دوره آموزشی برچسب گذاری داده ها برای یادگیری ماشینی
1 ساعت 55 دقیقهمتوسط2023-10-24
مدرسین
Janani Ravi
Certified Google Cloud Architect and Data Engineer
جزئیات دوره
تقریباً 2.5 کوینتیلیون بایت داده هر روز تولید میشود - عمدتاً دادههای خام و بدون برچسب - اما تکنیکهای یادگیری تحت نظارت برای یادگیری ماشینی نیاز به برچسبگذاری دادهها برای استفاده از آن برای آموزش دارند. این باعث میشود برچسبگذاری دادهها، زمانبر و پرهزینه باشد، اما بخشی حیاتی از یادگیری ماشین است. در این دوره، جانانی راوی، معمار ابر و مهندس داده خبره گوگل، شما را راهنمایی می کند که چگونه با برچسب گذاری داده ها شروع کنید. درباره رویکردهای مختلف برچسبگذاری دادهها و همچنین چالشها، بهترین شیوهها و موارد استفاده از آن اطلاعات کسب کنید. با Azure ML به برچسبگذاری دادهها بروید و نحوه راهاندازی یک پروژه برچسبگذاری تصویر و انجام برچسبگذاری دستی تصویر، بررسی و بررسی پیشرفت را بیاموزید. مراحل کامل انجام برچسبگذاری دادههای دستی و به کمک ML در Azure را طی کنید، سپس نحوه استفاده از Snorkel برای برچسبگذاری دادهها، از جمله نحوه ایجاد عملکردها و مدلهای برچسبگذاری متنوع را بررسی کنید.
مهارت ها
Data Resource ManagementMachine LearningAdvancedDatabase ManagementArtificial Intelligence (AI)
سرفصل ها
0. مقدمه
- 01 - نیاز به برچسب گذاری داده ها
1. با برچسب گذاری دادهها شروع کنید
- 02 - فرآیند برچسب گذاری داده ها
- 03 - رویکردهای برچسب گذاری داده ها
- 04 - چالشهای برچسب گذاری داده ها , بهترین شیوهها و موارد استفاده
- 05 - برچسب گذاری دادهها با Azure ML
- 06 - راهاندازی یک فضای کاری Azure ML
- 07 - راهاندازی پروژه برچسب گذاری تصویر - ایجاد داراییهای داده
- 08 - راهاندازی پروژه برچسب گذاری تصویر - پیکربندی تنظیمات
- 09 - برچسب زدن و بررسی دستی تصویر
- 10 - بررسیهای دستی پیشرفت برچسب زدن
2. برچسبگذاری دادههای دستی و ML-Assisted روی Azure را انجام دهید
- 11 - یادگیری ماشین خودکار برای طبقه بندی تصاویر
- 12 - بررسی معیارهای آموزش مدل
- 13 - بینش پروژه برچسب گذاری داده ها
- 14 - برچسب زدن به کمک ML با خوشه بندی و پیش برچسب گذاری
- 15 - پیکربندی استنتاج برای اجراهای آموزشی جدید
- 16 - کاوش مجموعه دادههای برچسب گذاری شده
3. از Snorkel برای برچسب گذاری دادهها استفاده کنید
- 17 - برچسب گذاری برنامهای با اسنورکل
- 18 - نصب کتابخانههای پایتون
- 19 - کاوش مجموعه دادههای اسپم هام
- 20 - نوشتن و تحلیل توابع برچسب گذاری
- 21 - بررسی سایر عملکردهای برچسب گذاری
- 22 - برچسب گذاری برنامهای با استفاده از رای دهنده برچسب اکثریت
- 23 - امتیاز دهی و مقایسه مدلهای لیبل
4. توابع و مدلهای برچسب گذاری متنوع در Snorkel ایجاد کنید
- 24 - افزایش تعداد توابع برچسب گذاری
- 25 - استفاده از احساس و بخشهایی از برچسب گذاری گفتار در توابع برچسب گذاری
- 26 - ارزیابی معیارهای تابع برچسب گذاری بر روی دادههای آزمون
- 27 - استفاده از تمام توابع برچسب گذاری برای برچسب گذاری داده ها
- 28 - آموزش یک طبقه بندی بر روی برچسبهای تولید شده به صورت برنامه ریزی شده
نتیجه
- 29 - خلاصه و مراحل بعدی
دوره های مرتبط
- دوره آموزشی مهندسی تحلیل پیشرفته: تمرینهای دنیای واقعی
- دوره آموزشی اصولی مدیریت Azure Data Factory: مدیریت، امنیت و نظارت بر محیطها
- دوره آموزشی یادگیری جامع Elasticsearch
- دوره آموزشی اکسل: مدیریت و تحلیل دادهها
- دوره آموزشی مدیریت امن داده برای پیادهسازی هوش مصنوعی
- دوره آموزشی ساخت یک حسابرسی مبتنی بر داده
- دوره آموزشی اکسل ۲۰۱۶: مدیریت و تحلیل دادهها
- دوره آموزشی یادگیری جامع مدیریت دادهها