تخفیف ویژه همین الان — دوره‌های تخفیف‌دار را ببینید.
روز
:
ساعت
:
دقیقه
:
ثانیه
تخفیف‌های ویژه
دوره آموزشی جامع آمازون وب سرویس یادگیری ماشین

دوره آموزشی جامع آمازون وب سرویس یادگیری ماشین

3 ساعت 8 دقیقهمتوسط2018-04-05

مدرسین

Lynn Langit

Lynn Langit

Cloud Architect

جزئیات دوره

خدمات وب آمازون (AWS) خدمات و ابزارهای زیادی را ارائه می دهد که به دانشمندان داده کمک می کند تا یادگیری ماشین را برای ساخت راه حل های بهتر و هوشمندتر استفاده کنند. در این دوره، با الگوها، خدمات، فرایندها و بهترین روشهای طراحی و پیاده سازی یادگیری ماشین با استفاده از AWS آشنا شوید. مربی لین لانگیت نگاهی به مفاهیم عمومی یادگیری ماشین، از جمله انواع الگوریتم اصلی یادگیری ماشین دارد. وی همچنین انواع سرویس های موجود را بررسی می کند، مانند یادگیری ماشین AWS ،Lex ،Polly و Rekognition، که می توانید برای پیش بینی برچسب های تصویر و فیلم استفاده کنید. به علاوه، او چگونگی کار با سیستم عامل هایی مانند AWS SageMaker را که شامل نوت بوک های میزبان Jupyter است، گام برمی دارد.

موضوعات شامل:
سناریوهای تجاری را که از یادگیری ماشین بهره مند می شوند ، توصیف کنید.
انواع مختلف الگوریتم های مورد استفاده در یادگیری ماشین را شناسایی کنید.
توضیح دهید که چگونه از Rekognition برای پیش بینی برچسب های تصویر و فیلم استفاده می شود.
نحوه استفاده از الگوریتم های یادگیری ماشین سفارشی را با SageMaker نشان دهید.
یادگیری عمیق و یادگیری سنتی را با یکدیگر مقایسه و مقایسه کنید.
خلاصه نحوه استفاده از VariantSpark هنگام کار با داده های مقیاس ژنومی.

مهارت ها

Machine LearningAmazon Web Services (AWS)AmazonCloud ServicesCloud PlatformsArtificial Intelligence (AI)Cloud ComputingDeep Dive (X:Y)

سرفصل ها

0. مقدمه

  • 01 - خوش آمدید
  • 02 - در مورد استفاده از خدمات ابری

1. یادگیری ماشین در AWS

  • 03 - مفاهیم یادگیری ماشین AWS
  • 04 - سناریوهای تجاری برای یادگیری ماشین
  • 05 - از کدام الگوریتم استفاده کنم
  • 06 - سرورهای AWS AI در مقابل پلتفرم‌ها
  • 07 - پلتفرم‌های هوش مصنوعی AWS در مقابل چارچوب‌ها
  • 08 - طبقه بندی کننده در عمل - آمازون مکی

2. خدمات API یادگیری ماشین

  • 09 - راه‌اندازی API‌های یادگیری ماشینی AWS
  • 10 - با استفاده از AWS Comprehend برای NLP پیش‌بینی کنید
  • 11 - پیش‌بینی با استفاده از AWS Polly تبدیل متن به گفتار
  • 12 - پیش‌بینی استفاده از AWS Lex برای چت بات ها
  • 13 - با استفاده از تشخیص AWS برای تصاویر پیش‌بینی کنید
  • 14 - پیش‌بینی با استفاده از AWS Rekognition برای ویدئو
  • 15 - با استفاده از رونویسی و ترجمه پیش‌بینی کنید

3. بسترهای یادگیری ماشین

  • 16 - شناخت پلتفرم‌های ML
  • 17 - درک و استفاده از یادگیری ماشینی AWS
  • 18 - درک SageMaker
  • 19 - نوت بوک‌های Jupyter را با SageMaker ایجاد کنید
  • 20 - با نوت بوک SageMaker داده‌ها را دریافت کنید
  • 21 - مدل قطار با شغل SageMaker
  • 22 - مدل مستقر و میزبان با مدل SageMaker
  • 23 - از مدل پایانی SageMaker استفاده کنید
  • 24 - انتخاب الگوریتم برای آموزش مدل
  • 25 - استفاده پیشرفته از SageMaker

4. سرور مجازی یادگیری ماشین

  • 26 - آشنایی با سرورهای مجازی ML
  • 27 - درک یادگیری عمیق
  • 28 - با Gluon برای MXNet در SageMaker کار کنید
  • 29 - با MXNet در SageMaker کار کنید
  • 30 - Databricks در AWS
  • 31 - با MXNet در Databricks کار کنید
  • 32 - AMI‌های یادگیری عمیق AWS را راه‌اندازی کنید
  • 33 - با AWS Deep Learning AMI کار کنید
  • 34 - برای یادگیری ماشین با EMR کار کنید

5. معماری‌های یادگیری ماشین

  • 35 - API‌های AWS ML برای برنامه‌های مکالمه
  • 36 - سرویس AWS ML برای برنامه‌های اینترنت اشیا
  • 37 - Spark ML و Databricks AWS برای برنامه‌های بلادرنگ
  • 38 - VariantSpark و EMR برای تحقیقات ژنومی
  • 39 - بهترین روش‌ها برای الگوریتم‌ها و معماری ها

نتیجه

  • 40 - مراحل بعدی

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