دوره آموزشی
دوبله زبان فارسی
گواهینامه AWS Certified Machine Learning Engineer - Associate MLA-C01
✅ سرفصل و جزئیات آموزش
آنچه یاد خواهید گرفت:
- قبولی در آزمون گواهینامه AWS Certified Machine Learning Engineer Associate Exam (MLA-C01)
- آزمون تمرینی کامل به همراه توضیحات کامل برای قبولی در آزمون ACE
- همهی اسلایدها به صورت PDFs قابل دانلود
- همه مباحث پوشش داده شده و 100% بروزرسانی
- دموهای عملی با سناریوهای واقعی
- شروع حرفه یادگیری ماشین خود
- ساخت، آموزش و استقرار مدلهای یادگیری ماشین در Amazon SageMaker
- جذب و پیشپردازش داده با SageMaker Data Wrangler
- پایپلاینهای کامل یادگیری ماشین با SageMaker و بسیاری موارد دیگر
- تسلط به کاملترین چرخه عمر یادگیری ماشین با مهارتهای واقعی
پیشنیازهای دوره
- هیچ تجربهای در زمینه AWS یا یادگیری ماشین نیاز نیست.
توضیحات دوره
این دوره تنها دورهای است که برای آمادهسازی و قبولی در آزمون گواهینامه AWS Certified Machine Learning Engineer - Associate exam (MLA-C01) نیاز دارید.
شما باید آمادگی و یادگیری برای آزمون خود در یادگیری ماشین روی AWS را با پروژههای عملی واقعی، آزمونها و یک آزمون تمرینی کامل، سرگرمکننده، آسان و بسیار موثر کنید.
این دوره به شما تمام مباحثی که برای تسلط به آزمون نیاز دارید را آموزش میدهد.
چرا این تنها دورهای است که برای قبولی در آزمون گواهینامه AWS Certified Machine Learning Engineer نیاز دارید؟
- هر مبحث به طور عمیق پوشش داده شده است.
- 100% بروزرسانی
- عملی و کاربردی
- آزمون تمرینی کامل که شامل تمام توضیحات است.
- مهارتهای عملی و واقعی
- نکات موفقیت
- این دوره شما را گام به گام راهنمایی میکند تا به بهترین شکل ممکن برای آزمون آماده شوید.
- وقت خود را هدر ندهید بلکه روی آنچه واقعاً برای تسلط به آزمون اهمیت دارد، تمرکز کنید.
این دوره شما را گام به گام برای بهترین آمادهسازی برای آزمون راهنمایی میکند و شروع یک حرفه موفق در یادگیری ماشین را موجب میشود.
مدرس شما
مأموریت ما در دوره این است که شما را از استرس آزمون دور کرده و یادگیری را سرگرمکننده و بسیار موثر کنیم تا زمان آمادگی شما را به حداقل برسانیم. میخواهیم مطمئن شویم که بهترین شانس موفقیت را دارید و در مسیر حرفهای خود با AWS Machine Learning Engineer certification پیشرفت میکنید.
