دوره NVIDIA: اصول یادگیری ماشین

آنچه یاد خواهید گرفت:

• درک مبانی هوش مصنوعی، یادگیری ماشین و یادگیری عمیق و تفاوت‌های کلیدی آن‌ها
• پیاده‌سازی تکنیک‌های یادگیری تحت نظارت مانند طبقه‌بندی و رگرسیون
• بکارگیری روش‌های خوشه‌بندی و تحلیل سری‌زمانی با استفاده از ARIMA
• استفاده از NVIDIA RAPIDS برای گردش‌کارهای یادگیری ماشین با شتاب‌دهی GPU

توضیحات دوره

دوره NVIDIA: مبانی یادگیری ماشین یک دوره مقدماتی است که برای معرفی مفاهیم و تکنیک‌های کلیدی یادگیری ماشین به یادگیرندگان طراحی شده است. این دوره اولین قسمت از دوره آمادگی آزمون (NCA-GENL): NVIDIA-Certified Generative AI LLMs Associate specialization است.

این دوره اصول بنیادی یادگیری ماشین، شامل یادگیری تحت نظارت و بدون نظارت، آموزش مدل، معیارهای ارزیابی و تکنیک‌های بهینه‌سازی را پوشش می‌دهد. همچنین بینش‌هایی درباره پیش‌پردازش داده، مهندسی ویژگی و الگوریتم‌های رایج یادگیری ماشین ارائه می‌دهد.

این دوره به سه ماژول تقسیم شده است که هرکدام شامل درس‌ها و ویدئوهای آموزشی هستند. یادگیرندگان با محتوای ویدیویی حدود 5:00-6:30 ساعت که شامل مفاهیم نظری و تمرینات عملی است، درگیر خواهند شد. هر ماژول با آزموناتی جهت ارزیابی درک یادگیرندگان و تقویت مفاهیم کلیدی تکمیل می‌شود.

ماژول‌های دوره:

ماژول 1: مبانی یادگیری ماشین و پیش‌پردازش داده
ماژول 2: یادگیری تحت نظارت و ارزیابی مدل
ماژول 3: یادگیری بدون نظارت، تکنیک‌های پیشرفته و شتاب‌دهی GPU

در پایان این دوره، یادگیرنده قادر خواهد بود:

- مبانی هوش مصنوعی، یادگیری ماشین و یادگیری عمیق را درک کند و تفاوت‌های کلیدی آن‌ها را بداند.
- تکنیک‌های یادگیری تحت نظارت مانند طبقه‌بندی و رگرسیون را پیاده‌سازی کند.
- متدهای خوشه‌بندی و تحلیل سری‌زمانی را با استفاده از ARIMA به کار برد.
- از NVIDIA RAPIDS برای گردش‌کارهای یادگیری ماشین با شتاب‌دهی GPU استفاده کند.

این دوره برای افرادی که به دنبال تقویت مهارت‌های یادگیری ماشین هستند طراحی شده، به‌ویژه کسانی که به گردش‌کارهای هوش مصنوعی با شتاب‌دهی GPU و فناوری‌های NVIDIA علاقه‌مندند.