تخفیف ویژه همین الان — دوره‌های تخفیف‌دار را ببینید.
روز
:
ساعت
:
دقیقه
:
ثانیه
تخفیف‌های ویژه
دوره آموزشی یادگیری H20.ai

دوره آموزشی یادگیری H20.ai

1 ساعت 42 دقیقهپیشرفته2023-06-06

مدرسین

Janani Ravi

Janani Ravi

Certified Google Cloud Architect and Data Engineer

جزئیات دوره

پلتفرم H2O.ai شبیه هیچ چیزی است که تا به حال ندیده اید. طیف گسترده ای از راه حل ها و خدمات را ارائه می دهد که مدیریت، استقرار، مدیریت و نظارت بر مدل های یادگیری ماشین را در تولید آسان تر می کند. در این دوره، مربی جانانی راوی به شما یک نمای کلی از نحوه شروع استفاده از برخی از ابتدایی ترین ویژگی های H20.ai را ارائه می دهد.

ملزومات پلتفرم H20 AI Cloud، تجسم‌ها و بینش‌ها را با H20 Autoinsights و تجزیه و تحلیل پیش‌بینی‌کننده با H20 Driverless AI و H20 Python API کشف کنید. دریابید که چرا همه در مورد قدرت H20.ai صحبت می کنند، که قدرت راه حل های بی پایان را در یک پلت فرم واحد، ایمن و مشترک ارائه می دهد.

مهارت ها

Machine LearningAdvancedArtificial Intelligence FoundationsArtificial Intelligence (AI)

سرفصل ها

0. مقدمه

  • 01 - مروری بر H2O

1. معرفی H2O.ai

  • 02 - پیش نیازها
  • 03 - پلت فرم H2O.ai
  • 04 - پیشنهادات و معماری H2O.ai
  • 05 - ثبت نام برای آزمایشی رایگان H2O.ai
  • 06 - کاوش در پلتفرم ابری H2O.ai

2. تجسم و بینش با H2O AutoInsights

  • 07 - خلاصه کردن داده‌ها با استفاده از بینش خودکار H2O
  • 08 - سفارشی کردن بینش
  • 09 - بینش خودکار با بینش خودکار H2O
  • 10 - تجزیه‌و‌تحلیل متن در مورد نظرات مشتریان با استفاده از بینش خودکار
  • 11 - تحلیل سری زمانی با استفاده از بینش خودکار
  • 12 - خلاصه کردن داده‌های احساسات توییت
  • 13 - تجزیه‌و‌تحلیل داده‌های احساسات توییت

3. تجزیه‌و‌تحلیل پیش‌بینی با هوش مصنوعی بدون راننده H1O

  • 14 - تبدیل داده‌ها با استفاده از درایور AI
  • 15 - تجسم با استفاده از هوش مصنوعی بدون راننده
  • 16 - تقسیم داده‌ها و پیکربندی آزمایش
  • 17 - آموزش تفسیر و ارزیابی یک مدل رگرسیونی
  • 18 - مدل آموزشی با نشتی حذف شده است

4. پیش‌بینی تجزیه‌و‌تحلیل با H2O Python API

  • 19 - ماژول H2O Python را نصب کنید
  • 20 - راه‌اندازی خوشه H2O و بارگذاری داده ها
  • 21 - محاسبات مقدار و تبدیل نوع داده وجود ندارد
  • 22 - آموزش یک برآوردگر خطی تعمیم یافته برای طبقه بندی باینری
  • 23 - پیکربندی پارامترها برای برآوردگر خطی تعمیم یافته
  • ساعت 24 - آموزش مدل جنگل تصادفی با کلاس‌های متعادل

نتیجه

  • 25 - خلاصه و مراحل بعدی

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