انتخاب رویکرد مناسب یادگیری ماشین برای پرونده تجاری شما با ISO/IEC 25053:2022
✅ سرفصل و جزئیات آموزش
در این دوره کامپوننتهای سیستم یادگیری ماشین (ML)، عملکرد آنها در اکوسیستم هوش مصنوعی و نحوه انتخاب بهترین رویکرد برای پایپ لاین کسب و کار خود را می آموزید.
در این دوره، مدرس لایرون آندرو به شما نشان میدهد که چگونه میتوان کامپوننتهای سیستم یادگیری ماشین (ML) و عملکرد آنها در اکوسیستم هوش مصنوعی را توصیف کرد. این امر شامل شناسایی یادگیری عمومی، نظارت شده، نظارت نشده و نیمهنظارتی یا خودنظارتی، به همراه enumerate کردن مراحل مربوط به پایپ لاین یادگیری ماشین می باشد.
در این مسیر، بینشهایی را برای ارزیابی نیاز به تشخیص ناهنجاریها و کاهش ابعاد مرتبط با آموزش مدلها جمعآوری می کنید. مدرس مراحل پایپ لاین یادگیری ماشین از اکتساب و آمادهسازی داده تا مدلسازی، تأیید و اعتبارسنجی را تشریح میکند. در پایان دوره، آماده خواهید بود تا رویکرد مناسب یادگیری ماشین را برای برآوردن نیازهای منحصر به فرد پرونده تجاری خود انتخاب کنید.
انتخاب رویکرد مناسب یادگیری ماشین برای پرونده تجاری شما با ISO/IEC 25053:2022
-
چرا به رویکرد فرآیند یادگیری ماشین نیاز است؟ 0:00:45
-
بررسی کلی بندها، اصطلاحات و تعاریف (بندهای 3-5) 0:03:24
-
تسک عمومی (بندهای 6-6.2) 0:02:14
-
جزئیات تسک (بندهای 6.2.2-6.2.7) 0:04:44
-
مدل یادگیری ماشین (بند 6.3) 0:04:13
-
داده یادگیری ماشین (بند 6.4) 0:03:33
-
ابزارها و آمادهسازی داده (بندهای 6.5-6.5.2) 0:03:22
-
ماشین های بردار پشتیبان در یادگیری ماشین (بند 6.5.3.5) 0:03:58
-
بازیه در یادگیری ماشین (بند 6.5.3.3) 0:03:11
-
درخت تصمیم گیری در یادگیری ماشین (بند 6.5.3.6) 0:03:05
-
یادگیری ماشین عمومی و یادگیری ماشین FFNN (بندهای 6.5.3.2-6.5.3.2.2) 0:04:15
-
یادگیری ماشین RNN و LSTM (بندهای 6.5.3.2.3-6.5.3.2.3.2) 0:04:26
-
یادگیری ماشین CNN و CapNet (بندهای 6.5.3.2.4، 6.5.3.2.7) 0:05:21
-
یادگیری ماشین DBM، پرسپترون ساختاری و GAN (بند 6) 0:07:17
-
متدهای بهینهسازی یادگیری ماشین (بندهای 6.5.4-6.5.4.8) 0:05:23
-
متریک های ارزیابی یادگیری ماشین (بندهای 6.5.5-6.5.5.8) 0:05:56
-
عمومی، نظارت شده و نظارت نشده (بندهای 7-7.3) 0:04:25
-
نیمهنظارتی و خودنظارتی (بندهای 7.4-7.5) 0:04:46
-
تقویت و انتقال (بندهای 7.6-7.7) 0:04:06
-
اکتساب و آمادهسازی داده (بندهای 8-8.3) 0:04:00
-
جزئیات آمادهسازی داده (بند 8.3) 0:04:36
-
مدلسازی، تأیید و اعتبارسنجی (بندهای 8.5-8.6) 0:05:28
-
استقرار و عملکرد مدل (بندهای 8.6-8.7) 0:03:44
-
مثال پایپ لاین یادگیری ماشین (بند 8.8) 0:05:17
-
ادامه توسعه پرونده تجاری شما در یادگیری ماشین 0:01:00
مشخصات آموزش
انتخاب رویکرد مناسب یادگیری ماشین برای پرونده تجاری شما با ISO/IEC 25053:2022
- تاریخ به روز رسانی: 1404/06/14
- سطح دوره:متوسط
- تعداد درس:25
- مدت زمان :1:42:29
- حجم :211.0MB
- زبان:دوبله زبان فارسی
- دوره آموزشی:AI Academy
آموزش های مرتبط
- زمان: 01:39:55
- تعداد درس: 6
-
سطح دوره:
-
زبان: دوبله فارسی
- زمان: 04:47:39
- تعداد درس: 30
-
سطح دوره:
-
زبان: دوبله فارسی
- زمان: 03:48:11
- تعداد درس: 47
-
سطح دوره:
-
زبان: دوبله فارسی
-
سطح دوره:
-
زبان: دوبله فارسی
- زمان: 54:55
- تعداد درس: 18
-
سطح دوره:
-
زبان: دوبله فارسی
- زمان: 04:33:59
- تعداد درس: 86
-
سطح دوره:
-
زبان: دوبله فارسی
- زمان: 23:25:23
- تعداد درس: 78
-
سطح دوره:
-
زبان: دوبله فارسی
- زمان: 01:08:59
- تعداد درس: 8
-
سطح دوره:
-
زبان: دوبله فارسی
- زمان: 12:44:39
- تعداد درس: 121
-
سطح دوره:
-
زبان: دوبله فارسی