آموزش یادگیری ماشین: جلسه توجیهی اجرایی

Machine Learning: Executive Briefing

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره: مقدمه ای عملی، عملی و بدون اصطلاحات تخصصی برای یادگیری ماشین. به سرعت مهم‌ترین ایده‌ها و مفاهیم را پوشش دهید - و رویکردها و تکنیک‌هایی را برای به کارگیری یادگیری ماشینی در حرفه‌ی خود بیاموزید. رهبران فناوری به درک اساسی از ابزارها و فناوری‌هایی که تیم‌هایشان برای ایجاد راه‌حل استفاده می‌کنند، نیاز دارند. این دوره آموزشی، یادگیری ماشینی: توضیحات اجرایی، رویکردی سریع، عملی و عمل‌گرایانه برای یادگیری ماشین دارد. ابتدا، کلیشه های رایج در مورد یادگیری ماشینی و اینکه چگونه آنها را در مسیر یادگیری قرار می دهند را بررسی می کنیم. در مرحله بعد، مهمترین اصطلاحات و اصطلاحاتی را که باید بدانید روشن خواهید کرد. سپس مراحل و توالی توسعه یک برنامه یادگیری ماشینی را پوشش می‌دهیم، در نهایت، رایج‌ترین کاربردهای عملی یادگیری ماشین در پروژه‌های دنیای واقعی را بررسی خواهید کرد. هنگامی که این دوره را به پایان رساندید، مهارت ها و دانش لازم برای کمک به پیاده سازی یادگیری ماشینی برای حمایت از محصول، تیم یا سازمان خود را خواهید داشت.

سرفصل ها و درس ها

مقدمه: حل انواع جدید مسائل Introduction: Solving New Kinds of Problems

  • چگونه هر کسی می تواند مقدمه ای برای یادگیری ماشین بنویسد How Anyone Can Write an Introduction to Machine Learning

  • تفکر واضح در مورد یادگیری ماشینی Thinking Clearly About Machine Learning

  • مقایسه برنامه نویسی "متعارف" و یادگیری ماشین Comparing "Conventional" Programming and Machine Learning

  • استقبال از نمونه های یادگیری ماشینی روزمره Embracing Everyday Machine Learning Examples

اما واقعاً یادگیری ماشین چیست؟ But What Is Machine Learning, Really?

  • مقایسه تعاریف متعدد یادگیری ماشینی Comparing Multiple Definitions of Machine Learning

  • تفاوت بین هوش مصنوعی و ML The Difference between AI and ML

  • نوشتن یک تعریف کاری مفیدتر از یادگیری ماشینی Writing a More Useful Working Definition of Machine Learning

آموزش یک مدل یادگیری ماشینی Training a Machine Learning Model

  • مرحله 1: شروع با داده های موجود Step 1: Beginning with Existing Data

  • مرحله 2: تجزیه و تحلیل داده ها برای شناسایی الگوها Step 2: Analyzing Data to Identify Patterns

  • کاوش در بسترها و چارچوب های یادگیری ماشین Exploring Machine Learning Platforms and Frameworks

  • پیش بینی با یک مدل آموزش دیده Making Predictions with a Trained Model

بازار یادگیری ماشینی The Marketplace of Machine Learning

  • آشنایی با الگوریتم های طبقه بندی ML Understanding ML Classification Algorithms

  • بررسی رگرسیون در یادگیری ماشینی Exploring Regression in Machine Learning

  • مقایسه الگوریتم های یادگیری تحت نظارت و بدون نظارت Comparing Supervised and Unsupervised Learning Algorithms

  • بررسی فرآیند: از اینجا به کجا برویم Reviewing the Process: Where to Go from Here

نمایش نظرات

آموزش یادگیری ماشین: جلسه توجیهی اجرایی
جزییات دوره
0h 39m
15
Pluralsight (پلورال سایت) Pluralsight (پلورال سایت)
(آخرین آپدیت)
550
4.9 از 5
دارد
دارد
دارد
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Simon Allardice Simon Allardice

سایمون یکی از نویسندگان ستاد در Pluralsight است. وی با بیش از سه دهه تجربه توسعه نرم افزار ، در هر رشته ای برنامه ریزی کرده است: از امور مالی تا حمل و نقل ، راکتورهای هسته ای تا بازی سازی. قبل از پیوستن به Pluralsight ، سیمون نویسنده اصلی توسعه دهنده در lynda.com بود. اولین دوره ویدئویی وی در سال 2002 منتشر شد: از آن زمان ، دوره های محبوب وی توسط صدها هزار توسعه دهنده مشاهده شده است. تمرکز فعلی او هم بر روی جدید - جدیدترین فن آوری های توسعه iOS و Mac - و هم به موضوعات قدیمی: علوم رایانه اساسی است. او وسواس دارد که موضوعات پیچیده را در دسترس ، به یادماندنی و آسان تر برای یادگیری قرار دهد.