ایجاد مدلهای یادگیری ماشین در مایکروسافت آژور
✅ سرفصل و جزئیات آموزش
آنچه یاد خواهید گرفت:
- چگونه یک محیط کار کاربردی برای حجم کارهای علم داده در آژور برنامهریزی و ایجاد کنیم؟
- چگونه آزمایشهای داده را انجام داده و مدلهای پیشبینی را آموزش دهیم؟
توضیحات دوره
یادگیری ماشین پایه و اساس مدلسازی پیشبینی و هوش مصنوعی است. اگر میخواهید در مورد مفاهیم پایه و نحوه شروع ساخت مدلها با رایجترین ابزارهای یادگیری ماشین یاد بگیرید، این مسیر برای شما مناسب است. در این دوره، اصول اساسی یادگیری ماشین و اینکه چگونه از ابزارها و فریمورکهای رایج برای آموزش، ارزیابی و استفاده از مدلهای یادگیری ماشین استفاده کنید را یاد خواهید گرفت.
این دوره به گونهای طراحی شده است که شما را برای نقشهایی آماده کند که شامل برنامهریزی و ایجاد یک محیط کار کاربردی برای حجم کارهای علم داده در آژور میباشد. شما یاد خواهید گرفت چگونه آزمایشهای داده را انجام داده و مدلهای پیشبینی را آموزش دهید. علاوه بر این، شما مدیریت، بهینهسازی و استقرار مدلهای یادگیری ماشین در تولید را نیز یاد خواهید گرفت.
از ابتداییترین مدلهای کلاسیک یادگیری ماشین تا تحلیل داده اکتشافی و سفارشیسازی معماریها، شما در محتوای مفهومی ساده و Jupyter notebooks تعاملی راهنمایی خواهید شد.
اگر از قبل با مفهوم یادگیری ماشین آشنا هستید یا دانش قوی در زمینه ریاضی دارید، این دوره برای شما عالی است. این ماژولها برخی از مفاهیم یادگیری ماشین را آموزش میدهند، اما سریع پیش میروند تا به قدرت استفاده از ابزارهایی مانند تنسورفلو، scikit-learn و پای تورچ برسند. این مسیر یادگیری همچنین بهترین گزینه برای شما است اگر می خواهید آشنایی کافی برای درک مثالهای یادگیری ماشین برای محصولاتی مانند Azure ML یا Azure Databricks داشته باشید. همچنین، این دوره یک نقطه عالی برای شروع است، اگر قصد دارید فراتر از یادگیری ماشین کلاسیک بروید و درباره یادگیری عمیق و شبکههای عصبی یاد بگیرید که ما فقط در اینجا آنها را معرفی میکنیم.
این برنامه شامل 5 دوره است که به شما کمک میکند تا برای آزمون DP-100: Designing and Implementing a Data Science Solution on Azure آماده شوید. آزمون گواهینامه فرصتی برای اثبات دانش و تخصص در بهکار انداختن راهحلهای یادگیری ماشین در مقیاس ابر با Azure Machine Learning است. این تخصص به شما یاد میدهد چگونه از دانش فعلی خود در پایتون و یادگیری ماشین برای مدیریت هضم و آمادهسازی داده ، آموزش و استقرار مدل و نظارت بر راهحلهای یادگیری ماشین در مایکروسافت آژور استفاده کنید. هر دوره مفاهیم و مهارتهایی که در آزمون اندازهگیری میشوند را آموزش میدهد.
ایجاد مدلهای یادگیری ماشین در مایکروسافت آژور
-
مقدمهای بر دوره 2:18
-
آزمون گواهینامه DP-100: Designing and Implementing a Data Science Solution on Azure 4:57
-
مقدمهای بر درس 1:37
-
خلاصه درس 0:51
-
مقدمهای بر درس 1:15
-
رگرسیون چیست؟ 6:07
-
خلاصه درس 0:34
-
برنامه درسی دوره None
-
آزمون DP-100: مهارتهای مورد سنجش None
-
چگونه در این دوره موفق باشیم؟ None
-
بررسی داده با NumPy و پانداس None
-
تمرین - بررسی داده با NumPy و پانداس None
-
مصورسازی داده None
-
تمرین - مصورسازی داده با Matplotlib None
-
بررسی داده واقعی None
-
تمرین - بررسی داده واقعی None
-
تمرین - آموزش و ارزیابی یک مدل رگرسیون None
-
کشف مدلهای رگرسیون جدید None
-
تمرین - آزمایش با مدلهای رگرسیون قدرتمندتر None
-
بهبود مدلها با هایپرپارامترها None
-
تمرین - بهینهسازی و ذخیره مدلها None
-
مقدمهای بر درس 1:01
-
دستهبندی چیست؟ 3:14
-
ارزیابی مدلهای دستهبندی 1:59
-
خلاصه درس 0:31
-
مقدمهای بر درس 0:52
-
خوشهبندی چیست؟ 1:20
-
خلاصه درس 0:28
-
تمرین - آموزش و ارزیابی یک مدل دستهبندی None
-
تمرین - انجام دستهبندی با متریکهای جایگزین None
-
ایجاد مدلهای دستهبندی چندکلاسه None
-
تمرین - آموزش و ارزیابی مدلهای دستهبندی چندکلاسه None
-
تمرین - آموزش و ارزیابی یک مدل خوشهبندی None
-
ارزیابی انواع مختلف خوشهبندی None
-
تمرین - آموزش و ارزیابی مدلهای خوشهبندی پیشرفته None
-
مقدمهای بر درس 2:06
-
مفاهیم شبکههای عصبی عمیق 8:11
-
خلاصه درس 0:23
-
مقدمهای بر درس 0:56
-
لایهها در یک شبکه عصبی کانولوشن 6:48
-
یادگیری انتقالی 1:17
-
خلاصه درس 0:21
-
خاتمه دوره 0:53
-
تمرین - آموزش یک شبکه عصبی عمیق None
-
تمرین - آموزش یک شبکه عصبی کانولوشن None
-
تمرین - استفاده از یادگیری انتقالی None
-
چه انتظاری از گامهای بعدی داشته باشیم؟ None
مشخصات آموزش
ایجاد مدلهای یادگیری ماشین در مایکروسافت آژور
- تاریخ به روز رسانی: 1404/06/14
- سطح دوره:متوسط
- تعداد درس:47
- مدت زمان :47:59
- حجم :99.0MB
- زبان:دوبله زبان فارسی
- دوره آموزشی:AI Academy