آموزش یادگیری ماشین برای حرفه ای های کسب و کار

Machine Learning for Business Professionals

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره: اگر می‌پرسید تبلیغات یادگیری ماشینی در مورد چیست یا می‌خواهید بدانید که بدون اصطلاحات فنی چه کاری می‌تواند برای شرکت شما انجام دهد، این دوره برای شما مناسب است. در این کلاس، یاد بگیرید که یادگیری ماشین چیست، چگونه مشکلات تجاری را به موارد استفاده از یادگیری ماشین ترجمه کنید، چگونه این موارد استفاده را برای امکان سنجی و تاثیرگذاری بررسی کنید، چگونه موارد استفاده غیرمنتظره را کشف کنید، چگونه یک پروژه یادگیری ماشین را در مراحل مختلف آن انجام دهید. و چگونه یادگیری ماشینی و هوش مصنوعی را مسئولانه و اخلاقی دنبال کنیم.

سرفصل ها و درس ها

معرفی Introduction

  • معرفی Introduction

  • معرفی Introduction

  • شروع کار با GCP و Qwiklabs Getting started with GCP and Qwiklabs

  • شروع کار با GCP و Qwiklabs Getting started with GCP and Qwiklabs

یادگیری ماشینی چیست؟ What is Machine Learning?

  • موارد و الگوریتم های استفاده استاندارد Standard Use Cases and Algorithms

  • موارد و الگوریتم های استفاده استاندارد Standard Use Cases and Algorithms

  • ویژگی های داده ها Characteristics of Data

  • ویژگی های داده ها Characteristics of Data

  • ML در مقابل هوش مصنوعی ML vs. Artificial Intelligence

  • ML در مقابل هوش مصنوعی ML vs. Artificial Intelligence

  • بینش های پیش بینی و تصمیم گیری های مکرر Predictive Insights and Repeated Decisions

  • بینش های پیش بینی و تصمیم گیری های مکرر Predictive Insights and Repeated Decisions

  • موارد استفاده در زندگی واقعی Real life Use Cases

  • موارد استفاده در زندگی واقعی Real life Use Cases

  • آزمایشگاه: یک چت بات سفارش پیتزا با Dialogflow ایجاد کنید Lab: Create a pizza-ordering chatbot with Dialogflow

  • آزمایشگاه: یک چت بات سفارش پیتزا با Dialogflow ایجاد کنید Lab: Create a pizza-ordering chatbot with Dialogflow

  • ساختن بررسی آزمایشگاه چت بات Building a Chatbot Lab Review

  • ساختن بررسی آزمایشگاه چت بات Building a Chatbot Lab Review

  • چرا الان ML؟ قسمت 1 Why ML Now? Part 1

  • چرا الان ML؟ قسمت 1 Why ML Now? Part 1

  • چرا الان ML؟ قسمت 2 Why ML Now? Part 2

  • چرا الان ML؟ قسمت 2 Why ML Now? Part 2

  • آزمایشگاه: درک تصاویر با Google Cloud Lab: Understanding Images with Google Cloud

  • آزمایشگاه: درک تصاویر با Google Cloud Lab: Understanding Images with Google Cloud

