بیاموزید که چگونه از دکوراتورها برای افزودن عملکرد به پروژه های پایتون استفاده کنید.
پس از از دست دادن شغل ، جای خود را بازیابید. روند صنعت ، فرصت های موجود در فضای فناوری و مراحلی را که می توانید برای دستیابی به شغلی که با اهداف شغلی شما همسو باشد بهتر کاوش کنید.
استراتژی های پیشرفته در هوش مصنوعی و یادگیری ماشین را با ترانسفورماتورهای مدل برای بینایی کامپیوتر کاوش کنید.
دومین جزء مورد نیاز برای تولید تصویر یک شبکه عصبی است. بیاموزید که چرا مدل U-Net مفید است.
با AWS DeepLens ، اولین دوربین فیلمبرداری مجهز به یادگیری عمیق در جهان برای توسعه دهندگان ، شروع کنید.
stack() سطوح را از ستون ها به شاخص می برد. unstack() یک DataFrame را با سطح جدیدی از برچسب های ستون برمی گرداند. پس از تماشای این ویدئو، می توانید نحوه کار هر دوی این ها را نشان دهید.
در مورد ترانسفورماتورها، معماری پیشرو برای NLP و وظایف بینایی رایانه بیاموزید.
یک رویکرد کاربرپسند برای کار با ترانسفورماتورها و مدلهای زبان بزرگ برای پردازش زبان طبیعی را بررسی کنید.
مهارت های برنامه نویسی خود را در پایتون با تمرین با این چالش های کدنویسی هسته ای پیشرفته آزمایش کنید.
در مورد مدل های زبان بزرگ بیاموزید – اینکه چه هستند، چه کاری می توانند انجام دهند و چگونه کار می کنند.
به شبکه های عصبی و شبکه های عصبی کانولوشن ، دو مفهوم اصلی در زمینه یادگیری ماشین ، شیرجه بزنید.
مقاله چینچیلا پیشنهاد میکند که کلید دستیابی به مدلهای زبان بزرگ بهتر، آموزش اضافی است. در این ویدیو، کشف کنید که چگونه این با نتیجه گیری که از قوانین مقیاس بندی به دست می آید متفاوت است.
در مورد شبکه های عصبی و کار با داده های جدولی با استفاده از TensorFlow بیاموزید.
با آپاچی اسپارک سریع بلند شوید و بدوید. این دوره عملی عملی به کاربران پایتون نشان می دهد که چگونه با Apache PySpark کار کنند تا از قدرت Spark برای علم داده استفاده کنند.
بیاموزید که چگونه از تزئین کنندگان برای افزودن عملکرد به پروژه های پایتون خود استفاده کنید.
به اشتراک گذاری کار علم داده می تواند کثیف باشد. بیاموزید که چگونه از Docker - ابزار محبوب استقرار و مدیریت برنامه ها به عنوان کانتینر - برای به اشتراک گذاری کارآمدتر مدل های یادگیری ماشین استفاده کنید.
با استفاده از ترانسفورماتورها در پردازش زبان طبیعی با TensorFlow آشنا شوید.
نحوه کار با کتابخانه pandas و ابزارهای تجزیه و تحلیل داده ها و ساختار داده ها را کشف کنید.
هشت نکته را یاد بگیرید که باید برای فراتر رفتن از اصول برنامه نویسی پایتون بدانید.
قدرت یادگیری ماشین را با Google Cloud Vision API مهار کنید. بیاموزید که چگونه با Python با API تماس بگیرید و از سرویس های کلیدی استفاده کنید تا به سرعت از تصاویر بینش بگیرید.
بیاموزید که چگونه با استفاده از کتابخانه یادگیری عمیق Databricks و پایتون ، یادگیری عمیق را با تصاویر در Apache Spark انجام دهید.
با استفاده از PyTorch اصول یادگیری عمیق را کاوش کنید. با استفاده از مجموعه داده Fashion MNIST ، درباره اجزای مدل شناسایی تصویر اطلاعات کسب کنید.
هوش مصنوعی جهان را طوفان می کند. در این دوره یاد بگیرید که برای پیاده سازی موفقیت آمیز این فناوری مهیج در سازمان خود به چه چیزی نیاز دارید.
با خدمات وب آمازون (AWS) به یادگیری ماشین عمیق تر بپردازید. بیاموزید که چگونه با استفاده از تکنیک های اصلی به کارهای معمول یادگیری ماشین نزدیک شوید.
با Google Video Intelligence API بلند شوید و کار کنید. نحوه برقراری تماس با API با پایتون را بیاموزید و برای جمع آوری بینش از فیلم ها ، از مدل های یادگیری ماشین آموزش دیده استفاده کنید.
نکات و نکات کار با تصاویر را در TensorFlow 2.0 بیاموزید
نحوه پیاده سازی یادگیری انتقال را با استفاده از PyTorch ، چارچوب محبوب یادگیری ماشین کشف کنید.
بیاموزید که چگونه از OpenCV ، کتابخانه دید رایانه رایج ، برای اجرای مدل های یادگیری عمیق آموزش دیده استفاده کنید.