تخفیف ویژه همین الان — دوره‌های تخفیف‌دار را ببینید.
روز
:
ساعت
:
دقیقه
:
ثانیه
تخفیف‌های ویژه
دوره آموزشی برچسب گذاری داده ها برای یادگیری ماشینی

دوره آموزشی برچسب گذاری داده ها برای یادگیری ماشینی

1 ساعت 55 دقیقهمتوسط2023-10-24

مدرسین

Janani Ravi

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

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