تخفیف ویژه همین الان — دوره‌های تخفیف‌دار را ببینید.
روز
:
ساعت
:
دقیقه
:
ثانیه
تخفیف‌های ویژه
دوره آموزشی هوش مصنوعی مسئولانه با Amazon SageMaker AI

دوره آموزشی هوش مصنوعی مسئولانه با Amazon SageMaker AI

1 ساعت 20 دقیقهمتوسط2025-03-04

مدرسین

Kesha Williams

Kesha Williams

Software Engineering Manager, Speaker, Tech Blogger

جزئیات دوره

این دوره آموزشی به شما کمک می‌کنه که چطور از ابزارهای مختلف برای شناسایی و مدیریت تعصب در داده‌ها و مدل‌ها استفاده کنید. همچنین یاد می‌گیرید چطور پیش‌بینی‌های مدل رو توضیح بدید و چطور شیوه‌های مسئولانه در استفاده از هوش مصنوعی (AI) رو در فرآیندهای یادگیری ماشین (ML) با استفاده از Amazon SageMaker Clarify وارد کنید.
شما در این دوره تجربه عملی کار با ابزارهای حاکمیتی SageMaker رو خواهید داشت، از جمله:

Role Manager برای مدیریت دسترسی‌ها
Model Cards برای مستندسازی مدل‌ها
Model Dashboard برای نظارت و بررسی عملکرد مدل‌ها

هدف این دوره اینه که بتونید مدل‌های هوش مصنوعی شفاف‌تر و عادلانه‌تر بسازید و مطمئن بشید که از استانداردهای اخلاقی در طراحی و پیاده‌سازی مدل‌های AI پیروی می‌کنید. این دوره برای هر کسی که در زمینه داده‌کاوی، یادگیری ماشین یا هدایت پروژه‌های فنی فعالیت داره (چه داده‌دان، چه مهندس ML، و چه رهبر فنی) مناسب است.
مربی این دوره Kesha Williams، آموزش‌هایی رو ارائه می‌ده که به شما کمک می‌کنه بهترین شیوه‌ها برای کار با هوش مصنوعی مسئولانه رو در سازمان‌تون پیاده‌سازی کنید.

🎓 اهداف یادگیری به زبان ساده:
شناسایی و ارزیابی تعصب در داده‌ها و مدل‌های یادگیری ماشین با استفاده از Amazon SageMaker Clarify
یادگیری چطور پیش‌بینی‌های مدل رو تفسیر کنیم و از شفافیت و قابل‌فهم بودن مدل‌های AI اطمینان حاصل کنیم
ادغام SageMaker Clarify با SageMaker Autopilot برای افزایش شفافیت و عدالت مدل‌ها در فرآیندهای خودکار یادگیری ماشین
پیاده‌سازی شیوه‌های حاکمیتی در یادگیری ماشین، از جمله مدیریت دسترسی‌ها، مستندسازی مدل‌ها و نظارت بر عملکرد مدل‌ها با استفاده از ابزارهای AI SageMaker

مهارت ها

Amazon SageMakerResponsible AICloud DevelopmentMachine LearningCloud ServicesArtificial Intelligence (AI)Cloud ComputingOne-Off

سرفصل ها

0. مقدمه

  • 01 - به هوش مصنوعی مسئول با Amazon SageMaker خوش آمدید

1. تشخیص سوگیری در مدل ها

  • 02 - درک سوگیری در یادگیری ماشین
  • 03 - کاوش SageMaker Clarify برای تشخیص سوگیری
  • 04 - ارزیابی سوگیری در داده‌های پیش آموزشی
  • 05 - تشخیص سوگیری در پس از آموزش و تولید
  • 06 - چالش - تعصب در داده‌ها را شناسایی کنید
  • 07 - راه حل - شناسایی سوگیری در داده ها

2. تبیین و ارزیابی مدل ها

  • 08 - درک توضیح پذیری در هوش مصنوعی
  • 09 - برای توضیح مدل از SageMaker Clarify استفاده کنید
  • 10 - پیش بینی‌های مدل را تفسیر کنید
  • 11 - مدل‌های فونداسیون را ارزیابی کنید
  • 12 - چالش - پیش بینی‌های یک مدل را توضیح دهید
  • 13 - راه حل - پیش بینی‌های یک مدل را توضیح دهید

3. ادغام قابلیت توضیح با گردش کار

  • 14 - SageMaker Clarify را با Autopilot ادغام کنید
  • 15 - پیش بینی‌های مدل را تحلیل کنید
  • 16 - مدیریت یادگیری ماشین (ML) را درک کنید
  • 17 - مجوزهای مدل را مدیریت کنید
  • 18 - نظارت بر مدل را متمرکز کنید
  • 19 - چالش - پیش بینی‌های مدل را با استفاده از خلبان خودکار تحلیل کنید
  • 20 - راه حل - پیش بینی‌های مدل را با استفاده از Autopilot تجزیه‌و‌تحلیل کنید

نتیجه گیری

  • 21 - سفر مسئول هوش مصنوعی شما

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