  • بررسی بررسی آزمایشگاه تصاویر Understanding Images Lab Review

  • بررسی بررسی آزمایشگاه تصاویر Understanding Images Lab Review

  • استفاده مسئولانه از هوش مصنوعی Using AI Responsibly

  • استفاده مسئولانه از هوش مصنوعی Using AI Responsibly

به کارگیری ML Employing ML

  • معرفی Introduction

  • معرفی Introduction

  • اصطلاحات ML در زمینه ML Terminology in Context

  • اصطلاحات ML در زمینه ML Terminology in Context

  • کسب داده های برچسب دار قسمت 1 Acquiring Labeled Data Part 1

  • کسب داده های برچسب دار قسمت 1 Acquiring Labeled Data Part 1

  • کسب داده های برچسب دار قسمت 2 Acquiring Labeled Data Part 2

  • کسب داده های برچسب دار قسمت 2 Acquiring Labeled Data Part 2

  • نسخه ی نمایشی خدمات برچسب زدن Labeling Service Demo

  • نسخه ی نمایشی خدمات برچسب زدن Labeling Service Demo

  • آموزش مدل قسمت 1 Model Training Part 1

  • آموزش مدل قسمت 1 Model Training Part 1

  • آموزش مدل قسمت 2 Model Training Part 2

  • آموزش مدل قسمت 2 Model Training Part 2

  • ارزیابی مدل Model Evaluating

  • ارزیابی مدل Model Evaluating

  • بهترین روش های عمومی General Best Practices

  • بهترین روش های عمومی General Best Practices

  • تعصب انسانی در ML قسمت 1 Human Bias in ML Part 1

  • تعصب انسانی در ML قسمت 1 Human Bias in ML Part 1

  • تعصب انسانی در ML قسمت 2 Human Bias in ML Part 2

  • تعصب انسانی در ML قسمت 2 Human Bias in ML Part 2

  • تعصب انسانی در ML قسمت 3 Human Bias in ML Part 3

  • تعصب انسانی در ML قسمت 3 Human Bias in ML Part 3

  • فعالیت: درک روابط آموخته شده با استفاده از مرور پروژکتور جاسازی Activity:Understanding Learned Relationships using the Embedding Projector Review

  • فعالیت: درک روابط آموخته شده با استفاده از مرور پروژکتور جاسازی Activity:Understanding Learned Relationships using the Embedding Projector Review

  • انصاف در ML قسمت 1 Fairness in ML Part 1

  • انصاف در ML قسمت 1 Fairness in ML Part 1

  • انصاف در ML قسمت 2 Fairness in ML Part 2

  • انصاف در ML قسمت 2 Fairness in ML Part 2

  • فعالیت: اعمال نگرانی های عادلانه با بررسی ابزار What-If Activity:Applying Fairness Concerns with the What-If tool Review

  • فعالیت: اعمال نگرانی های عادلانه با بررسی ابزار What-If Activity:Applying Fairness Concerns with the What-If tool Review

کشف موارد استفاده از ML Discovering ML Use Cases

  • معرفی Introduction

  • معرفی Introduction

  • ساده سازی سیستم های مبتنی بر قانون بخش 1 Simplifying Rule-based Systems Part 1

  • ساده سازی سیستم های مبتنی بر قانون بخش 1 Simplifying Rule-based Systems Part 1

  • ساده سازی سیستم های مبتنی بر قانون بخش 2 Simplifying Rule-based Systems Part 2

  • ساده سازی سیستم های مبتنی بر قانون بخش 2 Simplifying Rule-based Systems Part 2

  • ساده سازی سیستم های مبتنی بر قانون بخش 3 Simplifying Rule-based Systems Part 3

  • ساده سازی سیستم های مبتنی بر قانون بخش 3 Simplifying Rule-based Systems Part 3

  • ساده سازی فرآیندهای کسب و کار Streamlining Business Processes

  • ساده سازی فرآیندهای کسب و کار Streamlining Business Processes

  • درک داده های بدون ساختار Understanding Unstructured Data

  • درک داده های بدون ساختار Understanding Unstructured Data

  • شخصی سازی تجربیات Personalizing Experiences

  • شخصی سازی تجربیات Personalizing Experiences

  • سیستم های توصیه کننده قسمت 1 Recommender Systems Part 1

  • سیستم های توصیه کننده قسمت 1 Recommender Systems Part 1

  • سیستم های توصیه کننده قسمت 2 Recommender Systems Part 2

  • سیستم های توصیه کننده قسمت 2 Recommender Systems Part 2

  • موارد استفاده الهام بخش ML Inspiring ML use cases

  • موارد استفاده الهام بخش ML Inspiring ML use cases

  • زمان استفاده از ML When to use ML

  • زمان استفاده از ML When to use ML

  • فعالیت: تولید ریتم‌های جدید با مرور یادگیری ماشین Activity:Generating Novel Rhythms with Machine Learning Review

