🔔 با توجه به بهبود نسبی اینترنت، آمادهسازی دورهها آغاز شده است. به دلیل تداوم برخی اختلالات، بارگذاری دورهها ممکن است با کمی تأخیر انجام شود. مدت اشتراکهای تهیهشده محفوظ است.
لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش یادگیری عمیق و هوش مصنوعی تولیدی: آماده سازی، تجزیه و تحلیل و تجسم داده با پایتون
- آخرین آپدیت
دانلود Deep Learning and Generative AI: Data Prep, Analysis, and Visualization with Python
نکته:
ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره:
اگر به دنبال همگام شدن با پیشرفتها و کاربردهای تکنیکهای یادگیری عمیق هستید، این دوره راهنمای جامعی را ارائه میدهد که میتواند به شما کمک کند در چشمانداز در حال تکامل هوش مصنوعی و فناوریهای مبتنی بر داده مرتبط و رقابتی بمانید.
مربی Gwendolyn Stripling به شما نشان می دهد که چگونه داده های خام را به بینش های ارزشمند تبدیل کنید و پایه و اساس برنامه های کاربردی پیشرفته هوش مصنوعی را بسازید. این دوره بر روی مفاهیم تمرکز دارد، با حداقل کدنویسی مورد نیاز، بنابراین حتی اگر یک کدنویس باتجربه نباشید، Gwendolyn به شما نشان می دهد که چگونه از کد ساده پایتون برای کار با داده ها استفاده کنید. یادگیری خود را با یک سری چالش آزمایش کنید و دوره را با ساختن و ارزیابی یک مدل پیش بینی و مولد محدود کنید.
سرفصل ها و درس ها
مقدمه
Introduction
از هوش مصنوعی مولد برای تجزیه و تحلیل و بینش استفاده کنید
Leverage generative AI for analytics and insights
نحوه استفاده از فایل های تمرین چالش
How to use the challenge exercise files
آنچه شما باید بدانید
What you should know
1. چرا پردازش و چرا داده ها را تجسم می کنیم؟
1. Why Process and Why Visualize Data?
ما در دنیای داده محور زندگی می کنیم!
We live in a data-driven world!
داده های خام آشفته است
Raw data is messy
نقش داده ها در گردش کار یادگیری ماشین
Role of data in the machine learning workflow
مورد استفاده ما
Our use case
2. درک داده ها
2. Understanding Data
داده های بدون ساختار
Data without a structure
راه حل: داده ها را با استفاده از پایتون بارگیری و بررسی کنید
Solution: Load and check the data using Python
استفاده از کدهای ساده پایتون برای بررسی داده های خود
Using simple Python code to check your data
چالش: داده ها را با استفاده از پایتون بارگیری و بررسی کنید
Challenge: Load and check the data using Python
پایتون برای پیش پردازش داده ها با پانداها و Matplotlib
Python for data preprocessing with Pandas and Matplotlib
داده با ساختار
Data with a structure
3. پیش پردازش داده ها
3. Data Preprocessing
راه حل: پیش پردازش داده ها مجموعه داده های مخابراتی
Solution: Data preprocessing the telecom dataset
پیش پردازش داده ها مجموعه داده های مخابراتی
Data preprocessing the telecom dataset
چالش: پیش پردازش داده ها مجموعه داده های مخابراتی
Challenge: Data preprocessing the telecom dataset
مقدمه ای بر پیش پردازش متن
Introduction to text preprocessing
4. تجزیه و تحلیل داده های اکتشافی
4. Exploratory Data Analysis
تجزیه و تحلیل داده های اکتشافی (EDA)
Exploratory data analysis (EDA)
راه حل: تجزیه و تحلیل داده های اکتشافی را انجام دهید
Solution: Perform exploratory data analysis
چالش: تجزیه و تحلیل داده های اکتشافی را انجام دهید
Challenge: Perform exploratory data analysis
5. هوش مصنوعی پیش بینی کننده و مولد
5. Predictive and Generative AI
مروری بر هوش مصنوعی پیشبینیکننده و مولد
Overview of predictive and generative AI
موارد استفاده از مدل سازی پیش بینی کننده
Predictive modeling use cases
یادگیری عمیق چیست؟
What is deep learning?
موارد استفاده از مدل سازی مولد
Generative modeling use cases
6. یادگیری عمیق: ساخت و ارزیابی یک مدل پیش بینی
6. Deep Learning: Build and Evaluate a Predictive Model
یادگیری عمیق: ارزش طول عمر مشتری را پیش بینی کنید
Deep learning: Predict customer lifetime value
راه حل: ارزش طول عمر مشتری را پیش بینی کنید
Solution: Predict customer lifetime value
چالش: ارزش طول عمر مشتری را پیش بینی کنید
Challenge: Predict customer lifetime value
7. Capstone: ساخت و ارزیابی یک مدل پیش بینی و مولد
7. Capstone: Build and Evaluate a Predictive and Generative Model
مقدمه ای بر Capstone و مورد استفاده
Introduction to capstone and use case
چالش اختیاری: با استفاده از BERT احساسات ایجاد کنید
Optional challenge: Generate sentiments using BERT
راه حل: با استفاده از BERT احساسات ایجاد کنید
Solution: Generate sentiments using BERT
چالش: فروش کانال های رسانه ای را با استفاده از Keras پیش بینی کنید
Challenge: Predict media channel sales using Keras
راه حل: فروش کانال های رسانه ای را با استفاده از Keras پیش بینی کنید
Solution: Predict media channel sales using Keras
Gwendolyn Stripling، دکترا، یک توسعه دهنده محتوای یادگیری ماشین و هوش مصنوعی در گوگل است.
Gwendolyn یک توسعه دهنده محتوای هوش مصنوعی و یادگیری ماشین در Google Cloud است. او نویسنده ویدیوی موفق YouTube Google، "مقدمه ای بر هوش مصنوعی مولد" و کتاب رسانه O'Reilly هوش مصنوعی کم کد: یک رویکرد عملی پروژه محور برای یادگیری ماشین است. گوندولین استاد کمکی و عضو هیئت مشاوره کارشناسی ارشد در تحلیل کسب و کار دانشگاه گلدن گیت است. او از سخنرانی در AI/ML لذت میبرد و در دانشکده تحلیل تجاری باروسکی دانشگاه دومینیکن کالیفرنیا، دانشکده تحلیل تجاری Ageno دانشگاه گلدن گیت و کنفرانسهای فناوری متعددی ارائه کرده است.
نمایش نظرات