تبدیل شدن به یک متخصص و یادگیری چرخه عمر کامل یادگیری ماشین در AWS:
- قبولی در آزمون گواهینامه AWS Certified Machine Learning Engineer
- تسلط به یادگیری ماشین در AWS و تبدیل شدن به یک متخصص
- ساخت، آموزش و استقرار مدلهای یادگیری ماشین با SageMaker
- ارکستراسیون گردشکارهای یادگیری ماشین با پایپلاینهای SageMaker
- انجام تبدیل و جذب داده با SageMaker Data Wrangler و AWS Glue
- استفاده از فروشگاه ویژگی SageMaker برای مهندسی ویژگی
- استقرار مدلها با استفاده از استنباط بلادرنگ، دستهای و بدون سرور
- نظارت بر مدلها در تولید با SageMaker Model Monitor
- اشکالزدایی و بهینهسازی مدلها با SageMaker Debugger و Profiler
- پیادهسازی شیوههای هوش مصنوعی مسئول با SageMaker Clarify
- درک سرویسهای ذخیرهسازی و پردازش داده AWS مربوط به یادگیری ماشین
- امنیت گردشکارهای یادگیری ماشین خود با IAM و KMS و VPCs
- پیادهسازی پایپلاینهای CI/CD برای یادگیری ماشین با استفاده از SageMaker و AWS CodePipeline
- بهینهسازی هزینهها و نظارت بر حجمهای کاری یادگیری ماشین با CloudWatch و ابزارهای مدیریت هزینه AWS
- و موارد بسیار دیگر
چه شما در یادگیری ماشین تازهکار باشید یا به دنبال گسترش تخصص AWS خود، این دوره همه مواردی را که نیاز دارید ارائه میدهد. دوره لابراتوارهای عملی، یک آزمون تمرینی کامل و محتوای بروزرسانی برای هر جنبهای از یادگیری ماشین روی AWS را پوشش میدهد.
امروز این فرصت را غنیمت بشمارید. این دوره میتواند اولین قدم شما به سوی یک حرفه موفق در مهندسی یادگیری ماشین باشد.
این دوره برای چه کسانی مناسب است؟
- مهندسان مشتاق یادگیری ماشین که به دنبال دریافت گواهینامه و شروع حرفه خود در یادگیری ماشین هستند.
- دانشمندان داده، مهندسان داده، توسعهدهندگان و متخصصان IT
- حرفهایهایی که به دنبال گسترش دانش خود درباره یادگیری ماشین روی AWS هستند.
گواهینامه AWS Certified Machine Learning Engineer - Associate MLA-C01
-
خوش آمدید! 02:13
-
درباره آزمون و دوره 07:59
-
نکات مهم دوره 02:28
-
یادگیری ماشین در حساب Tier رایگان AWS 06:18
-
نوتبوکهای SageMaker 06:37
-
راهاندازی نمونه نوتبوک SageMaker 06:58
-
عملیاتهای اولیه در نمونه نوتبوک SageMaker 09:17
-
راهاندازی دامنه و کاربران در SageMaker Studio 08:08
-
بررسی SageMaker Studio 08:58
-
یادگیری ماشین - بودجههای AWS 06:32
-
SageMaker - مبانی و راهاندازی None
-
آمادهسازی داده با Data Wrangler 04:38
-
SageMaker - جذب داده و مهندسی ویژگی None
-
ایمپورت داده با استفاده از Data Wrangler 07:07
-
Data Wrangler - دریافت بینشها 05:56
-
Data Wrangler - تبدیل داده 09:55
-
اکسپورت داده در Data Wrangler 06:58
-
توقف نمونههای در حال اجرا 02:08
-
درک مهندسی ویژگی 10:21
-
فروشگاه ویژگی SageMaker 05:24
-
فروشگاه ویژگی - ایجاد ویژگیها و گروه ویژگی 09:58
-