  • فعالیت: تولید ریتم‌های جدید با مرور یادگیری ماشین Activity:Generating Novel Rhythms with Machine Learning Review

  • ML در سری ML in Series

  • ML در سری ML in Series

  • خلاصه Summary

  • خلاصه Summary

چگونه در ML موفق باشیم How to be successful at ML

  • معرفی Introduction

  • معرفی Introduction

  • استراتژی داده بخش 1 Data Strategy Part 1

  • استراتژی داده بخش 1 Data Strategy Part 1

  • استراتژی داده قسمت 2 Data Strategy Part 2

  • استراتژی داده قسمت 2 Data Strategy Part 2

  • استراتژی داده قسمت 3 Data Strategy Part 3

  • استراتژی داده قسمت 3 Data Strategy Part 3

  • آزمایشگاه: پیش‌بینی خرید بازدیدکنندگان با مدل BQML (ML برای حرفه‌ای‌های تجاری) Lab: Predicting visitor purchases with BQML model (ML for Business Professionals)

  • آزمایشگاه: پیش‌بینی خرید بازدیدکنندگان با مدل BQML (ML برای حرفه‌ای‌های تجاری) Lab: Predicting visitor purchases with BQML model (ML for Business Professionals)

  • پیش بینی خرید بازدیدکنندگان با مدل BQML Predicting visitor purchases with BQML model

  • پیش بینی خرید بازدیدکنندگان با مدل BQML Predicting visitor purchases with BQML model

  • حاکمیت داده قسمت 1 Data Governance Part 1

  • حاکمیت داده قسمت 1 Data Governance Part 1

  • نسخه ی نمایشی پوشش داده ها Data Masking Demo

  • نسخه ی نمایشی پوشش داده ها Data Masking Demo

  • حاکمیت داده قسمت 2 Data Governance Part 2

  • حاکمیت داده قسمت 2 Data Governance Part 2

  • حاکمیت داده قسمت 3 Data Governance Part 3

  • حاکمیت داده قسمت 3 Data Governance Part 3

  • ایجاد فرهنگ نوآوری بخش 1 Creating a Culture of Innovation Part 1

  • ایجاد فرهنگ نوآوری بخش 1 Creating a Culture of Innovation Part 1

  • ایجاد فرهنگ نوآوری بخش 2 Creating a Culture of Innovation Part 2

  • ایجاد فرهنگ نوآوری بخش 2 Creating a Culture of Innovation Part 2

خلاصه Summary

  • خلاصه Summary

  • خلاصه Summary

نمایش نظرات

آموزش یادگیری ماشین برای حرفه ای های کسب و کار
جزییات دوره
5h 23m
114
Pluralsight (پلورال سایت) Pluralsight (پلورال سایت)
(آخرین آپدیت)
13
4.6 از 5
دارد
دارد
دارد
Google Cloud
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Google Cloud Google Cloud

ایجاد تحول دیجیتال با آموزش درخواستی

Google Cloud آموزش و گواهینامه های درخواستی را در فناوری های ابری در حال ظهور ارائه می دهد.

Google Cloud با صدها آزمایشگاه، دوره و نشان مهارت، متخصصان را قادر می‌سازد تا مهارت‌های ابری حیاتی را با سرعت خودشان ایجاد کنند. آزمایشگاه‌های عملی این شرکت اعتبارنامه‌های موقتی را به منابع واقعی ابر ارائه می‌دهند، بنابراین افراد می‌توانند Google Cloud را با استفاده از چیز واقعی یاد بگیرند. فراگیران همچنین می توانند با کسب گواهینامه های Google Cloud و/یا نشان های مهارتی که می توانند با شبکه خود به اشتراک بگذارند، تخصص خود را تأیید کنند.

در وب‌سایت رسمی Google Cloud بیشتر بیاموزید.