ایجاد و بهرهبرداری از راهحلهای یادگیری ماشین با استفاده از آژور
✅ سرفصل و جزئیات آموزش
آنچه یاد خواهید گرفت:
- یادگیری نحوه استفاده از Azure Machine Learning Python SDK برای ایجاد و مدیریت راهحلهای ML آماده برای سازمانها
- کار با داده و محاسبات در Azure Machine Learning
- استفاده از Azure Machine Learning SDK برای آموزش مدل، انتخاب مدلها و محافظت از داده حساس
- ارکستراسیون پایپلاینها و استقرار سرویسهای یادگیری ماشین بهصورت بلادرنگ با Azure Machine Learning
توضیحات دوره
Azure Machine Learning، پلتفرم ابری برای آموزش، استقرار، مدیریت و نظارت بر مدلهای یادگیری ماشین است. در این دوره، شما یاد میگیرید که چگونه از Azure Machine Learning Python SDK برای ایجاد و مدیریت راهحلهای ML آماده برای سازمانها استفاده کنید.
این دوره سومین دوره از یک برنامه پنج دورهای است که شما را برای شرکت در آزمون گواهینامه DP-100: Designing and Implementing a Data Science Solution on Azurecertification آماده میکند.
آزمون گواهینامه فرصتی برای اثبات دانش و تخصص در بهرهبرداری از راهحلهای یادگیری ماشین در مقیاس ابری با استفاده از Azure Machine Learning است. این تخصص شما را آموزش میدهد تا از دانش موجود خود در پایتون و یادگیری ماشین برای مدیریت جذب و آمادهسازی داده، آموزش و استقرار مدل و نظارت بر راه حل یادگیری ماشین در مایکروسافت آژور استفاده کنید. هر دوره مفاهیم و مهارتهایی را که مورد ارزیابی این آزمون قرار میگیرند به شما آموزش میدهد.
این تخصص برای دانشمندان داده طراحی شده که از پایتون و فریمورکهای یادگیری ماشین مانند Scikit-Learn و PyTorch و تنسورفلو دانش قبلی دارند و میخواهند راهحلهای یادگیری ماشین را در ابر ایجاد و استفاده کنند. این دوره به دانشمندان داده آموزش میدهد که چگونه راهحلهای end-to-end را در مایکروسافت آژور ایجاد کنند. دانشجویان یاد میگیرند که چگونه منابع آژور را برای یادگیری ماشین مدیریت کنند، تستها را اجرا کنند و مدلها را آموزش دهند، راهحلهای یادگیری ماشین را مستقر و عملیاتی کنند و یادگیری ماشین مسئولانه را پیاده کنند. آنها همچنین میآموزند که چگونه از Azure Databricks برای بررسی، آمادهسازی و مدلسازی داده استفاده کرده و فرآیندهای یادگیری ماشین Databricks را با Azure Machine Learning یکپارچه کنند.
ایجاد و بهرهبرداری از راهحلهای یادگیری ماشین با استفاده از آژور
-
آشنایی با تحلیل داده مدرن در انبار داده آژور 3:22
-
مقدمه درس 0:57
-
فضاهای کاری Azure Machine Learning 2:44
-
ابزارها و رابطهای Azure Machine Learning 8:06
-
تستهای Azure Machine Learning 4:37
-
خلاصه درس 0:17
-
مقدمه درس 0:35
-
خلاصه درس 0:17
-
سیلابس دوره None
-
چگونه در این دوره موفق باشید؟ None
-
تمرین - ایجاد یک فضای کاری None
-
تمرین - اجرای تستها None
-
مطالعه اضافی None
-
اجرای اسکریپت آموزش None
-
استفاده از پارامترهای اسکریپت None
-
رجیستر مدلها None
-
تمرین - آموزش و رجیستر یک مدل None
-
مقدمه درس 0:25
-
آشنایی با دیتااستورها 1:19
