اکسپرس 24
کتاب آموزش مدل‌های یادگیری ماشین با سرویس‌های AWS

کتاب آموزش مدل‌های یادگیری ماشین با سرویس‌های AWS

تگ‌ها: AWS AWS Associate ML Engineer آموزش تخصصی ML آموزش مدل سرویس های AWS مهندسی یادگیری ماشین هوش مصنوعی یادگیری ماشین یادگیری ماشین در ابر

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 62,488 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی

📚 محتوای این محصول آموزشی (پکیج کامل)

💡 این محصول یک نسخهٔ کامل و جامع است

تمامی محتوای آموزشی این کتاب در قالب یک بسته‌ی کامل و یکپارچه ارائه می‌شود و شامل تمام نسخه‌ها و فایل‌های موردنیاز برای یادگیری است.

🎁 محتویات کامل بسته دانلودی

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل کتاب‌ها، تمرین‌ها و خودآزمایی .

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود و نسخهٔ چاپی ندارد.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های کتاب همانجا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره آموزش مدل‌های یادگیری ماشین با سرویس‌های AWS

موضوع کلی: هوش مصنوعی و یادگیری ماشین

موضوع میانی: مهندسی مدل‌های یادگیری ماشین در ابر

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر یادگیری ماشین و هوش مصنوعی
  • 2. مفاهیم پایه یادگیری ماشین
  • 3. انواع یادگیری ماشین: نظارت‌شده، بدون نظارت، تقویتی
  • 4. مراحل چرخه حیات پروژه یادگیری ماشین
  • 5. مقدمه‌ای بر سرویس‌های AWS برای یادگیری ماشین
  • 6. آشنایی با Amazon SageMaker
  • 7. ایجاد محیط توسعه در SageMaker
  • 8. آماده‌سازی داده‌ها برای آموزش مدل
  • 9. پاک‌سازی و پیش‌پردازش داده‌ها
  • 10. مقیاس‌بندی و نرمال‌سازی ویژگی‌ها
  • 11. مهندسی ویژگی برای بهبود عملکرد مدل
  • 12. انتخاب و استخراج ویژگی‌های مرتبط
  • 13. تبدیل ویژگی‌ها و ایجاد ویژگی‌های جدید
  • 14. مقدمه‌ای بر آموزش مدل‌های یادگیری ماشین
  • 15. انتخاب الگوریتم مناسب برای مسئله
  • 16. آموزش مدل‌های رگرسیون خطی
  • 17. آموزش مدل‌های رگرسیون لجستیک
  • 18. آموزش مدل‌های درخت تصمیم
  • 19. آموزش مدل‌های جنگل تصادفی
  • 20. آموزش مدل‌های ماشین بردار پشتیبان (SVM)
  • 21. آموزش مدل‌های خوشه‌بندی (K-Means)
  • 22. آموزش مدل‌های کاهش ابعاد (PCA)
  • 23. آموزش مدل‌های شبکه‌های عصبی پایه
  • 24. مقدمه‌ای بر شبکه‌های عصبی عمیق
  • 25. آشنایی با چارچوب‌های یادگیری عمیق (TensorFlow, PyTorch)
  • 26. آموزش مدل‌های شبکه‌های عصبی کانولوشنال (CNN)
  • 27. آموزش مدل‌های شبکه‌های عصبی بازگشتی (RNN)
  • 28. آموزش مدل‌های شبکه‌های حافظه طولانی کوتاه‌مدت (LSTM)
  • 29. آموزش مدل‌های ترنسفورمر
  • 30. مفهوم هایپرپارامترها و تنظیم آن‌ها
  • 31. تنظیم هایپرپارامترها با جستجوی شبکه‌ای (Grid Search)
  • 32. تنظیم هایپرپارامترها با جستجوی تصادفی (Random Search)
  • 33. تنظیم هایپرپارامترها با بهینه‌سازی بیزی (Bayesian Optimization)
  • 34. مقدمه‌ای بر ارزیابی مدل‌های یادگیری ماشین
  • 35. معیارهای ارزیابی مدل‌های رگرسیون
  • 36. میانگین مربعات خطا (MSE)
  • 37. ریشه میانگین مربعات خطا (RMSE)
  • 38. میانگین قدر مطلق خطا (MAE)
  • 39. ضریب تعیین (R-squared)
  • 40. معیارهای ارزیابی مدل‌های طبقه‌بندی
  • 41. دقت (Accuracy)
  • 42. صحت (Precision)
  • 43. بازیابی (Recall)
  • 44. امتیاز F1
