دوره آموزشی اجرا و ارزیابی مدلهای هوش مصنوعی Hugging Face
1 ساعت 18 دقیقهمتوسط2026-01-27
مدرسین

Kendall Ruber
جزئیات دوره
امروزه استفاده از مدلهای آماده در پلتفرمهایی مثل Hugging Face برای شرکتها یک ضرورت شده تا بتونن خیلی سریع پروژههاشون رو راه بندازن. اما یک خطر بزرگ وجود داره: «سادگی در اجرا» ممکنه باعث بشه ما حواسمون به ریسکهای احتمالی نباشه! وقتی مدل رو بدون ارزیابی دقیق وارد چرخه کار سازمان میکنیم، ممکنه با نتایج غیرقابلاعتمادی روبهرو بشیم که هزینههای سنگینی به دنبال داره.
در این دوره، با Kendall Ruber (دادهشناس خبره) همراه میشیم تا یاد بگیریم چطور هوشمندانه مدل انتخاب کنیم، اونها رو بهدرستی پیادهسازی کنیم و با یک ارزیابیِ سختگیرانه، مطمئن بشیم که خروجیهای مدل واقعاً برای نیازهای خاص سازمان ما قابلاطمینان هستند. این دوره بهت کمک میکنه از سطح یک «کاربر ساده مدلهای آماده» به یک «متخصص استراتژیک هوش مصنوعی» تبدیل بشی.
اهداف یادگیری
یادگیری نحوه دانلود و بهکارگیری مدلهای پیشآموزشدیده (Pretrained) از Hugging Face روی مجموعهدادههای اختصاصی
شناخت دقیق معیارهای دقت (Accuracy Metrics) در یادگیری ماشین، کاربردها و از همه مهمتر، محدودیتهای هر کدام
استفاده از تحلیل طبقهبندیهای اشتباه (Misclassification Analysis) برای شناسایی نقاط ضعف مدل
بهکارگیری تکنیکهای تحلیل اهمیت ویژگیها (Feature Importance) برای فاینتیون کردن (Fine-tuning) و ارتقای چشمگیر عملکرد مدل
انتخاب هوشمندانه بهترین مدل برای سناریوهای منحصربهفرد کسبوکار و آمادهسازی نهایی آن برای استقرار (Deployment)
در این دوره، با Kendall Ruber (دادهشناس خبره) همراه میشیم تا یاد بگیریم چطور هوشمندانه مدل انتخاب کنیم، اونها رو بهدرستی پیادهسازی کنیم و با یک ارزیابیِ سختگیرانه، مطمئن بشیم که خروجیهای مدل واقعاً برای نیازهای خاص سازمان ما قابلاطمینان هستند. این دوره بهت کمک میکنه از سطح یک «کاربر ساده مدلهای آماده» به یک «متخصص استراتژیک هوش مصنوعی» تبدیل بشی.
اهداف یادگیری
یادگیری نحوه دانلود و بهکارگیری مدلهای پیشآموزشدیده (Pretrained) از Hugging Face روی مجموعهدادههای اختصاصی
شناخت دقیق معیارهای دقت (Accuracy Metrics) در یادگیری ماشین، کاربردها و از همه مهمتر، محدودیتهای هر کدام
استفاده از تحلیل طبقهبندیهای اشتباه (Misclassification Analysis) برای شناسایی نقاط ضعف مدل
بهکارگیری تکنیکهای تحلیل اهمیت ویژگیها (Feature Importance) برای فاینتیون کردن (Fine-tuning) و ارتقای چشمگیر عملکرد مدل
انتخاب هوشمندانه بهترین مدل برای سناریوهای منحصربهفرد کسبوکار و آمادهسازی نهایی آن برای استقرار (Deployment)
سرفصل ها
مقدمه
- سرعت با استراتژی مطابقت دارد - چرا مدلهای از پیش آموزشدیده همه چیز را تغییر میدهند
- از ابتدا تا آموزش از پیش تعیینشده - درک تغییر و حفظ جایگاه انتقادی
- شروع سریع - نگاهی به مدل نهایی ما
انتخاب مدل
- پیمایش در نمونه کارهای مدل Hugging Face
- مقدمه مجموعه مسائل
- انتخاب یک مدل مرتبط
- آماده سازی محیط توسعه شما
مهندسی ویژگی مؤثر
- ایجاد یک مجموعه داده مرتبط
- تحلیل اکتشافی دادهها
- تنظیم پارامترهای مدل
- فرضیات پیشپردازش
- مدل اجرا
ارزیابی مدل
- تعریف معیارهای موفقیت
- معیارهای آماده
- کتابخانه ارزیابی چهره در آغوش گرفته
- عمیقتر شدن - نتایج بر اساس کلاس
- آستانههای کالیبراسیون
- عمیقتر شدن - تحلیل طبقهبندی نادرست
- نمودارهای اهمیت ویژگیها
- دوباره امتحان کنید - اجرای تکرار بعدی
نتیجهگیری
- مدل را برای تولید نهایی کنید
- نتیجهگیری