دوره آموزشی پردازش زبان طبیعی با ML.NET
2 ساعت 55 دقیقهمتوسط2024-05-21
مدرسین

Microsoft Press
Microsoft

Carlotta Castelluccio
جزئیات دوره
در دنیای امروز، یادگیری ماشین در همه جا وجود دارد. ما هر روز از برنامههای قدرتمند ML استفاده میکنیم—مثلاً هنگام انتخاب سریال تلویزیونی بعدی برای تماشا بر اساس توصیههای Netflix، یا زمانی که از Alexa میخواهیم آهنگ مورد علاقه شما را پخش کند. اگر خود را یک توسعهدهنده میدانید، ممکن است یادگیری ماشینی را به عنوان یک هنر جداگانه ببینید که توسط گروهی نخبه از دانشمندان داده و آماردانان انجام میشود. ممکن است در مورد اینکه چگونه آن را با توسعه برنامه هماهنگ می کند، مطمئن نباشید. در این دوره، کشف کنید که چگونه چارچوب ML.NET برای دموکراتیزه کردن هنر یادگیری ماشین طراحی شده است، آن را در دسترس همه توسعه دهندگان قرار می دهد و تجربه ای روان تر از ادغام یک مدل آموزش دیده در یک راه حل دات نت موجود یا جدید ایجاد می کند. درباره ML.NET و تفاوت آن با سایر چارچوبهای ML، مفاهیم اولیه یادگیری ماشین و یادگیری عمیق، و نحوه عملکرد مدلهای پردازش زبان طبیعی بیاموزید.
مهارت ها
ML.NETNatural Language Processing (NLP)Software Development ToolsArtificial Intelligence (AI)MicrosoftSoftware DevelopmentOne-Off
سرفصل ها
0. مقدمه
- 01 - پردازش زبان طبیعی با ML.NET - مقدمه
1. با ML.NET شروع کنید
- 02 - اهداف آموزشی
- 03 - یادگیری ماشینی چیست
- 04 - اکوسیستم دات نت چیست
- 05 - ML.NET چیست و چه تفاوتی با سایر چارچوبهای یادگیری ماشینی محبوب دارد
- 06 - تمرین - راهاندازی ماشین محلی خود برای کار با چارچوب ML.NET
- 07 - تمرین پیشرفته - نصب و پیکربندی ویژوال استودیو کد و نوت بوکهای Polyglot
- 08 - برای توسعه دهندگان دات نت - هوش مصنوعی و ML در اکوسیستم دات نت
2. طبقه بندی در ML.NET
- 09 - اهداف آموزشی
- 10 - طبقه بندی چیست
- 11 - آموزش و ارزیابی مدل طبقه بندی
- 12 - تمرین - آموزش مدل طبقه بندی با Model Builder
- 13 - تمرین پیشرفته - آموزش مدل طبقه بندی با نوت بوک AutoML و Polyglot
3. طبقه بندی متن و شباهت جملات در ML.NET
- 14 - اهداف آموزشی
- 15 - پردازش زبان طبیعی (NLP) چیست و مدل NLP چگونه کار میکند
- 16 - وظیفه طبقه بندی متن در چارچوب ML.NET
- 17 - تمرین - تنظیم دقیق یک مدل NLP از پیش آموزش دیده روی دادههای خود با Model Builder
- 18 - مفاهیم پیشرفته - تشابه جمله
- 19 - تمرین پیشرفته - شباهت جمله با Model Builder
4. MLOها در ML.NET
- 20 - اهداف آموزشی
- 21 - MLOps چیست
- 22 - استقرار و مصرف مدلها در چارچوب ML.NET
- 23 - تمرین - استقرار برنامه دات نت خود در فضای ابری
- 24 - مفاهیم پیشرفته - ابر Azure و GitHub
- 25 - مفاهیم پیشرفته - هوش مصنوعی مسئول
5. جمع بندی دوره و مراحل بعدی
- 26 - پردازش زبان طبیعی با ML.NET - خلاصه