  • 45. ماتریس درهم‌ریختگی (Confusion Matrix)
  • 46. منحنی ROC و سطح زیر منحنی (AUC)
  • 47. جلوگیری از بیش‌برازش (Overfitting)
  • 48. تکنیک‌های تنظیم‌گری (Regularization)
  • 49. کاهش داده‌ها (Dropout)
  • 50. توقف زودهنگام (Early Stopping)
  • 51. جلوگیری از کم‌برازش (Underfitting)
  • 52. تکنیک‌های افزایش پیچیدگی مدل
  • 53. افزایش داده‌ها (Data Augmentation)
  • 54. اعتبارسنجی متقابل (Cross-Validation)
  • 55. آموزش مدل در مقیاس بزرگ با SageMaker
  • 56. استفاده از SageMaker Training Jobs
  • 57. مدیریت منابع محاسباتی برای آموزش
  • 58. آموزش توزیع‌شده با SageMaker
  • 59. آموزش با استفاده از الگوریتم‌های داخلی SageMaker
  • 60. استفاده از کانتینرهای پیش‌ساخته SageMaker
  • 61. ساخت کانتینرهای سفارشی برای آموزش
  • 62. اشکال‌زدایی و نظارت بر فرآیند آموزش
  • 63. لاگ‌برداری و مانیتورینگ با CloudWatch
  • 64. مدیریت نسخه‌های مدل
  • 65. ذخیره‌سازی و بازیابی مدل‌های آموزش‌دیده
  • 66. مقدمه‌ای بر استقرار مدل‌های یادگیری ماشین
  • 67. استقرار مدل‌ها به صورت Real-time Endpoint
  • 68. استقرار مدل‌ها به صورت Batch Transform
  • 69. بهینه‌سازی هزینه در آموزش و استقرار مدل
  • 70. استفاده از نمونه‌های Spot برای کاهش هزینه آموزش
  • 71. مدیریت چرخه حیات مدل در SageMaker
  • 72. مقدمه‌ای بر MLOps با SageMaker
  • 73. خودکارسازی فرآیندهای آموزش و استقرار
  • 74. نظارت بر عملکرد مدل در Production
  • 75. بازآموزی مدل‌ها بر اساس داده‌های جدید
  • 76. ملاحظات امنیتی در یادگیری ماشین با AWS
  • 77. مدیریت دسترسی‌ها با IAM
  • 78. رمزنگاری داده‌ها در حالت سکون و انتقال
  • 79. حفاظت از مدل‌ها و داده‌های حساس
  • 80. مقدمه‌ای بر یادگیری تقویتی
  • 81. کاربردها و الگوریتم‌های یادگیری تقویتی
  • 82. یادگیری تقویتی عمیق (Deep Reinforcement Learning)
  • 83. مقدمه‌ای بر مدل‌های زبانی بزرگ (LLMs)
  • 84. کاربرد LLMs در پردازش زبان طبیعی
  • 85. آموزش و تنظیم دقیق LLMs
  • 86. ملاحظات اخلاقی در هوش مصنوعی
  • 87. سوگیری در داده‌ها و مدل‌ها
  • 88. شفافیت و قابلیت تفسیر مدل‌ها
  • 89. مسئولیت‌پذیری در توسعه هوش مصنوعی
  • 90. نگاهی به آینده هوش مصنوعی و یادگیری ماشین
  • 91. توسعه مدل‌های یادگیری ماشین برای کاربردهای صنعتی
  • 92. کاربرد هوش مصنوعی در بهینه‌سازی فرآیندها
  • 93. هوش مصنوعی مولد و خلاقیت
  • 94. آینده پردازش زبان طبیعی و درک مطلب
  • 95. چالش‌های پیاده‌سازی هوش مصنوعی در سازمان‌ها
  • 96. ارتباط بین هوش مصنوعی و علم داده
  • 97. مبانی آماری برای یادگیری ماشین
  • 98. مفاهیم احتمالات و توزیع‌ها
  • 99. مقدمه‌ای بر جبر خطی در یادگیری ماشین
  • 100. کاربرد ماتریس‌ها و بردارها

📚 محتوای این محصول آموزشی (پکیج کامل)

💡 این محصول یک نسخهٔ کامل و جامع است

تمامی محتوای آموزشی این کتاب در قالب یک بسته‌ی کامل و یکپارچه ارائه می‌شود و شامل تمام نسخه‌ها و فایل‌های موردنیاز برای یادگیری است.

🎁 محتویات کامل بسته دانلودی

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل کتاب‌ها، تمرین‌ها و خودآزمایی .

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود و نسخهٔ چاپی ندارد.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های کتاب همانجا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.