نوتبوکهای SageMaker - راهاندازی ویژگیها 09:13
-
Ground Truth در SageMaker 06:25
-
SageMaker - جذب داده و مهندسی ویژگی None
-
ایجاد Jobs برچسبگذاری در Ground Truth 14:27
-
راهاندازی نیروی کار Ground Truth 06:53
-
Ground Truth Plus 01:30
-
آموزش با الگوریتمهای داخلی 03:08
-
SageMaker JumpStart 06:17
-
SageMaker - آموزش و تیونینگ هایپرپارامتر None
-
استقرار مدل با استفاده از JumpStart 11:31
-
آموزش مدلها - مسیرهای بالقوه 09:00
-
آمادهسازی آموزش مدل 11:10
-
آموزش مدل 07:10
-
بررسی مدل آموزش دیده 02:26
-
تیونینگ مدل و هایپرپارامترها 04:38
-
تکنیکهای بهینهسازی هایپرپارامتر 05:07
-
SageMaker - آموزش و تیونینگ هایپرپارامتر None
-
تیونینگ هایپرپارامتر در نوتبوکها 08:29
-
تیونینگ هایپرپارامتر در رابط کاربری 06:04
-
SageMaker Canvas 06:54
-
پیشبینی و استقرار SageMaker Canvas 05:41
-
اسکریپت آموزش سفارشی 06:49
-
کانتینرهای داکر سفارشی 04:07
-
آموزش توزیع شده 06:51
-
SageMaker - آموزش و تیونینگ هایپرپارامتر None
-
تستهای SageMaker 07:55
-
راه اندازی سرور ردیابی MLflow 08:05
-
راه اندازی تست MLflow 05:08
-
ردیابی و رکورد تستهای MLflow 11:48
-
SageMaker - ردیابی تست None
-
چالشهای هوش مصنوعی مسئول 04:14
-
استراتژیها در برابر سوگیری و تنوع 03:55
-
SageMaker Clarify 06:23
-
SageMaker Clarify - هوش مصنوعی مسئول None
-
SageMaker Clarify - تحلیل قبل از آموزش 10:33
-
SageMaker Clarify - بررسی تحلیل قبل از آموزش 06:49
-
SageMaker Clarify - تحلیل سوگیری مدل 09:32
-
SageMaker Clarify - گزارش توضیحپذیری 09:07
-
SageMaker Debugger 04:13
-
SageMaker Debugger - عملی 15:32
-
استراتژیهای استقرار مدل در SageMaker 05:28
-
SageMaker - اشکالزدایی و استقرار None
-
استقرار اندپوینت استنباط بلادرنگ 06:46
-
استقرار اندپوینت با استفاده از آرتیفکت مدل 03:20
-
اندپوینت استنباط بدون سرور 02:26
-
استقرار با استفاده از تبدیل دستهای 05:24
-
استقرار به عنوان اندپوینت استنباط غیرهمزمان 07:30
-
اندپوینتهای چندمدلی و چندکانتینری در SageMaker 04:30
-
استقرار اندپوینت چندمدلی 06:53
-
SageMaker Neo 05:34
-
نظارت بر مدلها 04:17
-
نظارت بر مدل SageMaker 02:51
-
نظارت بر کیفیت داده در SageMaker 05:58
-
نظارت بر کیفیت مدل با SageMaker 05:10
-
SageMaker - نظارت بر مدلها None
-
ایجاد بیسلاین برای نظارت بر مدل 10:44
-
ایجاد زمانبندی برای نظارت بر SageMaker 07:46
-
پایپلاینهای SageMaker 04:58
-
پایپلاینهای SageMaker - عملی 11:04
-
رجیستری مدل 04:40
-
رجیستری مدل SageMaker 04:00
-
SageMaker - پایپلاینها و رجیستری مدل None
-
درک مدلهای یادگیری ماشین 07:48
-
یادگیری نظارت شده 09:05
-
یادگیری نظارت نشده 06:17
-
الگوریتمهای تحلیل متن 04:46
-
طبقهبندی تصویر 05:31
-
مفاهیم یادگیری ماشین None
-
یادگیری تقویتی 05:08
