×
ribbon

آموزش مدل‌سازی پایپ‌لاین ماشین لرنینگ در پروداکشن

مدرس:DeepLearning.Ai

Robert Crowe

در دوره آموزش مدل سازی پایپ لاین ماشین لرنینگ در پروداکشن، با زیرنویس اختصاصی مکتب خونه مدل هایی... بیشتر
زیرنویس
5 (1)
1 دیدگاه
230دانشجو
5ساعت
سرفصل‌ها
متوسط سطح دوره

اشتراک مکتب‌پلاس

خرید اشتراک

با خرید اشتراک مکتب‌پلاس، علاوه بر این دوره، به بیش از ۴،۰۰۰ دوره دیگر دسترسی خواهید داشت.

دسترسی به تمام دوره‌هابیش از ۴،۰۰۰ دوره
محتوای دوره
سرفصل‌ها
توضیحات دوره
دیدگاه کاربران
درباره مدرس

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

این دوره شامل:

5 ساعت ویدئو

گواهینامه مکتب‌خونه

دسترسی مادام‌العمر به محتوای دوره

زیرنویس اختصاصی مکتب‌خونه

سرفصل‌های دوره

5 فصل51 جلسه5 ساعت ویدیو
جستجوی معماری عصبی
  تنظیم فراپارامتر
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
  تاثیر ابعاد بر عملکرد
08:25
  نفرین ابعاد
10:07
  نفرین ابعاد: یک مثال
05:49
  کاهش دستی ابعاد
07:26
  کاهش دستی ابعاد: مطالعه موردی
02:44
  کاهش الگوریتمی ابعاد
07:44
  تجزیه و تحلیل اجزای اصلی
07:46
  سایر تکنیک‌ها
07:35
  موبایل، اینترنت اشیاء و موارد استفاده مشابه
07:35
  مزایا و فرآیند Quantization
08:31
  پس از آموزش Quantization
05:04
  آموزش آگاه Quantization
04:39
  هرس
12:24
مدل‌سازی با کارایی بالا
  آموزش توزیع شده
10:43
  Ingestion با کارایی بالا
12:02
  آموزش مدل‌های بزرگ - ظهور شبکه‌های عصبی غول پیکر و موازی‌سازی
13:43
  شبکه‌های معلم و دانشجو
03:23
  تکنیک‌های تقطیر دانش
09:10
  مطالعه موردی - نحوه استخراج دانش برای یک تسک پرسش و پاسخ
08:38
تحلیل مدل
  تحلیل عملکرد مدل
07:17
  مقدمه‌ای بر تحلیل مدل TensorFlow
06:55
  TFMA در عمل
03:56
  بررسی اجمالی اشکال‌زدایی مدل
03:53
  مدل‌های معیار
01:25
  تجزیه و تحلیل حساسیت و حملات تخاصمی
10:00
  نسخه‌ی نمایشی حمله تخاصمی
04:18
  تجزیه و تحلیل باقیمانده
02:37
  اصلاح مدل
04:46
  عدالت
04:24
  اندازه‌گیری عدالت
06:02
  ارزیابی و نظارت مستمر
14:59
تفسیرپذیری
  هوش مصنوعی قابل توضیح
06:38
  روش‌های تفسیر مدل
09:44
  مدل‌های قابل تفسیر ذاتی
10:35
  روش‌های Agnostic مدل
02:00
  Partial Dependence Plots
05:46
  اهمیت ویژگی جایگشت
03:28
  Shapley Values
07:34
  SHapley Additive exPlanations (SHAP)
03:28
  تست بردارهای فعال‌سازی مفهومی
03:36
  LIME
01:41
  توضیحات هوش مصنوعی
05:38

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.

دیدگاه کاربران

5

بر اساس امتیاز 1 دانشجو

1
2
3
4
5

امیرحسین صفری

2 سال پیش

5

سلام خدمت تمام مکتب خونه ای های عزیز، خیلی متشکرم که این دوره های جذاب رو ترجمه میکنید و با زیر نویس در اختیار دانشجویان قرار میدهید .فقط یک سری از جلسات ناهماهنگی های آزار دهنده ای بین زیرنویس و ویدیو هست ، خیلی ممنون میشم که این ایرادات رو بر طرف کنید.

گواهینامه اختصاصی دو زبانه

پس از گذراندن دوره به صورت آنلاین در سایت مکتب‌خونه، گواهی‌نامه رسمی پایان دوره به زبان فارسی و انگلیسی، توسط مکتب‌خونه به اسم شما صادر شده و در اختیار شما قرار می‌گیرد.

امکان اشتراک گذاری در لینکدین
دو زبانه
2دوره
325دانشجو
2نظر و امتیاز

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.

مهارت‌هایی که می‌آموزید

دوره‌های مشابه

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.