تکنیکهای پیشرفته علم داده (با یکپارچهسازی AWS)
✅ سرفصل و جزئیات آموزش
توضیحات دوره
در این دوره جامع، تکنیکهای پیشرفته یادگیری ماشین و استقرار در ابر را میآموزید. با انجام پروژههای عملی، یاد میگیرید چگونه مدلهای یادگیری ماشین پیچیده را با استفاده از سرویسهای AWS بسازید، ارزیابی کرده و در ابر مستقر کنید. همچنین از ابزارهای هوش مصنوعی برای بهبود گردشکار خود بهره میبرید.
این دوره برای تحلیلگران و دانشمندان داده مناسب است که میخواهند تواناییهای خود را در یادگیری ماشین ارتقا دهند و تجربه عملی در رایانش ابری کسب کنند. شما از مفاهیم پیشرفته یادگیری ماشین شروع میکنید و سپس به یکپارچهسازی با AWS میرسید تا تخصص لازم برای پیادهسازی راهحلهای سطح سازمانی در علم داده را توسعه دهید.
آنچه در پایان دوره قادر خواهید بود:
- ساخت و ارزیابی مدلهای یادگیری ماشین پیچیده با تکنیکهای پیشرفته
- استقرار راهحلهای مقیاسپذیر با AWS SageMaker و سرویسهای مرتبط
- انجام مهندسی ویژگی پیشرفته با کمک هوش مصنوعی
- پیادهسازی تحلیل سریهای زمانی و روشهای یادگیری نظارت نشده
- ایجاد پایپلاین end-to-end یادگیری ماشین در ابر
تکنیکهای پیشرفته علم داده (با یکپارچهسازی AWS)
-
خوشآمدگویی به دوره تکنیکهای پیشرفته علم داده 1:41
-
یک روز از زندگی - مصاحبه با یک متخصص 4:30
-
فرآیند یادگیری ماشین - از شروع تا پایان 3:24
-
ملزومات AWS برای علم داده 2:42
-
راهاندازی S3 ،Glue و Athena برای تحلیل داده 3:16
-
ناوبری رابط کاربری SageMaker 4:26
-
سیلابس و نقشه راه دوره None
-
منابع دوره - مجموعه دادهها و نوتبوکها None
-
معرفی InsightlySoft None
-
دسترسی به ترنسکریپت ویدئوها None
-
درک فرآیند یادگیری ماشین None
-
ابزارهای ابری چگونه به یادگیری ماشین کمک میکنند؟ None
-
نگاشت سرویسهای AWS در گردشکار علم داده None
-
کامپوننتهای AWS و بهترین شیوههای امنیت None
-
استفاده از Athena ،Glue و S3 برای کوئریهای داده None
-
راهاندازی SageMaker Unified Studio None
-
بررسی ابزارهای مرتبط با AWS (EC2 و RDS) None
-
آمادهسازی داده برای یادگیری ماشین 6:11
-
تکنیکهای رگرسیون در پایتون 7:14
-
ساخت مدلهای طبقهبندی 5:44
-
اصول آمادهسازی داده برای یادگیری ماشین None
-
ارتباط متریکهای فنی با تأثیرات کسبوکار None
-
آشنایی با مدلهای طبقهبندی None
-
ارتباط متریکهای دستهبندی با نتایج کسبوکار None
-
تحلیل سریهای زمانی در پایتون 6:33
-
تکنیکهای خوشهبندی و PCA 4:14
-
مفاهیم سری زمانی و مدلسازی ARIMA None
-
مدلهای پیشرفته یادگیری ماشین - Prophet و مدلهای دیگر None
-
ارزیابی یادگیری نظارت نشده - خوشهبندی و کاهش ابعاد None
-
بهبود ویژگیها با استفاده از هوش مصنوعی 7:54
-
انتخاب ویژگی 4:32
-
ارزیابی و تیونینگ مدلهای خود 6:44
-
پیشنهادهای ویژگی تولید شده توسط هوش مصنوعی None
-
بررسی متریکهای ارزیابی و مفاهیم تیونینگ None
-
استقرار پایه اولیه در SageMaker AI 5:29
-
مصاحبه با متخصص درباره پروژههای یادگیری ماشین ابر End‑to‑End 2:42
-
مبانی استقرار مدل با SageMaker AI None
-
درک مسیر پروژه Capstone None
-
معرفی مجموعه داده پروژه Capstone None
-
جمعبندی دوره None
مشخصات آموزش
تکنیکهای پیشرفته علم داده (با یکپارچهسازی AWS)
- تاریخ به روز رسانی: 1405/04/02
- سطح دوره:مقدماتی
- تعداد درس:40
- مدت زمان :01:17:16
- حجم :476.0MB
- زبان:دوبله زبان فارسی
- دوره آموزشی:AI Academy
آموزش های مرتبط
- زمان: 05:03:33
- تعداد درس: 37
-
سطح دوره:
-
زبان: دوبله فارسی
- زمان: 01:23:15
- تعداد درس: 8
-
سطح دوره:
-
زبان: دوبله فارسی
- زمان: 13:07:38
- تعداد درس: 87
-
سطح دوره:
-
زبان: دوبله فارسی
- زمان: 03:02:02
- تعداد درس: 14
-
سطح دوره:
-
زبان: دوبله فارسی
- زمان: 58:00
- تعداد درس: 12
-
سطح دوره:
-
زبان: دوبله فارسی
-
سطح دوره:
-
زبان: دوبله فارسی
- زمان: 11:25:13
- تعداد درس: 94
-
سطح دوره:
-
زبان: دوبله فارسی
- زمان: 06:58:57
- تعداد درس: 60
-
سطح دوره:
-
زبان: دوبله فارسی
- زمان: 02:27:39
- تعداد درس: 24
-
سطح دوره:
-
زبان: دوبله فارسی