-
یادگیری تقویتی با SageMaker 03:46
-
مفاهیم یادگیری ماشین None
-
مفاهیم ارزیابی مدل 04:32
-
متریکهای ارزیابی عملکرد 06:24
-
چرخه عمر توسعه یادگیری ماشین 07:59
-
MLOps 08:25
-
مفاهیم یادگیری ماشین None
-
Amazon Bedrock چیست؟ 08:25
-
Amazon Bedrock - معماری 04:09
-
Amazon Bedrock - یوزکیسها 02:17
-
سرویسهای یادگیری ماشین AWS None
-
بررسی Amazon Bedrock - عملی 09:15
-
نصب ویژوال استودیو کد - عملی 01:47
-
راهاندازی ویژوال استودیو کد - عملی 07:12
-
فراخوانی مدل Amazon Titan - عملی 07:55
-
تولید تصویر در Bedrock - عملی 07:11
-
Amazon Personalize 02:28
-
گروه مجموعه داده (Amazon Personalize) - عملی 13:12
-
مجموعه داده آموزش (Amazon Personalize) - عملی 03:46
-
آموزش مدل (Amazon Personalize) - عملی 06:09
-
پیشبینی (Amazon Personalize) - عملی 07:00
-
Amazon Fraud Detector 06:51
-
سرویسهای یادگیری ماشین AWS None
-
راهاندازی و نوع رویداد (Amazon Fraud Detector) 12:09
-
ساخت و آموزش مدل (Amazon Fraud Detector) 05:23
-
ارزیابی مدل ما (Amazon Fraud Detector) 09:07
-
ایجاد Detector و پیشبینیها (Amazon Fraud Detector) 10:03
-
پاکسازی منابع (Amazon Fraud Detector) 06:52
-
هوش مصنوعی افزوده Amazon 04:12
-
Amazon Comprehend 07:17
-
سرویسهای یادگیری ماشین AWS None
-
Amazon Comprehend - عملی 06:42
-
Amazon Comprehend Medical - عملی 05:18
-
Amazon Rekognition 03:06
-
Amazon Rekognition - عملی 05:14
-
استفاده از Rekognition در تابع لامبدا - عملی 10:11
-
Amazon Textract 06:35
-
Amazon Textract - عملی 08:15
-
Amazon Kendra 06:27
-
سرویسهای یادگیری ماشین AWS None
-
ایجاد ایندکس و همزمانسازی (Amazon Kendra) - عملی 10:42
-
ایجاد تجربه (Amazon Kendra) - عملی 08:33
-
AWS S3 - مبانی 08:44
-
ایجاد باکت در S3 - عملی 04:19
-
آپلود فایلها در S3 - عملی 02:16
-
جذب داده None
-
جذب داده استریمینگ در مقابل دستهای 02:56
-
راهاندازی کراولرها - عملی 11:08
-
جذب داده None
-
AWS Athena - بررسی 04:20
-
کوئری داده با استفاده از Athena - عملی 05:16
-
کوئریهای فدرال 02:18
-
عملکرد و هزینه 10:06
-
Workgroups 03:04
-
Workgroups - عملی 02:49
-
کوئری کردن با Athena None
-
هزینههای Glue 07:34
-
اجرای Glue ETL Jobs - عملی 13:19
-
زمانبندی کراولرها و ETL Jobs - عملی 03:36
-
Stateful در مقابل Stateless 05:10
-
جذب داده Stateless در Glue - عملی 03:49
-
جذب داده Stateful با بوکمارکها - عملی 05:10
-
سرویسهای پردازش داده AWS None
-
تبدیلات Glue (ETL) 05:09
-
کیفیت داده Glue - عملی 05:45
-
گردشکارهای Glue 04:33
-
گردشکارهای Glue - عملی 07:33
-
انواع Glue Job 06:43
-
انواع Glue Job - عملی 02:32
-
پارتیشنبندی 02:55
-
سرویسهای پردازش داده AWS None
-
AWS Glue DataBrew 06:17
-
