این دوره نحوه پیاده سازی انواع مختلف سیستم های ML تولیدی را پوشش می دهد - آموزش استاتیک، پویا و مداوم. استنتاج استاتیک و پویا؛ و پردازش دسته ای و آنلاین.
یادگیری هوش مصنوعی: Computer Vision، NLP، Tabular Data - ساخت مدل های قدرتمند با Google AutoML Apple CreateML
چرخ خیاطی برای دوخت پارچه و مواد به همراه نخ اختراع شده در انقلاب صنعتی اول استفاده می شود تا میزان دوخت دستی کاهش یابد. ..
با نحوه انجام فعالیت های یادگیری ماشینی با استفاده از Alibaba Cloud PAI (پلتفرم برای هوش مصنوعی) و ویژگی ها و قابلیت های فراوان آن آشنا شوید!
این دوره شامل یک رویکرد عملی در دنیای واقعی به گردش کار ML است: یک رویکرد مطالعه موردی که یک تیم ML را با چندین مورد نیاز تجاری و موارد استفاده ML ارائه می دهد.
بهترین روش ها برای پیاده سازی یادگیری ماشین در Google Cloud چیست؟
یادگیری ماشینی و تجزیه و تحلیل آماری پیشرفته را به تنهایی انجام دهید - حتی اگر کدنویسی نکنید! 100% در اکسل
یادگیری واقعی و کدمحور برای برنامه نویسان برای استفاده از prob/stats در همه CS، علم داده و یادگیری ماشین
برای کمک به بهبود مدلهای یادگیری ماشینی و تحلیلهای آماری، بینشهایی به دست آورید.
این دوره شرکت کنندگان را با ابزارهای MLOps و بهترین شیوه ها برای استقرار، ارزیابی، نظارت و اجرای سیستم های تولید ML در Google Cloud آشنا می کند.
این دوره با بحث در مورد داده ها آغاز می شود: چگونگی بهبود کیفیت داده ها و انجام تجزیه و تحلیل داده های اکتشافی.
این دوره به معرفی محصولات و سرویسهای کلان داده و یادگیری ماشین Google Cloud میپردازد که از چرخه عمر داده به هوش مصنوعی پشتیبانی میکنند.