شناسایی شیوههای مسئولانه جمعآوری داده برای ساخت یک سیستم پروداکشن یادگیری ماشین منصفانه
پیادهسازی مهندسی ویژگی، تبدیل و انتخاب ویژگی با استفاده از TensorFlow Extended
درک سفر داده در طول چرخه حیات یک سیستم پروداکشن
استفاده از متادیتای یادگیری ماشین و اسکماهای سازمانی برای رسیدگی به دادههای در حال تکامل سریع
این دوره به نحوی تهیه و تدوین شده است که مباحث آن به سادهترین شکل ممکن بیان شوند و مخاطبان دوره بتوانند بهسادگی متوجه موضوعات مطرح شده شوند. به همین جهت برای شرکت در این دوره هیچ پیشنیاز به خصوصی وجود ندارد و افراد با هر سطحی از آگاهی و تحصیلات میتوانند از مباحث این دوره نهایت استفاده را داشته باشند.
امروزه، هوش مصنوعی و یادگیری ماشین به طور فزایندهای در صنایع مختلف کاربرد دارند. اما برای اینکه مدلهای یادگیری ماشین در دنیای واقعی مفید و موثر باشند، باید به طور مداوم با دادههای جدید بهروزرسانی و بهبود پیدا کنند. اینجاست که دوره آموزشی "موزش چرخه عمر داده ماشین لرنینگ در پروداکشن" به کمک شما میآید.
در این دوره، شما با مفاهیم کلیدی و مراحل مختلف چرخه حیات داده یادگیری ماشین در پروداکشن آشنا خواهید شد. این مراحل شامل:
این دوره برای طیف وسیعی از افراد از جمله دیتاساینتیستها، مهندسان یادگیری ماشین، تحلیلگران داده و توسعهدهندگان نرمافزار که به دنبال یادگیری نحوه مدیریت چرخه حیات داده یادگیری ماشین در پروداکشن هستند، مناسب است.
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.