AWS Glue DataBrew - تبدیلات 07:43
-
AWS Glue DataBrew - عملی 10:09
-
AWS Lambda 07:07
-
جذب داده رویداد محور با AWS Lambda - عملی 10:07
-
لایههای لامبدا 04:13
-
سرویسهای پردازش داده AWS None
-
قابلیت بازیابی 05:57
-
Amazon Kinesis برای داده استریمینگ 03:34
-
استریمهای داده Amazon Kinesis 12:11
-
توان عملیاتی و تاخیر 04:20
-
ایجاد استریم داده - عملی 05:05
-
گنجایش خروجی پیشرفته برای Kinesis Consumers 05:25
-
Pull و Consume کردن داده از استریم - عملی 08:53
-
فراخوانی تابع لامبدا از Amazon Kinesis - عملی 08:53
-
مشکلات رایج و عیبیابی 10:53
-
سرویسهای پردازش داده AWS None
-
Kinesis Firehose 12:32
-
ایجاد استریم داده Firehose - عملی 07:02
-
Data Firehose - تبدیلات با لامبدا - عملی 07:54
-
سرویس مدیریت شده آمازون برای Apache Flink 08:31
-
Amazon MSK 09:07
-
MSK Connect و MSK بدون سرور 02:49
-
سرویسهای پردازش داده AWS None
-
Amazon EMR 12:11
-
ذخیرهسازی و انواع خوشه AWS EMR 05:54
-
ذخیرهسازی و مقیاسبندی AWS EMR 03:48
-
گزینههای استقرار AWS EMR 03:33
-
سرویسهای پردازش داده AWS None
-
اهمیت پارتیشنبندی 03:07
-
پارتیشنبندی با Glue - عملی 11:46
-
مدیریت چرخه عمر و کلاسهای ذخیرهسازی 10:18
-
استفاده از قوانین چرخه عمر 01:37
-
کلاسهای ذخیرهسازی - عملی 05:03
-
Tiering هوشمند - عملی 04:13
-
قوانین چرخه عمر - عملی 04:39
-
نسخهسازی در S3 05:56
-
نسخهسازی - عملی 10:08
-
راهحلهای ذخیرهسازی AWS None
-
رپلیکیشن 06:37
-
رپلیکیشن - عملی 06:38
-
امنیت در S3 06:28
-
امنیت - عملی 04:12
-
سیاستهای باکت 02:26
-
اکسس پوینتها در S3 02:32
-
لامبدا آبجکت 03:30
-
نوتیفیکیشنهای رویداد S3 04:49
-
نوتیفیکیشنهای رویداد S3 - عملی 08:49
-
S3 Select و Glacier Select 03:57
-
S3 Select - عملی 04:55
-
راهحلهای ذخیرهسازی AWS None
-
مش داده 03:51
-
تبادل داده 02:34
-
Amazon Elastic Block Store (EBS) 06:41
-
EBS Provisioning 09:24
-
EBS Volumes - عملی 09:01
-
فایل سیستم الاستیک آمازون (EFS) 07:51
-
راهحلهای ذخیرهسازی AWS None
-
بررسی IAM 02:33
-
کاربران، گروهها و نقش IAM 05:11
-
سیاستهای IAM 08:30
-
سیاستهای IAM - عملی 06:00
-
ایجاد گروهها و نقشها در IAM - عملی 05:14
-
امنیت و انطباق AWS None
-
بررسی AWS KMS 08:54
-
قیمتگذاری و مدیریت کلید AWS KMS 04:25
-
AWS KMS بینمنطقهای و بینحساب 08:00
-
AWS Macie 02:45
-
AWS Secrets 05:36
-
AWS Secrets - عملی 05:20
-
AWS Shield 03:13
-
امنیت و انطباق AWS None
-
ابر خصوصی مجازی و Subnets 02:58
-
Gateways 02:26
-
همتاسازی VPN و VPC 02:33
-
گروههای امنیت و NACLs 01:19
-
ویژگیهای اضافی VPC 01:23
-
امنیت و انطباق AWS None
-
AWS CloudTrail 08:09
-
دریاچه AWS CloudTrail 01:41
-
AWS Config 06:26
-
AWS Config - عملی 07:19
-
فریمورک خوب معماری شده AWS 04:54
-
