تخفیف ویژه همین الان — دوره‌های تخفیف‌دار را ببینید.
روز
:
ساعت
:
دقیقه
:
ثانیه
تخفیف‌های ویژه
دوره آموزشی آمادگی گواهینامه AWS Certified Machine Learning - Specialty (MLS-C01)

دوره آموزشی آمادگی گواهینامه AWS Certified Machine Learning - Specialty (MLS-C01)

4 ساعت 27 دقیقهمتوسط2025-01-22

مدرسین

Pearson

Pearson

Milecia McGregor

Milecia McGregor

جزئیات دوره

گرفتن گواهی‌نامه AWS Certified Machine Learning - Specialty (MLS-C01) نشان‌دهنده‌ی انعطاف‌پذیری شما به عنوان یک مهندس یادگیری ماشین است. معمولاً مهندسین یادگیری ماشین بر روی مدیریت داده‌ها و ساخت مدل‌ها تمرکز می‌کنند، بنابراین اگر شما با ابزارهای ابری آشنا باشید، می‌توانید ارزش بیشتری به نقشتان بیفزایید. در این دوره، نویسنده Milecia McGregor ترکیبی از اسلایدها و دموها در AWS را به همراه مثال‌هایی از Visual Studio با پایتون به شما ارائه می‌دهد. Milecia شما را برای آماده‌سازی آزمون راهنمایی می‌کند و به شما نشان می‌دهد که چگونه داده‌های خود را وارد کنید، فرآیند مهندسی ویژگی‌ها را انجام دهید، مدل‌ها را آموزش داده و ارزیابی کنید، و آن‌ها را برای استفاده در دسترس قرار دهید.

اهداف یادگیری:
شناسایی و پیاده‌سازی راه‌حل‌های وارد کردن داده‌ها با Kinesis.
آموزش و ارزیابی مدل‌های یادگیری ماشین.
استقرار مدل‌های یادگیری ماشین با استفاده از ابزارهای AWS.

مهارت ها

Machine LearningAmazon Web Services (AWS)AmazonCloud ServicesCloud PlatformsCert PrepArtificial Intelligence (AI)Cloud Computing

سرفصل ها

0. مقدمه

  • 01 - تخصص AWS Certified Learning Machine - مقدمه

1. مهندسی داده

  • 02 - اهداف آموزشی
  • 03 - مخازن داده برای یادگیری ماشین ایجاد کنید
  • 04 - شناسایی و پیاده‌سازی راه حل هضم داده ها
  • 05 - بین ابزار بلع تصمیم بگیرید
  • 06 - شناسایی و پیاده‌سازی راه حل تبدیل داده ها
  • 07 - کمی تمرین کنید - سؤالات و تمرینات

2. تجزیه‌و‌تحلیل داده‌های اکتشافی

  • 08 - اهداف آموزشی
  • 09 - پاکسازی و آماده سازی داده‌ها برای مدل سازی
  • 10 - مهندسی ویژگی را انجام دهید
  • 11 - تجزیه‌و‌تحلیل داده‌ها برای یادگیری ماشین
  • 12 - داده‌ها را برای یادگیری ماشین تجسم کنید
  • 13 - کمی تمرین کنید - سؤالات و تمرینات

3. مدل‌های آموزشی

  • 14 - اهداف آموزشی
  • 15 - مشکلات کسب و کار را به عنوان مشکلات یادگیری ماشین چارچوب بندی کنید
  • 16 - مدل مناسب را برای مشکل یادگیری ماشین انتخاب کنید
  • 17 - شهود پشت مدل را درک کنید
  • 18 - آموزش مدل‌های یادگیری ماشینی
  • 19 - یک گزینه محاسبه را انتخاب کنید
  • 20 - کمی تمرین کنید - سؤالات و تمرینات

4. ارزیابی مدل ها

  • 21 - اهداف آموزشی
  • 22 - بهینه‌سازی هایپرپارامتر را انجام دهید
  • 23 - از روش‌های دیگر برای بهینه‌سازی هایپرپارامتر استفاده کنید
  • 24 - مدل‌های یادگیری ماشینی را ارزیابی کنید
  • 25 - مدل‌ها را با معیارهای مختلف مقایسه کنید
  • 26 - بهترین شیوه‌های یادگیری ماشین را اجرا کنید
  • 27 - کمی تمرین کنید - سؤالات و تمرینات

5. پیاده‌سازی و عملیات یادگیری ماشین

  • 28 - اهداف آموزشی
  • 29 - ساخت راه حل‌های یادگیری ماشین برای تولید
  • 30 - نگرانی‌های مربوط به مقیاس بندی را برطرف کنید
  • 31 - خدمات یادگیری ماشینی مناسب را توصیه و اجرا کنید
  • 32 - شیوه‌های امنیتی اولیه AWS را در راه حل‌های یادگیری ماشین اعمال کنید
  • 33 - راه حل‌های یادگیری ماشین را مستقر و عملیاتی کنید
  • 34 - کمی تمرین کنید - سؤالات و تمرینات

نتیجه گیری

  • 35 - تخصص یادگیری ماشین دارای گواهی AWS - خلاصه

دوره های مرتبط

درباره ما

لینداکده یک بستر یادگیری پیشرو است که به افراد کمک می کند تا کسب و کار ، نرم افزار ، فناوری و مهارت‌های خلاقانه را برای دستیابی به اهداف شخصی و حرفه ای بیاموزد.

شماره تلفنکانال آپاراتپشتیبانی تلگرامکانال تلگرامپیج اینستاگرام

کلیه‌ی حقوق این سایت متعلق به لینداکده می باشد

قوانین و شرایط|حریم خصوصی

نماد الکترونیک enamad در صورت اتصال با آی‌پی داخل کشور، نمایش داده خواهد شد.
logo-samandehi - لوگو ساماندهی
zarinpal
zibal