آموزش SQL برای پروژههای هوش مصنوعی: از اکتشاف داده تا اثرگذاری - آخرین آپدیت
دانلود SQL for AI Projects: From Data Exploration to Impact
نکته:
ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
سرفصل ها و درس ها
مقدمه Introduction
-
مقدمه Introduction
اکتشاف دادهها برای هوش مصنوعی Data exploration for AI
-
موارد استفاده تجاری برای هوش مصنوعی Business use cases for AI
-
بررسی مطالعه موردی کالیفرنیا Explore California case study
-
اندازهگیری آزمایشهای هوش مصنوعی Measuring AI experiments
-
اکتشاف دادهها برای AI Data exploration for AI
استفاده از SQL برای پردازش زبان طبیعی (دفترچه 1) SQL for Natural Language Processing (Notebook 1)
-
اعتبارسنجی و پاکسازی دادهها Data validation and cleaning
-
اندازهگیری ارزش Value measurement
-
تبدیل دادهها Data transformation
-
تعریف مسئله Define the problem
-
اصول پردازش زبان طبیعی (NLP 101) Natural language processing 101
-
تبدیل دادههای متنی در SQL: توکنسازی و موارد دیگر Transforming Text Data in SQL: Tokenization and more
-
تست A/B در SQL: نرخ تبدیل و موارد دیگر A/B Testing in SQL: Conversion Rates and more
-
شروع کار با محیط کدنویسی Getting Started with your Coding Environment
-
پاکسازی متون HTML برای NLP با استفاده از SQL (DuckDB REGEXP_REPLACE) Cleaning HTML Text for NLP with SQL (DuckDB REGEXP_REPLACE)
استفاده از SQL برای یادگیری ماشین نظارت شده (دفترچه 2) SQL for Supervised Machine Learning (Notebook 2)
-
اصول یادگیری ماشین نظارت شده (Supervised ML 101) Supervised machine learning 101
-
مهندسی ویژگیها (Feature Engineering) Feature engineering
-
تعریف خط مبنای فعلی (Baseline) Defining the current baseline
-
طراحی آزمایشهای یادگیری ماشین Designing ML experiments
-
تولید ورودیهای مدل ML Generate ML inputs
-
آمادهسازی دادهها و مهندسی ویژگی برای ML نظارت شده Preparing Data and Feature Engineering for Supervised ML
-
سنجش قابلیت اجرای آزمایش در SQL: توان، میزان بهبود و موارد دیگر Experiment Viability in SQL: Power, Uplift, and more
استفاده از SQL برای بهینهسازی وبسایت (دفترچه 3) SQL for Website Optimization (Notebook 3)
-
اندازهگیری ارزش Value measurement
-
تعریف مسئله دادهها Define the data problem
-
آمادهسازی دادهها Data preparation
-
اندازهگیری عملکرد هوش مصنوعی: متریکها، آزمایشها و بینشها Measuring AI Performance: Metrics, Experiments & Insights
جمعبندی Conclusion
-
گامهای بعدی Next steps
https://donyad.com/d/903a64
Danny Ma
دنی ما یک مهندس اصلی هوش مصنوعی در LUMOS است.
دنی که در سیدنی، استرالیا مستقر است، بیش از 12 سال تجربه به عنوان مشاور داده دارد و یک صدای برتر لینکدین در فناوری است. او یک مهندس داده و مهندس یادگیری ماشین دارای گواهینامه گوگل است. او Sydney Data Science را در سال 2019 تاسیس کرد و با مشتریان شرکتی برای ارائه راهنمایی استراتژیک و اجرای فنی پروژه ها در زمینه داده ها، تجزیه و تحلیل، یادگیری ماشین و رشته های مهندسی کار می کند.
نمایش نظرات