-
استفاده از دیتااستورها 1:21
-
خلاصه درس 0:22
-
مقدمه درس 0:34
-
محیطها در Azure Machine Learning 1:20
-
آشنایی با اهداف محاسباتی 2:41
-
خلاصه درس 0:28
-
آشنایی با مجموعه دادهها None
-
استفاده از مجموعه دادهها None
-
تمرین - کار با داده None
-
مطالعه اضافی None
-
ایجاد محیطها None
-
ایجاد اهداف محاسباتی None
-
استفاده از اهداف محاسباتی None
-
تمرین - کار با کانتکسهای محاسباتی None
-
مطالعه اضافی None
-
مقدمه درس 1:23
-
آشنایی با پایپلاینها 1:56
-
انتقال داده بین مراحل پایپلاینها 1:26
-
خلاصه درس 0:09
-
مقدمه درس 0:39
-
عیبیابی استقرار سرویس 1:16
-
خلاصه درس 0:15
-
تعریف و استفاده از کامپوننتهای پایپلاین None
-
استفاده مجدد از مراحل پایپلاین None
-
انتشار پایپلاینها None
-
استفاده از پارامترهای پایپلاین None
-
زمانبندی پایپلاینها None
-
تمرین - ایجاد یک پایپلاین None
-
مطالعه اضافی None
-
استقرار یک مدل بهعنوان سرویس بلادرنگ None
-
Consume کردن سرویس استنتاج بلادرنگ None
-
تمرین - استقرار یک مدل بهعنوان سرویس بلادرنگ None
-
مقدمه درس 0:44
-
خلاصه درس 0:12
-
مقدمه درس 2:01
-
تعریف فضای جستجو 1:15
-
پیکربندی خاتمه زودهنگام 1:50
-
خلاصه درس 0:15
-
ایجاد پایپلاین استنتاج دستهای None
-
انتشار پایپلاین استنتاج دستهای None
-
تمرین - ایجاد پایپلاین استنتاج دستهای None
-
پیکربندی نمونهبرداری None
-
اجرای تست تیونینگ هایپرپارامترها None
-
تمرین - تیونینگ هایپرپارامترها None
-
مقدمه درس 0:53
-
تسکها و الگوریتمهای یادگیری ماشین خودکار 1:01
-
پیشپردازش و ویژگیسازی 1:03
-
خلاصه درس 0:20
-
مقدمه درس 1:27
-
درک حریم خصوصی تفاضلی 0:36
-
پیکربندی پارامترهای حریم خصوصی داده 1:45
-
خلاصه درس 0:26
-
مقدمه درس 0:45
-
اهمیت ویژگی 3:34
-
استفاده از explainers 2:01
-
مصورسازی توضیحات 0:38
-
خلاصه درس 0:30
-
اجرای تستهای یادگیری ماشین خودکار None
-
تمرین - استفاده از یادگیری ماشین خودکار None
-
مطالعه اضافی None
-
تمرین - استفاده از حریم خصوصی تفاضلی None
-
مطالعه اضافی None
-
ایجاد توضیحات None
-
تمرین - تفسیر مدلها None
-
مطالعه اضافی None
-
مقدمه درس 0:50
-
در نظر گرفتن انصاف مدل 5:59
-
تحلیل انصاف مدل با Fairlearn 1:49
-
کاهش بی انصافیها با Fairlearn 3:58
-
خلاصه درس 0:21
-
مقدمه درس 0:49
-
فعالسازی بینشهای اپلیکیشن 1:10
-
خلاصه درس 0:26
-
مقدمه درس 1:06
-
ایجاد مانیتور رانش داده 1:56
-
زمانبندی هشدارها 1:00
-
خلاصه درس 0:31
-
تبریک 0:58
-
تمرین - استفاده از Fairlearn با Azure Machine Learning None
-
مطالعه اضافی None
-
ضبط و مشاهده تلهمتری None
-
تمرین - نظارت بر یک مدل None
-
مطالعه اضافی None
-
تمرین - نظارت بر رانش داده None
-
مطالعه اضافی None
-
مرحلههای بعدی None
مشخصات آموزش
ایجاد و بهرهبرداری از راهحلهای یادگیری ماشین با استفاده از آژور
- تاریخ به روز رسانی: 1404/06/14
- سطح دوره:متوسط
- تعداد درس:105
- مدت زمان :01:18:38
- حجم :179.0MB
- زبان:دوبله زبان فارسی
- دوره آموزشی:AI Academy