کنید Select models

• نسخه ی نمایشی SageMaker Canvas SageMaker Canvas demo

3. آموزش مدل های یادگیری ماشین 3. Train Machine Learning Models

• تقسیم آزمون اعتبار سنجی قطار، اعتبار سنجی متقابل Train validation test split, cross-validation

• بهينه سازي Optimization

• محاسبه انتخاب Compute choice

4. Hyperparameter Optimization را انجام دهید 4. Perform Hyperparameter Optimization

• معماری شبکه های عصبی Neural network architecture

5. مدل های یادگیری ماشینی را ارزیابی کنید 5. Evaluate Machine Learning Models

• از نصب بیش از حد و کم کاری خودداری کنید Avoid overfitting and underfitting

• معیارها را انتخاب کنید Select metrics

• مقایسه مدل ها با استفاده از معیارها Compare models using metrics

نتیجه Conclusion

• نتیجه Conclusion