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

دوره آموزشی آمادگی آزمون AWS Certified Machine Learning - Specialty (MLS-C01) : بخش سوم مدل سازی

32 دقیقهمتوسط2023-03-01

مدرسین

Noah Gift

Noah Gift

MLOps Expert | Solopreneur | Author | Adjunct Professor | CTO

جزئیات دوره

به متخصص MLOps و CTO Noah Gift بپیوندید تا همه چیز را در مورد مهندسی داده بیاموزید و برای بخش مدلسازی گواهینامه AWS Certified Machine Learning – Specialty (MLS-C01) آماده شوید. نوح زمان استفاده از یادگیری ماشینی، تفاوت بین یادگیری تحت نظارت و بدون نظارت و انواع مدل های موجود را توضیح می دهد. او به شما نشان می دهد که چگونه با استفاده از داده های مناسب، مدل را آموزش دهید. این فرآیند شامل تقسیم داده‌ها به مجموعه‌های آموزشی و اعتبارسنجی، انتخاب بهینه‌ساز و عملکرد زیان مناسب و درک مبادلات بین گزینه‌های مختلف مدل است. پس از آموزش مدل، نوح شما را راهنمایی می کند که چگونه آن را ارزیابی کنید تا مطمئن شوید که عملکرد خوبی دارد. این ارزیابی شامل انتخاب معیارهای مناسب، درک ماتریس سردرگمی و انجام اعتبارسنجی متقابل است. در نهایت، نوح به چگونگی تفسیر مدل می‌پردازد تا بفهمد چه کاری انجام می‌دهد و چگونه می‌توان آن را بهبود بخشید.

مهارت ها

Data ModelingMachine LearningAmazon Web Services (AWS)AmazonCloud ServicesCloud PlatformsCert PrepArtificial Intelligence (AI)Cloud ComputingData ScienceOne-Off

سرفصل ها

0. مقدمه

  • 01 - بررسی اجمالی

1. مسائل کسب و کار را به عنوان مسائل یادگیری ماشین چارچوب بندی کنید

  • 02 - زمان استفاده و زمان عدم استفاده از ML را مشخص کنید
  • 03 - تفاوت بین یادگیری تحت نظارت و بدون نظارت را بدانید
  • 04 - از بین طبقه بندی، رگرسیون، پیش بینی، خوشه بندی، توصیه و موارد دیگر انتخاب کنید.

2. مدل(های) مناسب را برای مشکل یادگیری ماشین انتخاب کنید

  • 05 - مدل ها را انتخاب کنید
  • 06 - نسخه ی نمایشی SageMaker Canvas

3. آموزش مدل های یادگیری ماشین

  • 07 - تقسیم آزمون اعتبار سنجی قطار، اعتبار سنجی متقابل
  • 08 - بهینه سازی
  • 09 - انتخاب را محاسبه کنید

4. Hyperparameter Optimization را انجام دهید

  • 10 - معماری شبکه های عصبی

5. مدل های یادگیری ماشینی را ارزیابی کنید

  • 11 - از نصب بیش از حد و کم تناسب خودداری کنید
  • 12 - معیارها را انتخاب کنید
  • 13 - مدل ها را با استفاده از معیارها مقایسه کنید

نتیجه

  • 14 - نتیجه گیری

دوره های مرتبط

مسیرهای 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