ابزار خوب معماری شده AWS 04:47
-
امنیت و انطباق AWS None
-
AWS CloudFormation 05:11
-
AWS CloudFormation - عملی 09:03
-
کانتینرهای داکر 08:38
-
Amazon ECS 05:39
-
Amazon ECS - انواع راهاندازی 08:41
-
Amazon ECS - نقشهای IAM 02:00
-
Amazon ECR 04:46
-
Amazon EKS 07:34
-
سرویسهای استقرار و ارکستراسیون AWS None
-
بررسی Amazon CloudWatch 05:32
-
متریکهای Amazon CloudWatch - عملی 06:22
-
استریم متریکهای Amazon CloudWatch 02:36
-
هشدارهای Amazon CloudWatch 04:51
-
هشدارهای CloudWatch - عملی 09:19
-
لاگهای Amazon CloudWatch 03:31
-
لاگهای CloudWatch - عملی 03:31
-
فیلترینگ و سابسکریپشن لاگ Amazon CloudWatch 04:13
-
ایجنت لاگهای Amazon CloudWatch 02:15
-
ابزارهای نظارت و مدیریت هزینه AWS None
-
Amazon Q Business چیست؟ 08:29
-
ایجاد اپلیکیشن Amazon Q Business 14:09
-
تخصیص کاربران و تست اپلیکیشن - عملی 07:41
-
استفاده از کنترلهای گلوبال - عملی 06:24
-
بلاک کردن کلمات - عملی 02:40
-
کنترلهای تاپیک - عملی 06:45
-
Amazon Transcribe 08:11
-
Amazon Transcribe - عملی 11:22
-
Amazon Polly 03:13
-
سرویسهای هوش مصنوعی AWS None
-
قیمتگذاری و مدلها (Amazon Polly) - عملی 05:10
-
Text-to-Speech (Amazon Polly) - عملی 04:02
-
SSML برای اصلاح خروجی گفتار (Amazon Polly) - عملی 05:16
-
ترجمه بلادرنگ (Amazon Translate) - عملی 06:09
-
ترجمه job دستهای (Amazon Translate) - عملی 10:11
-
آزمون تمرینی - گواهینامه AWS Certified Machine Learning Engineer Associate None
-
ثبتنام در آزمون و دریافت 30 دقیقه وقت بیشتر 08:10
-
نکات آزمون نهایی 07:26
مشخصات آموزش
گواهینامه AWS Certified Machine Learning Engineer - Associate MLA-C01
- تاریخ به روز رسانی: 1404/06/14
- سطح دوره:همه سطوح
- تعداد درس:283
- مدت زمان :26:27:49
- حجم :10.73GB
- زبان:دوبله زبان فارسی
- دوره آموزشی:AI Academy
آموزش های مرتبط
The Great Courses
651,500
130,300 تومان
- زمان: 01:39:55
- تعداد درس: 6
-
سطح دوره:
-
زبان: دوبله فارسی
The Great Courses
1,889,000
377,800 تومان
- زمان: 04:47:39
- تعداد درس: 30
-
سطح دوره:
-
زبان: دوبله فارسی
The Great Courses
1,501,000
300,200 تومان
- زمان: 03:48:11
- تعداد درس: 47
-
سطح دوره:
-
زبان: دوبله فارسی
-
سطح دوره:
-
زبان: دوبله فارسی
The Great Courses
490,000
98,000 تومان
- زمان: 54:55
- تعداد درس: 18
-
سطح دوره:
-
زبان: دوبله فارسی
The Great Courses
1,797,000
359,400 تومان
- زمان: 04:33:59
- تعداد درس: 86
-
سطح دوره:
-
زبان: دوبله فارسی
The Great Courses
770,000
154,000 تومان
- زمان: 01:57:58
- تعداد درس: 29
-
سطح دوره:
-
زبان: دوبله فارسی
The Great Courses
4,351,500
870,300 تومان
- زمان: 11:01:32
- تعداد درس: 53
-
سطح دوره:
-
زبان: دوبله فارسی
-
سطح دوره:
-
زبان: دوبله فارسی