یادگیری ماشین بدون کدنویسی: ساخت و استقرار هوش مصنوعی بدون کدنویسی
✅ سرفصل و جزئیات آموزش
آنچه یاد خواهید گرفت:
- توضیح مفاهیم کلیدی یادگیری ماشین و ابزارهای بدون کد برای پیشپردازش داده، ساخت و استقرار مدل
- ساخت و استقرار مدلهای یادگیری ماشین با استفاده از پلتفرمهای بدون کد از طریق دموهای راهنما و مثالهای واقعی
- تحلیل و تفسیر ترندهای داده برای انتخاب مدلهای بهینه و اعتبارسنجی نتایج با استفاده از معیارهای ارزیابی استاندارد صنعتی
- بهکارگیری تکنیکهای یادگیری ماشین بدون کد برای تولید گزارشهای شفاف مدل و نظارت بر عملکرد برای بهبود مستمر
پیش نیازهای دوره
- هیچ پیشزمینهی فنی یا تجربه برنامهنویسی نیاز نیست. این دوره برای راهنمایی شما در هر مرحله از یادگیری ماشین بدون کد طراحی شده است.
توضیحات دوره
آیا مشتاقید وارد دنیای یادگیری ماشین شوید اما از کدنویسی پیچیده میترسید؟ این دوره دریچه ورود شما به درک و بهکارگیری مفاهیم یادگیری ماشین است—بدون نوشتن حتی یک خط کد. این دوره برای مبتدیان و حرفهایها طراحی شده و شما نظریه و کاربردهای عملی یادگیری ماشین را از طریق ترکیب پویا از دروس و دموهای عملی بررسی خواهید کرد.
آنچه یاد خواهید گرفت:
- مفاهیم و پایههای اصلی: به طور کامل با اصول یادگیری ماشین آشنا شوید، از جمله مروری بر یادگیری عمیق، تفاوتهای بین ML و DL، و کامپوننت های کلیدی که این فناوریها را پیش میرانند. تفاوتهای بین سیستمهای مبتنی بر قانون و مبتنی بر داده را بررسی کنید و بفهمید چگونه مشکلات را بهدرستی تعریف و دادهها را جمعآوری کنید.
- آماده سازی داده و ساخت مدل: تکنیکهای ضروری پیشپردازش داده مانند نرمالسازی، استانداردسازی و مهندسی ویژگی را بیاموزید. دموهای عملی استفاده از پلتفرمهایی مانند Kaggle و Dataiku را بررسی کنید تا اپلیکیشن های واقعی از ساخت و آموزش مدل گرفته تا تکنیکهای ارزیابی از جمله ماتریسهای سردرگمی، منحنیهای ROC و سایر موارد را متوجه شوید.
- ابزارهای بدون کد و استقرار: قدرت تحولآفرین ابزارهای یادگیری ماشین بدون کد را کشف کنید. بیاموزید که چگونه بدون نیاز به برنامهنویسی سنتی، به راحتی مدلها را بسازید، تست کنید، مستقر و بر آنها نظارت کنید. موضوعات پیشرفتهای مانند شفافیت مدل را کشف کنید و یاد بگیرید که چگونه گزارشهای جامع شفاف مدل تولید کنید.
چه کسانی باید ثبتنام کنند:
- علاقهمندان به یادگیری ماشین: اگر به تازگی با یادگیری ماشین آشنا شدهاید و میخواهید یک مقدمه واضح و قابل دسترسی بدون موانع کدنویسی داشته باشید، این دوره برای شماست.
- تحلیلگران داده و حرفهایها: مهارتهای خود را با یادگیری نحوه پیادهسازی و استقرار راهحلهای یادگیری ماشین به سرعت با استفاده از پلتفرمهای بدون کد، افزایش دهید.
- رهبران کسب و کار و نوآوران: اطلاعاتی برای استفاده از هوش مصنوعی به منظور بهبود تصمیمگیری و نوآوری در سازمان خود بهدست آورید.
تا پایان این دوره، شما با دانش و مهارتهای عملی برای ایجاد مدلهای یادگیری ماشین قوی با استفاده از پلتفرمهای بدون کد شهودی آشنا خواهید شد. اگر هدف شما ارتقای مهارتهای خود در نقش فعلی باشد یا تغییر به سمت حوزه رو به رشد هوش مصنوعی، این دوره به شما قدرت میدهد تا چالشهای داده را به فرصتهای استراتژیک تبدیل کنید.
این دوره برای چه کسانی مناسب است؟
- مبتدیانی که بدون تجربه پیشین کدنویسی، مشتاق به کشف یادگیری ماشین هستند.
