دوره آموزشی توسعه یادگیری ماشینی Azure: قسمت 1

جزئیات دوره

یادگیری ماشینی به عنوان یک مفهوم بیش از 60 سال است که وجود داشته است، اما با محبوبیت بیشتر و بیشتر هوش مصنوعی، فرصت های بیشتری در زمینه هوش مصنوعی و زیر گروه های آن، یادگیری ماشین و یادگیری عمیق وجود دارد. و با انفجار محاسبات ابری، مطالعه یادگیری ماشینی با فناوری‌های ابری مانند Azure کاملاً طبیعی است. در این دوره مقدماتی برای سری یادگیری ماشینی Azure، زارینا میران شما را با اصول اولیه هوش مصنوعی شروع می‌کند و نحوه قرار گرفتن زیرگروه‌های ML و DL را در تصویر توضیح می‌دهد. سپس به مسائل مختلف یادگیری ماشین و الگوریتم‌های یادگیری ماشینی که برای حل این مشکلات استفاده می‌شوند، می‌پردازد. زارینا همچنین چرخه زندگی یادگیری ماشینی را برای دریافت تصویر انتها به انتها و همچنین ابزارهای ارائه شده از Azure را پوشش می دهد. در نهایت، او معماری MLOps را در فضای ابری که در حال حاضر پذیرفته شده است، مرور می کند.

سرفصل ها

0. مقدمه

01 - اهمیت توسعه یادگیری ماشینی Azure

1. هوش مصنوعی (AI)

02 - هوش مصنوعی (AI) چیست؟
03 - مزایای هوش مصنوعی

2. یادگیری ماشینی (ML)

04 - یادگیری ماشینی چیست (ML)
05 - انواع مشکل ML
06 - یادگیری تحت نظارت
07 - یادگیری بدون نظارت
08 - یادگیری نیمه نظارتی
09 - یادگیری تقویتی

3. یادگیری ماشینی (ML) و یادگیری عمیق (DL)

10- یادگیری عمیق (DL) چیست؟
11 - ML در مقابل DL

4. الگوریتم های یادگیری ماشین

12 - خوشه بندی
13 - طبقه بندی
14 - پسرفت
15 - تشخیص ناهنجاری

5. چرخه زندگی یادگیری ماشینی و یادگیری ماشینی Azure

16 - چرخه عمر ML
17 - ابزارهای Azure ML

6. عملیات یادگیری ماشین (MLOps)

18 - MLOps چیست
19 - نقش های تیم MLOps

نتیجه

20 - مراحل بعدی