کتاب پایتون و یادگیری ماشین در AWS با فرمت AZW3 برای کتابخوان کیندل و فرمت EPUB

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره پایتون و یادگیری ماشین در AWS

موضوع کلی: هوش مصنوعی و فناوری‌های ابری

موضوع میانی: توسعهٔ برنامه‌های کاربردی با هوش مصنوعی در بستر ابری

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر پایتون و یادگیری ماشین
• 2. نصب و پیکربندی پایتون و محیط توسعه
• 3. انواع داده‌ها و عملیات‌های پایه در پایتون
• 4. ساختارهای کنترلی در پایتون: شرط‌ها و حلقه‌ها
• 5. توابع در پایتون: تعریف و استفاده
• 6. کار با لیست‌ها و دیکشنری‌ها در پایتون
• 7. مدیریت خطاها و استثنائات در پایتون
• 8. مقدمه‌ای بر کتابخانه‌های پایتون
• 9. کتابخانه NumPy: آرایه‌ها و عملیات ریاضی
• 10. کتابخانه Pandas: تحلیل و دستکاری داده‌ها
• 11. کتابخانه Matplotlib: رسم نمودار و تجسم داده‌ها
• 12. مقدمه‌ای بر یادگیری ماشین
• 13. انواع الگوریتم‌های یادگیری ماشین: نظارت شده، بدون نظارت، تقویتی
• 14. آماده‌سازی داده‌ها برای یادگیری ماشین
• 15. انتخاب ویژگی و مهندسی ویژگی
• 16. ارزیابی مدل‌های یادگیری ماشین
• 17. مقدمه‌ای بر AWS و سرویس‌های آن
• 18. AWS Identity and Access Management (IAM)
• 19. AWS S3: ذخیره‌سازی داده‌ها در فضای ابری
• 20. AWS EC2: ماشین‌های مجازی در فضای ابری
• 21. AWS Lambda: محاسبات بدون سرور
• 22. AWS SageMaker: پلتفرم یادگیری ماشین
• 23. بارگذاری و پردازش داده‌ها در AWS S3
• 24. آموزش مدل‌های یادگیری ماشین با استفاده از AWS SageMaker
• 25. استقرار مدل‌های یادگیری ماشین در AWS SageMaker
• 26. مانیتورینگ و مدیریت مدل‌های یادگیری ماشین در AWS
• 27. مقدمه‌ای بر یادگیری عمیق
• 28. شبکه‌های عصبی و پرسپترون چندلایه
• 29. کتابخانه Keras و TensorFlow
• 30. آموزش مدل‌های یادگیری عمیق در AWS SageMaker
• 31. کار با داده‌های متنی در پایتون
• 32. پردازش زبان طبیعی (NLP) با استفاده از NLTK
• 33. مدل‌سازی زبان با استفاده از Word2Vec
• 34. تحلیل احساسات با استفاده از یادگیری ماشین
• 35. تشخیص الگوها در تصاویر با استفاده از یادگیری ماشین
• 36. کتابخانه OpenCV برای پردازش تصویر
• 37. تشخیص اشیاء در تصاویر با استفاده از YOLO
• 38. مقدمه‌ای بر پردازش داده‌های بزرگ با استفاده از Spark
• 39. AWS EMR: سرویس Hadoop در AWS
• 40. تحلیل داده‌های جریانی با استفاده از AWS Kinesis
• 41. استفاده از AWS Glue برای تبدیل و آماده‌سازی داده‌ها
• 42. بهینه‌سازی عملکرد مدل‌های یادگیری ماشین
• 43. مقیاس‌پذیری مدل‌های یادگیری ماشین در AWS
• 44. امنیت در AWS: حفاظت از داده‌ها و مدل‌ها
• 45. بهترین روش‌ها برای توسعه و استقرار مدل‌های یادگیری ماشین در AWS