- حرفهایها و تصمیمگیرندگان کسب و کار که به دنبال بهرهبرداری از هوش مصنوعی برای کسب اطلاعات استراتژیک هستند.
- علاقهمندان و تحلیلگران داده که میخواهند با استفاده از ابزارهای شهودی و بدون کد، مدل بسازند و آن را مستقر کنند.
- هر کسی که کنجکاو درباره هوش مصنوعی است و تمایل دارد به جای آموزش پیچیده برنامهنویسی، آموزش عملی و کاربردی را دریافت کند.
یادگیری ماشین بدون کدنویسی: ساخت و استقرار هوش مصنوعی بدون کدنویسی
-
مروری بر یادگیری ماشین بدون کد و اهمیت آن 06:33
-
دامنه یادگیری ماشین 02:12
-
کامپوننت های اصلی یادگیری ماشین 02:32
-
مقدمهای بر یادگیری عمیق 08:49
-
مقایسه یادگیری ماشین و یادگیری عمیق 04:37
-
کاربردهای هوش مصنوعی، یادگیری ماشین و یادگیری عمیق 15:05
-
انواع یادگیری ماشین 04:55
-
سیستم مبتنی بر قانون در مقابل سیستم مبتنی بر داده 08:45
-
تناسب مدل 09:57
-
تعریف مشکل و جمعآوری داده 11:03
-
پیشپردازش داده 10:21
-
دادههای کشتی تایتانیک 02:14
-
دمو: Kaggle 04:55
-
دمو: ایمپورت داده و انتخاب ویژگی 13:30
-
دمو: مدیریت مقادیر گمشده 05:49
-
مدیریت دادههای گمشده None
-
دمو: نرمالسازی داده 03:49
-
دمو: استانداردسازی داده 03:16
-
دمو: جریان داده 01:54
-
دمو: ساخت مدل 12:51
-
دمو: الگوریتمهای مدلسازی 04:56
-
دمو: آموزش مدل 14:56
-
دمو: قابل توضیح بودن مدل 13:53
-
دمو: ماتریس سردرگمی 07:00
-
ارزیابی مدل با استفاده از ماتریس سردرگمی None
-
دمو: نمودارهای تصمیم 02:08
-
دمو: نمودارهای Lift 02:10
-
دمو: منحنیهای ROC و PR 03:55
-
دمو: اطلاعات مدل 04:09
-
اهمیت ویژگی None
-
مهندسی ویژگی 08:38
-
انتخاب مدل 11:52
-
تست و اعتبارسنجی 08:17
-
بیشبرازش در مقابل کمبرازش None
-
استقرار 06:16
-
دمو: استقرار مدل 02:28
-
دمو: امتیاز مدل 06:58
-
دمو: تست امتیاز 06:14
-
نظارت و نگهداری 11:39
-
چرخه عمر یادگیری ماشین None
-
استفاده از API Service در Dataiku برای پیشبینی مدل - mp4 02:52
-
دمو: Dataiku API Services 09:05
-
دمو: استقرار مدل و مقایسه ارزیابی 08:22
-
دمو: اکسپورت به ژوپیتر نوتبوک 02:00
-
بررسی دانش None
-
مقدمهای بر یادگیری ماشین بدون کد 10:57
-
انگیزه برای یادگیری ماشین بدون کد در صنعت 12:19
-
دمو: مقدمهای بر پلتفرم بدون کد 01:00
-
کار با ابزارهای یادگیری ماشین بدون کد 07:07
-
کار با دادهها در پلتفرمهای یادگیری ماشین بدون کد 13:29
-
دمو: ایمپورت داده به پلتفرم بدون کد 04:27
-
ساخت مدلها با ابزارهای بدون کد 12:31
-
ارزیابی دانش None
-
چالشهای یادگیری ماشین 06:42
-
عدم تعادل کلاس None
-
قابل تفسیر بودن مدل 07:23
-
هزینه محاسباتی و ملاحظات اخلاقی 09:36
-
شفافیت در مدلهای یادگیری ماشین None
-
دمو: گزارش شفافیت مدل 18:02
-
بایاس و شفافیت در پیشبینی Loan Default - مطالعه موردی None
-
ارزیابی دانش None
مشخصات آموزش
یادگیری ماشین بدون کدنویسی: ساخت و استقرار هوش مصنوعی بدون کدنویسی
- تاریخ به روز رسانی: 1404/06/21
- سطح دوره:مقدماتی
- تعداد درس:61
- مدت زمان :06:14:28
- حجم :2.0GB
- زبان:دوبله زبان فارسی
- دوره آموزشی:AI Academy