آموزش AutoML: ساخت مدل‌های یادگیری ماشین بدون کدنویسی - آخرین آپدیت

راه‌اندازی پلتفرم AutoML و تجربه عملی AutoML Platform Setup & Hands-On Experience

• مقدمه دوره Course Introduction

• مروری بر پلتفرم یادگیری ماشین ابری Cloud Machine Learning Platform Overview

• مزایا و ارزش تجاری یادگیری ماشین ابری Benefits and Business Value of Cloud Machine Learning

• معماری پلتفرم و گردش‌کار Platform Architecture and Workflow

• قابلیت‌ها و ویژگی‌های AutoML AutoML Capabilities and Features

• عملی: پیکربندی پلتفرم گوگل کلاد برای یادگیری ماشین Hands-On: Configuring Google Cloud Platform for Machine Learning

• عملی: راه‌اندازی محیط Vertex AI برای گردش‌کارهای AutoML Hands-On: Setting Up Vertex AI Environment for AutoML Workflows

• عملی: آپلود و مدیریت مجموعه‌داده‌ها در کنسول AutoML Hands-On: Uploading and Managing Datasets in AutoML Console

• آماده‌سازی داده‌ها و مهندسی ویژگی خودکار Data Preparation & Automated Feature Engineering

• انتخاب، آموزش و ارزیابی خودکار مدل Automated Model Selection, Training & Evaluation

• عملی: آموزش اولین مدل طبقه‌بندی با AutoML Tables (رابط کاربری وب) Hands-On: Training Your First Classification Model with AutoML Tables (Web UI)

• عملی: آموزش اولین مدل رگرسیون با AutoML Tables (رابط کاربری وب) Hands-On: Training Your First Regression Model with AutoML Tables (Web UI)

• یادگیری گروهی (Ensemble) و تقویت گرادیان Ensemble Learning & Gradient Boosting

• XGBoost: تقویت گرادیان بهینه در عمل XGBoost - Optimized Gradient Boosting in Practice

• یادگیری عمیق و مبانی شبکه‌های عصبی Deep Learning & Neural Network Fundamentals

• شبکه‌های عصبی پیچشی (CNNs) Convolutional Neural Networks (CNNs)

• شبکه‌های عصبی بازگشتی (RNNs) Recurrent Neural Networks (RNNs)

• عملی: تفسیر خروجی‌های شبکه عصبی عمیق در AutoML Vision Hands-On: Interpreting Deep Neural Network Outputs in AutoML Vision

• عملی: تحلیل نتایج طبقه‌بندی تصاویر مبتنی بر CNN در AutoML Vision Hands-On: Analyzing CNN-Based Image Classification Results in AutoML Vision

آموزش پیشرفته مدل‌ها: مفاهیم بینایی ماشین، NLP و RL Advanced Model Training - Vision, NLP & RL Concepts

• مبانی یادگیری تقویت شده: عامل‌ها، اقدامات، پاداش‌ها و Q-Learning Reinforcement Learning Fundamentals: Agents, Actions, Rewards and Q-Learning

• کاربردهای واقعی یادگیری تقویت شده (RL) Real-World RL Applications

• مبانی بینایی ماشین Computer Vision Fundamentals

• عملی: آپلود مجموعه‌داده‌های تصویری و برچسب‌گذاری در AutoML Vision Hands-On: Uploading Image Datasets and Labeling in AutoML Vision

• عملی: آموزش مدل‌های طبقه‌بندی تصویر (رابط کاربری وب) Hands-On: Training Image Classification Models (Web UI)

• عملی: آموزش مدل‌های تشخیص اشیاء و ارزیابی نتایج Hands-On: Training Object Detection Models and Evaluating Results

• مبانی NLP: طبقه‌بندی متن و استخراج موجودیت‌ها NLP Fundamentals: Text Classification and Entity Extraction

• عملی: آموزش مدل‌های طبقه‌بندی متن و تحلیل احساسات (رابط کاربری وب) Hands-On: Training Text Classification and Sentiment Analysis Models (Web UI)

استقرار مدل و یکپارچه‌سازی تجاری Model Deployment & Business Integration

• گزینه‌های استقرار مدل Model Deployment Options

• عملی: استقرار مدل‌ها برای پیش‌بینی‌های آنلاین (رابط کاربری وب) Hands-On: Deploying Models for Online Predictions (Web UI)

• عملی: انجام پیش‌بینی با استفاده از کنسول AutoML و تست مدل‌ها Hands-On: Making Predictions Using AutoML Console and Testing Models

• یکپارچه‌سازی AutoML با ابزارهای تجاری Integrating AutoML with Business Tools

• عملی: اتصال پیش‌بینی‌های AutoML به گوگل شیتس (بدون کد) Hands-On: Connecting AutoML Predictions to Google Sheets (No-Code)

• عملی: استفاده از BigQuery ML همراه با AutoML برای تحلیل داده‌ها (فقط رابط کاربری) Hands-On: Using BigQuery ML with AutoML for Data Analysis (UI Only)

• نظارت بر مدل: ردیابی عملکرد و چرخه عمر مدل Model Monitoring: Performance Tracking and Model Lifecycle

• عملی: نظارت بر عملکرد مدل در کنسول ابری Hands-On: Monitoring Model Performance in Cloud Console

• عملی: آموزش مجدد مدل‌ها با داده‌های جدید در AutoML (رابط کاربری وب) Hands-On: Retraining Models with New Data in AutoML (Web UI)

جمع‌بندی دوره Course Wrap-Up

• خلاصه دوره Course Summary