ساخت سیستمهای یادگیری ماشین آماده تولید در گوگل
✅ سرفصل و جزئیات آموزش
آنچه یاد خواهید گرفت:
- مقدمهای بر شروع کار با پلتفرم گوگل کلود (GCP)
- خواندن و پردازش داده متنی در GCP
- توسعه الگوریتمهای یادگیری ماشین در GCP
- استقرار مدلهای یادگیری ماشین
توضیحات دوره
یادگیری ماشین (ML) بخشی جداییناپذیر از پیشرفتهای تکنولوژیکی شده و راهحلهای نوآورانهای را در صنایع مختلف ارائه میدهد. این دوره به طور خاص بر توسعه و استقرار سیستمهای یادگیری ماشین مقاوم و آماده تولید با استفاده از پلتفرم گوگل کلود (GCP) تمرکز دارد. با توجه به نیاز روزافزون به مدلهای هوش مصنوعی مقیاسپذیر و کارآمد واقعی، این دوره به گونهای طراحی شده که فاصله میان مفاهیم نظری یادگیری ماشین و کاربردهای عملی و صنعتی را در GCP پر کند. همچنین، این دوره ورود قابل توجهی به دنیای مهم و سودآور مهندسی داده است.
چرا این دوره را انتخاب کنید؟
مدرس دارای مدرک دکترای خود از دانشگاه کمبریج است و به ویژه در زمینه هوش مصنوعی و یادگیری ماشین تخصص دارد. به همراه تجربه گسترده در استقرار راهحلهای یادگیری ماشین در محیطهای حساس، اطلاعات و بینشهای عملی زیادی را به ارمغان میآوریم.
این دوره برای دانشمندان داده، مهندسان و متخصصان هوش مصنوعی که به دنبال برتری در پیادهسازی سیستمهای یادگیری ماشین در مقیاس هستند، طراحی شده است. با پیوستن به دوره، سفر خود را برای تسلط به بهرهبرداری از GCP برای استقرار مدلهای پیچیده یادگیری ماشین آغاز خواهید کرد.
در اینجا آنچه دوره ارائه میدهد آمده است:
- درک عمیق از GCP برای یادگیری ماشین - یادگیری اصول و ویژگیهای پیشرفته GCP که آن را به پلتفرمی ایدهآل برای استقرارهای یادگیری ماشین تبدیل میکند.
- توسعه عملی سیستم یادگیری ماشین - شرکت در جلسات عملی که فرآیند کامل ساخت و استقرار مدلهای یادگیری ماشین روی GCP را پوشش میدهد.
- کاربردهای واقعی و مطالعات موردی - تحلیل و یادگیری از مطالعات موردی واقعی که در آن سیستمهای یادگیری ماشین با موفقیت مستقر شدهاند.
- مباحث پیشرفته در یادگیری ماشین - بررسی مباحث پیشرفته در یادگیری ماشین، از جمله یادگیری ماشین خودکار (AutoML)، نظارت بر مدلهای یادگیری ماشین و مدیریت چرخه عمر
- پشتیبانی و راهنمایی مداوم - بهره بردن از پشتیبانی پیوسته در تمام مراحل یادگیری خود تا مطمئن شوید در مسیر درست هستید و سرمایهگذاری خود را به حداکثر برسانید.
چه به دنبال ارتقای مهارتهای خود در یک نقش فعلی باشید و چه به دنبال ورود به دنیای هوش مصنوعی و یادگیری ماشین، این دوره به شما دانش و مهارتهایی را که برای موفقیت در صنعت فناوری سریع امروزی لازم است، ارائه میدهد.
هماکنون در دوره شرکت کنید و اولین قدم را به سوی تسلط به هنر ساخت و استقرار سیستمهای یادگیری ماشین آماده تولید در پلتفرم گوگل کلود بردارید.
این دوره برای چه کسانی مناسب است؟
- افرادی که میخواهند از قدرت رایانش ابری از طریق GCP بهرهبرداری کنند.
- یادگیرندگان فناوریهای قدرتمند مرتبط با GCP، از جمله BigQuery و AutoML
- افرادی که میخواهند مدلهای یادگیری ماشین را در GCP پیادهسازی و مستقر کنند.
ساخت سیستمهای یادگیری ماشین آماده تولید در گوگل
-
مقدمه - مدلسازی علم داده تا استقرار 03:56
-
نصب پایتون 3 05:44
-
تایپهای مختلف داده 03:37
-
یوزکیسهای GCP 03:03
-
از کجا شروع کنیم؟ 02:29
-
اکوسیستم GCP 02:37
-
نگاهی به رابط GCP (و دسترسی به دوره آزمایشی رایگان) 02:28
-
مجوزها و دسترسی 03:16
-
برخی کامپوننتهای یادگیری ماشین GCP 01:34
-
باکتهای GCP 04:55
-
نمایش مجازی - ماشینهای مجازی (VMs) 05:08
-
جزئیات Google Big Query 05:51
-
راهاندازی بودجه خود 02:39
-
یادگیری ماشین چیست؟ 05:32
-
یادگیری نظارت نشده چیست؟ 01:38
-
تئوری پشت خوشهبندی k-Means 01:57
-
مقدمهای بر یادگیری ماشین نظارت شده 10:10
-
ایجاد اولین پروژه GCP خود 04:43
-
شروع کار با Vertex 05:10
-
شروع JupyterLab 02:46
-
آپلود داده خود در باکت خود 02:56
-
بیشتر از اکوسیستم Vertex 05:04
-
مقدمهای بر مسئله نمونه یادگیری ماشین 04:27
-
مصورسازی Predictors 04:05
-
تحلیل مولفه اصلی (PCA) چیست؟ 02:37
-
پیادهسازی PCA روی Predictors 03:13
-
آمادهسازی برای پیادهسازی یادگیری ماشین 03:19
-
پیادهسازی ماشین بردار پشتیبان (SVM) برای طبقهبندی 08:16
-
ارزیابی دقت 01:47
-
چرا AutoML؟ 01:34
-
ایجاد مجموعه داده 02:33
-
ایجاد مجموعه داده - ذخیرهسازی ابری 01:55
-
یک مقدمه سریع در اجرای مدل طبقهبندی جدولی 01:32
-
ارزیابی نتایج AutoML 03:23
-
راهاندازی مدل رگرسیون جدولی 06:06
-
بررسی رجیستری مدل 01:53
-
استقرار اندپوینت 03:42
-
اجرای مدل AutoML در مقیاس تولید در Vertex AI-Prep 04:56
-
مراحل مقدماتی جذب داده 04:57
-
توسعه یک پایپلاین تحلیل 04:48
-
استقرار مدل و Housekeeping 03:24
-
دسترسی به AutoML برای پردازش زبان طبیعی (NLP) 05:28
-
AutoML برای تحلیل احساسات 01:01
-
پایپلاین جذب داده برای داده متنی 02:46
-
آمادهسازی برای تحلیل احساسات با AutoML 02:42
-
آموزش پایپلاین تحلیل احساسات با AutoML 03:34
-
راهاندازی پیشبینیهای دستهای 03:36
مشخصات آموزش
ساخت سیستمهای یادگیری ماشین آماده تولید در گوگل
- تاریخ به روز رسانی: 1405/04/02
- سطح دوره:همه سطوح
- تعداد درس:47
- مدت زمان :02:57:01
- حجم :1.34GB
- زبان:دوبله زبان فارسی
- دوره آموزشی:AI Academy