×
ribbon

آموزش چرخه عمر داده ماشین لرنینگ در پروداکشن

امروزه، هوش مصنوعی و یادگیری ماشین به طور فزاینده ای در صنایع مختلف کاربرد دارند. اما برای اینکه... بیشتر
زیرنویس
169دانشجو
مقدماتی
DeepLearning.Ai

Robert Crowe

مشخصات دوره
محتوای دوره
پیش‌نیاز‌ها
توضیحات دوره
دیدگاه کاربران
درباره مدرس

آنچه در این دوره می‌آموزید

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

محتوای دوره

4 فصل36 جلسه4 ساعت ویدیو
جمع‌آوری، برچسب‌گذاری و اعتبارسنجی داده‌ها
  بررسی اجمالی
مشاهده
"11:10
  خطوط لوله یادگیری ماشین (ML Pipelines)
مشاهده
"06:59
  اهمیت داده
مشاهده
"08:44
  مثال کاربردی: پیشنهاد اجراها (Runs)
مشاهده
"08:44
  داده مسئولانه: امنیت، حریم خصوصی و انصاف
مشاهده
"11:16
  مطالعه موردی: کاهش عملکرد مدل
مشاهده
"09:11
  تغییر داده و مفهوم در یادگیری ماشین تولیدی
مشاهده
"05:51
  بازخورد فرآیند و برچسب‌گذاری انسانی
مشاهده
"11:36
  تشخیص مسائل داده
مشاهده
"08:04
  اعتبارسنجی داده در TensorFlow
مشاهده
"06:22
مهندسی ویژگی، تبدیل و انتخاب
سفر داده و ذخیره‌سازی داده‌ها
(اختیاری): برچسب‌گذاری پیشرفته، تقویت و پیش‌پردازش داده‌ها

پیش‌نیاز‌ها

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.

توضیحات دوره

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 چه چیزهایی خواهید آموخت؟

در این دوره، شما با مفاهیم کلیدی و مراحل مختلف چرخه حیات داده یادگیری ماشین در پروداکشن آشنا خواهید شد. این مراحل شامل:

  • جمع‌آوری و آماده‌سازی داده: نحوه جمع‌آوری داده‌های مناسب از منابع مختلف، پاکسازی و پیش‌پردازش داده‌ها برای استفاده در مدل‌های یادگیری ماشین
  • مهندسی ویژگی: نحوه استخراج و تبدیل داده‌های خام به ویژگی‌های قابل استفاده برای مدل‌های یادگیری ماشین
  • ایجاد و آموزش مدل: نحوه انتخاب الگوریتم مناسب یادگیری ماشین، آموزش مدل و ارزیابی عملکرد آن
  • استقرار مدل: نحوه استقرار مدل آموزش‌دیده در یک محیط پروداکشن
  • نظارت و نگهداری: نحوه نظارت بر عملکرد مدل در طول زمان و انجام به‌روزرسانی‌های لازم

مزایای شرکت در این دوره:

  • مهارت‌های عملی: شما با استفاده از ابزارها و تکنیک‌های واقعی، مهارت‌های عملی لازم برای مدیریت چرخه حیات داده یادگیری ماشین در پروداکشن را کسب خواهید کرد.
  • مفاهیم عمیق: شما درک عمیقی از چالش‌ها و فرصت‌های مرتبط با چرخه حیات داده یادگیری ماشین به دست خواهید آورد.
  • آمادگی برای کار: شما با گذراندن این دوره، برای ورود به بازار کار در زمینه هوش مصنوعی و یادگیری ماشین آماده خواهید شد.

این دوره مناسب چه افرادی است؟

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.

اطلاعات بیشتر

گواهی‌نامه

آموزش چرخه عمر داده ماشین لرنینگ در پروداکشن

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

linkdin

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؟

بله. پس از پایان مدت دوره نیز به ویدئوها، تمرین‌ها، پروژه‌ها و سایر محتوای آموزشی دوره دسترسی خواهید داشت؛ اما امکان تصحیح تمرین‌ها توسط پشتیبان دوره و دریافت گواهی‌نامه برای شما وجود نخواهد داشت.

مهارت‌هایی که می‌آموزید