لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش مبانی یادگیری ماشین برای مدیران محصول
- آخرین آپدیت
دانلود Machine Learning Foundations for Product Managers
نکته:
ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره:
در این دوره اول از تخصص مدیریت محصول هوش مصنوعی (AI Product Management) ارائه شده توسط دانشکده مهندسی پرات دانشگاه دوک، شما درکی بنیادین از چیستی یادگیری ماشین، نحوه عملکرد آن و زمان و دلیل بهکارگیری آن به دست خواهید آورد. برای مدیریت موفق یک تیم یا محصول هوش مصنوعی و همکاری موثر با دانشمندان داده، مهندسان نرمافزار و مشتریان، درک مفاهیم پایه فناوری یادگیری ماشین ضروری است. این دوره یک مقدمه غیربرنامهنویسی (بدون کدنویسی) بر یادگیری ماشین ارائه میدهد که بر فرآیند توسعه مدلها، ارزیابی و تفسیر مدلهای ML و شهود پشت الگوریتمهای رایج یادگیری ماشین و یادگیری عمیق تمرکز دارد. این دوره با یک پروژه عملی به پایان میرسد که در آن فرصت آموزش و بهینهسازی یک مدل یادگیری ماشین بر روی یک مسئله ساده و واقعی را خواهید داشت.
در پایان این دوره، شما قادر خواهید بود:
۱) نحوه عملکرد یادگیری ماشین و انواع آن را توضیح دهید
۲) چالشهای مدلسازی و استراتژیهای غلبه بر آنها را شرح دهید
۳) الگوریتمهای اصلی مورد استفاده برای وظایف رایج ML و موارد کاربرد آنها را شناسایی کنید
۴) یادگیری عمیق و نقاط قوت و چالشهای آن را در مقایسه با سایر اشکال یادگیری ماشین توضیح دهید
۵) بهترین روشها را در ارزیابی و تفسیر مدلهای ML پیادهسازی کنید
سرفصل ها و درس ها
یادگیری ماشین چیست
What is Machine Learning
مرور کلی تخصص
Specialization Overview
معرفی مدرس
Instructor Introduction
مرور کلی دوره
Course Overiew
معرفی و اهداف ماژول ۱
Module 1 Introduction & Objectives
مقدمهای بر یادگیری ماشین
Introduction to Machine Learning
اصطلاحات دادهها
Data Terminology
مدل چیست؟
What is a Model?
انواع یادگیری ماشین
Types of Machine Learning
تواناییها و محدودیتهای یادگیری ماشین
What ML Can and Cannot Do
جمعبندی ماژول
Module Wrap-up
فرآیند مدلسازی
The Modeling Process
معرفی و اهداف
Introduction and Objectives
ساخت یک مدل
Building a Model
انتخاب ویژگیها
Feature Selection
انتخاب الگوریتم
Algorithm Selection
موازنه بایاس و واریانس
Bias-Variance Tradeoff
مجموعههای تست و اعتبارسنجی
Test and Validation Sets
اعتبارسنجی متقاطع
Cross Validation
جمعبندی ماژول
Module Wrap-up
ارزیابی و تفسیر مدلها
Evaluating & Interpreting Models
معرفی و اهداف
Introduction and Objectives
دستاوردهای نهایی در مقابل خروجیها
Outcomes vs Outputs
نمایش نظرات