امتیاز و نظرات کاربران
5
از مجموع 1 امتیاز
1نظرآموزش مدلسازی پایپلاین ماشین لرنینگ در پروداکشن
در دوره آموزش مدل سازی پایپ لاین ماشین لرنینگ در پروداکشن، با زیرنویس اختصاصی مکتب خونه مدل هایی... بیشتر
زیرنویس
5 (1 امتیاز)
224دانشجو
متوسط
DeepLearning.Ai
Robert Crowe
آنچه در این دوره میآموزید
استنتاج تکنیکهایی برای مدیریت منابع مدلسازی و ارائه بهترین درخواستها
بهکارگیری بیدرنگ از تکنیکها
تحلیل عملکرد مدل
استفاده از تجزیه و تحلیل برای رسیدگی به عدالت مدل، مشکلات توضیحپذیری و کاهش تنگناها
محتوای دوره
5 فصل51 جلسه5 ساعت ویدیو
جستجوی معماری عصبی
تنظیم فراپارامتر
مشاهده
"03:58
نسخهی نمایشی Keras Autotuner
"06:17
مقدمهای بر AutoML
"06:05
درک فضاهای جستجو
"02:12
استراتژیهای جستجو
"05:07
اندازهگیری کارایی AutoML
"04:08
AutoML در Cloud
"09:09
تنظیم تکلیف
"01:36
جمعبندی فصل اول
"00:30
مدل تکنیکهای مدیریت منابع
مدلسازی با کارایی بالا
تحلیل مدل
تفسیرپذیری
توضیحات دوره
در دوره آموزش مدلسازی پایپلاین ماشین لرنینگ در پروداکشن، با زیرنویس اختصاصی مکتبخونه مدلهایی را برای محیطهای مختلف کارکرد میسازید. میآموزید ابزارها و تکنیکهایی را برای مدیریت مؤثر منابع مدلسازی خود و ارائه بهترین درخواستهای استنتاج آفلاین و آنلاین پیادهسازی کنید و از ابزارهای تحلیلی و معیارهای عملکرد برای رسیدگی به عدالت مدل، مسائل قابل توضیح و کاهش تنگناها استفاده کنید.
درک مفاهیم یادگیری ماشین و یادگیری عمیق ضروری است، اما اگر به دنبال یک شغل موثر هوش مصنوعی هستید، به مهارتهای مهندسی تولید نیز نیاز دارید. مهندسی یادگیری ماشین برای تولید، مفاهیم اساسی یادگیری ماشین را با تخصص عملکردی توسعه نرمافزار مدرن و نقشهای مهندسی ترکیب میکند تا به شما در توسعه مهارتهای آماده تولید کمک کند.
اطلاعات بیشتر
گواهینامه
پس از گذراندن محتوای دوره به صورت آنلاین (بدون دانلود) در سایت مکتبخونه، در صورتی که حد نصاب قبولی در دوره را کسب و تمرین ها و پروژه های الزامی را ارسال کنید، گواهینامه رسمی پایان دوره توسط مکتبخونه به اسم شما صادر شده و در اختیار شما قرار میگیرد.
قابل اشتراکگذاری در
دورههای پیشنهادی مشابه
درباره استاد
Robert Crowe
2دوره
315دانشجو
Robert Crowe دیتاساینتیست و علاقهمند به TensorFlow است، او همچنین علاقه بسیاری به کمک به برنامهنویسان دارد تا به سرعت آنچه را که برای بهرهوری نیاز دارند، بیاموزند. از همان روزهای اولیه، او از TensorFlow استفاده میکرد و از سرعت پیشرفت و بهبود بسیار آن هیجانزده است. رابرت قبل از حرکت به سمت علم داده، تیمهای مهندسی نرمافزار را برای شرکتهای بزرگ و کوچک رهبری میکرد که بر ارائه راهحلهای بهینه و ظریف برای نیازهای کاملا تعریف شده تمرکز داشتند.
اطلاعات بیشتر
سوالات پرتکرار
آیا بعد از پایان مدت دوره همچنان به محتوای آن دسترسی دارم؟